TFHE

本文探讨了使用零知识证明（ZKP）验证全同态加密（FHE）的过程，重点分析了TFHE在RISC Zero平台上的实现，以及如何通过优化数据加载和计算来提高效率。文章呈现了核心概念、实施细节和代码示例，为后续优化提供基础。

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团队使用Concrete ML加速了同态加密（FHE）在机器学习中的应用，并成功超越了之前论文中的基准测试结果。他们通过改进编译器，分离了机器学习和密码学任务，并采用了MLIR框架，支持多种硬件加速器。实验结果表明，新的Concrete ML在执行速度上有了显著提升，例如NN-20模型比2021年的结果快21倍。

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。

Inco Network和Circle Research发布共同撰写的机密ERC20白皮书。机密ERC20框架将标准ERC-20代币转换为机密包装版本，以掩盖余额和交易金额，为用户提供额外的隐私保护，同时保持合规控制。

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。