美国至10月9日8周国债竞拍-投标倍数

原文作者：Advait (Leo) Jayant 编译：LlamaC 「推荐寄语：全同态加密（FHE）常被誉为密码学的圣杯，本文探讨了 FHE 在人工智能领域的应用前景，指出了当前面临的局限性。并 list 了一些致力于在加密领域利用全同态加密（FHE）进行 AI 应用的项目，对于加密货币爱好者来说，可通过本文对全同态加密进行一次深入了解，enjoy！」 正文👇 A 希望在 Netflix 和 Amazon 上获得高度个性化的推荐。B 不希望 Netflix 或 Amazon 了解他们的偏好。 在当今的数字时代，我们享受着亚马逊和 Netflix

撰文：Davide

AI + web3，值得期待？

大多数现实世界的金融在机密性和合规性共同进步之前不会转移到链上。 在Zama协议中，使用FHE时，余额和转账金额保持端到端加密，同时支付提供者可以直接在代币合约中编码合规逻辑。 这让

你有没有试过试图解释“加密数据还能做计算”这种事？我有一次试着跟朋友聊FHE（全同态加密），结果对方一脸茫然，最后总结：“所以就是魔法？”好吧，确实有点像魔法，但最近看到Zama @zama_fhe 团队的最新进展后，我觉得这个“魔法”离我们的日常生活又近了一步——现在他们居然把TFHE（基于环的全同态加密）的bootstrapping速度压到了不到1毫秒！ 简单说，FHE的核心在于你可以对加密数据进行计算，而不用解密。这听起来很酷，但实际操作时有个大问题：加密数据每做一次计算，噪声都会增加，导致数据变得越来越难处理。这时候需要“重置”噪声，也就是所谓的bootstrapping。这个过程过去超级慢——早期版本在CPU上需要53毫秒，而现在，Zama用GPU把这个时间压缩到了945微秒，快了56倍。这不仅是个技术突破，还意味着FHE离实际应用更近了。 为什么这事重要？想象一下，在区块链上用FHE处理交易数据——你的隐私完全保护，但计算速度却接近明文数据处理。这对金融、医疗甚至AI代理都有巨大意义。Zama的团队通过优化算法和GPU资源，让TFHE在性能和安全性之间找到了平衡。比如，他们采用了多位算法（multi-bit algorithm），让GPU的并行能力发挥到极致，同时保持128位安全性和极低的失败概率（2^-128）。这听起来很专业，但核心就是：快、稳、隐私友好。 更有趣的是，这种优化不仅限于单次计算。如果你需要处理大批量数据，TFHE的架构可以轻松扩展到多GPU环境——比如在一台配备8块H100 GPU的机器上，它每秒可以完成189,000次bootstrapping。相比2021年的性能，这提升了2554倍！这让我不禁想问：如果未来有专用硬件（比如FHE加速器），这个速度会不会再翻几倍？ 当然，FHE还不是万能的。它在区块链上的应用还面临其他瓶颈，比如网络通信和零知识证明的效率。但随着技术的进步，像Zama这样的团队正在让“魔法”变成现实。或许有一天，我们真的能轻松聊起FHE，而不再需要解释它是“魔法”。你觉得呢？