fhEVM v0.6 版本引入了更强大的输入机制与证明功能,扩展了类型支持,并增强了 fhEVM 部署的配置能力。同时,Zama 推出了 fhEVM Coprocessor,它允许在任何 EVM 链上构建保密智能合约,目前已在 Sepolia 测试网上提供。
TFHE-rs v0.11 版本发布,主要带来了以下更新: 1. 零知识证明性能显著提升;2. 引入了基于 FheAsciiString 类型的新加密字符串模块;3. 默认加密参数现在遵循调整后的均匀噪声分布;4. GPU 性能提升,64 位加法运算速度提高 30%;5. 可以在 GPU 上轻松执行加密数组的计算。同时,该版本还改进了 GPU 性能,并修复了一些bug。
Zama 团队发布了首个完全开源的 FHE 硬件加速器 HPU,以及 TFHE-rs v1.2,该版本包含一个新的后端,用于支持在 FPGA 上运行的 HPU。
本文档介绍了同态处理单元(HPU)上的整数运算(IOp)的高级代码语法,HPU通过使用整数的基数表示来处理整数上的任何运算。IOp代码定义了整数操作签名,该签名用作链接到数字操作(DOp)代码的标识符。文章详细描述了IOp代码的结构、关键字、预定义IOp以及自定义IOp的示例。
本文介绍了在同态加密中选择合适的模数(modulus)的重要性。模数直接影响同态加密的有效性和安全性,需要满足特定的数学条件,文中给出了一个 Golang 程序,用于生成满足条件的素数作为模数,并提供了一个OpenFHE的C++示例
本文探讨了在保护用户隐私的前提下改进机器学习应用的方法,重点介绍了同态加密和联邦学习在欺诈检测中的应用。文章讨论了使用同态加密对数据进行加密处理,然后在加密状态下进行机器学习模型训练和推理,以及利用联邦学习在不共享原始数据的情况下,通过多个参与方协作训练模型。
Zama 团队发布了一个基于阈值密码学的阈值密钥管理系统 (TKMS),旨在解决同态加密 (FHE) 应用中的密钥管理问题。该系统将密钥分成多个片段分发给多个参与方,且在密码学操作期间不进行重组,类似于区块链中的多方计算 (MPC) 钱包。Zama 同时开源了 MPC 库,并发布了详细的密码学报告,以促进 FHE 领域的合作和进步。
文章讨论了零知识证明(ZKPs)等密码学技术在应对日益复杂的社会挑战中的作用,强调了其在区块链、人工智能、硬件安全、国家安全以及数据隐私保护等多个领域的潜在应用。文章指出,随着AI普及和中心化信任的减弱,ZKPs和同态加密等技术将变得至关重要,并表示将致力于支持相关技术的初创企业。
Zama 发布了 TFHE-rs (v1.1)、Concrete (v2.10) 和 Concrete ML (v1.9) 的新版本。
Zama 团队发布了 TFHE-rs (v0.11)、Concrete (v2.9)、Concrete ML (v1.8) 和 fhEVM (v0.6) 的新版本。