介绍全同态加密(FHE):探索其令人兴奋的应用、局限性和最近推动其流行的发展。
深入探讨了 fhEVMs 如何利用全同态加密来增强 EVM 兼容区块链中的隐私性。
Zama 团队发布了 TFHE-rs (v0.7)、Concrete (v2.7)、Concrete ML (v1.6) 和 fhEVM (v0.5) 的新版本。
Concrete v2.7版本发布,引入了GPU加速功能,通过安装GPU wheel并设置use_gpu选项即可利用GPU进行FHE计算加速,最多可提速2.5倍。同时,新版本还扩展了函数组合的支持,通过分区优化和指定函数依赖关系,进一步提升模块的性能。此外,v2.7还包含其他一些小的改进。
Zama 团队发布了 fhEVM v0.5 版本,该版本引入了诸多增强功能,旨在提高在应用中处理加密数据的安全性和效率,包括打包输入机制、增强的访问控制列表 (ACL) 以及更新的解密和重新加密过程。Solidity API 迎来稳定和最终版本,该版本将与未来版本以及各种链兼容。
TFHE-rs v0.7 版本发布,引入了密文压缩和多 GPU 支持等重要特性。密文压缩可将密文大小最多减少 1900 倍,而多 GPU 支持能够显著提升同态计算的性能,文章还介绍了新版本中参数集合的更新、新的向量和数组运算、优化的零知识证明以及优化的 GPU 密钥切换等额外功能。
FHE全同态加密介绍——小白版
这篇博客文章是关于使用SNARKs验证FHE引导(Bootstrapping)的研究,旨在提高FHE的实际应用性。
关于陈算法的再更新
陈一镭 (Yilei Chen) 撰写的e-print论文《格问题的量子算法》,引起了密码学学术界的轰动。
Zama 团队发布了 TFHE-rs (v0.6)、Concrete (v2.6)、Concrete ML (v1.5) 和 fhEVM (v0.4) 的新版本。
Concrete v2.6 版本发布,引入了近似可编程引导启动(PBS)、输入压缩、增强的函数组合以及更快的模拟,以及 ternary-if, Relu, 和 Sign 函数。近似 PBS 通过不精确的舍入加速 TLU 运算;输入压缩通过种子加密进一步优化带宽和磁盘空间;增强的函数组合通过模块实现更灵活的加密数据处理。此外,仿真速度也得到了显著提升。
Zama 发布了 fhEVM v0.4 版本,引入了新的加密类型(ebool、euint4、euint64、eaddress)和异步解密API,通过 oracle 实现解密请求和回调,提升性能和效率。同时发布了fhEVM标准合约库 fhevm-contracts,包含ERC20和DAO等基础合约,简化开发流程。
TFHE-rs v0.6 版本引入了零知识证明技术,增强了 GPU 对有符号整数运算的支持,并引入了加密随机数生成等新的加密功能。该版本现在包含 Marc Joye 提出的公钥方案,并生成零知识证明以验证公钥加密过程的正确性。此外,新版本还支持 GPU 上的有符号整数运算,并改进了 GPU 用户的多位 PBS。
Concrete ML v1.5版本发布,引入了新的DataFrame API,支持在加密存储的数据上工作,并增加了加速神经网络的新选项,速度可提高2-3倍。同时,发布了一个新的演示,展示如何安全地匿名化文本数据,以便在使用ChatGPT查询知识库时不会泄露任何个人身份信息。该版本旨在推动隐私保护的机器学习和加密协作。
Paillier 同态加密算法
扫一扫 - 使用登链小程序
383 篇文章,655 学分
113 篇文章,616 学分
67 篇文章,472 学分
117 篇文章,443 学分
154 篇文章,344 学分