Analisis mendalam runut FHE (Fully Homomorphic Encryption).

TLDR:

• FHE penyulitan homomorfik sepenuhnya ialah teknologi perlindungan privasi generasi akan datang dan layak digunakan oleh kami. FHE mempunyai keupayaan perlindungan privasi yang ideal, tetapi masih terdapat jurang dalam prestasinya. Kami percaya bahawa dengan kemasukan modal Crypto, pembangunan dan kematangan teknologi akan dipercepatkan dengan pesat, sama seperti perkembangan pesat ZK dalam beberapa tahun kebelakangan ini.

• Penyulitan homomorfik sepenuhnya boleh digunakan untuk perlindungan privasi transaksi, perlindungan privasi AI dan pemproses bersama perlindungan privasi dalam Web3. Antaranya, saya amat optimis tentang perlindungan privasi EVM, yang lebih fleksibel dan lebih sesuai untuk EVM daripada tandatangan cincin sedia ada, teknologi pencampuran mata wang dan ZK.

• Kami telah menyiasat beberapa projek FHE yang tertunggak pada masa ini, dan kebanyakan projek FHE akan berada di mainnet dari tahun ini hingga suku pertama tahun depan. Di antara projek ini, ZAMA mempunyai teknologi terkuat tetapi belum mengumumkan sebarang rancangan untuk mengeluarkan syiling. Di samping itu, kami percaya bahawa Fhenix adalah projek FHE terbaik di kalangan mereka.

1. FHE ialah teknologi perlindungan privasi yang ideal

1.1 Peranan FHE

Penyulitan homomorfik sepenuhnya ialah satu bentuk penyulitan yang membolehkan orang ramai melakukan apa-apa bilangan penambahan dan pendaraban pada teks sifir untuk masih memperoleh penyulitan. menyahsulitnya adalah sama seperti melakukan operasi yang sama pada plaintext. Sedari "halimunan" data.

Sepenuhnya homomorfik amat sesuai untuk pengkomputeran penyumberan luar Anda boleh menyumber luar data kepada kuasa pengkomputeran luaran tanpa perlu risau tentang kebocoran data.

Dalam istilah orang awam, sebagai contoh, anda menjalankan syarikat, dan data syarikat itu sangat berharga Anda ingin menggunakan perkhidmatan awan yang berguna untuk memproses dan mengira data ini, tetapi anda bimbang tentang kebocoran data dalam awan. Kemudian anda boleh:

• Tukar data kepada penyulitan homomorfik sepenuhnya dan kemudian muat naiknya ke pelayan awan. Contohnya, nombor 5 dan 10 dalam gambar di atas akan disulitkan ke dalam teks sifir dan dinyatakan sebagai "X" dan "YZ".

• Apabila anda perlu melakukan operasi pada data, contohnya, jika anda ingin menambah dua nombor 5 dan 10, anda hanya perlu membiarkan teks sifir "X" dan "YZ" pada pelayan awan melaksanakan plaintext yang ditentukan oleh algoritma + Kendalikan operasi yang sepadan dan dapatkan hasil teks sifir "PDQ".

• Selepas hasil teks sifir ini dimuat turun dari pelayan awan, ia dinyahsulit untuk mendapatkan teks biasa. Anda akan mendapati bahawa hasil teks biasa ialah hasil operasi 5 + 10.

Teks biasa hanya muncul di sini, manakala semua yang disimpan dan dikira pada pelayan awan adalah data teks sifir. Dengan cara ini anda tidak perlu risau tentang kebocoran data. Pendekatan memelihara privasi ini sesuai.

• Penyulitan separa homomorfik: Separa homomorfik lebih mudah dan lebih praktikal. Semi-homomorfisme bermaksud bahawa teks sifir hanya mempunyai satu sifat homomorfik, seperti homomorfisme tambahan/homomorfisme berganda.

• Anggaran homomorfisme: membolehkan kita mengira penambahan dan pendaraban pada teks sifir pada masa yang sama, tetapi bilangan masa yang disokong adalah sangat terhad.

• Siri terhingga penyulitan homomorfik sepenuhnya: membolehkan kami melakukan sebarang gabungan penambahan dan pendaraban pada teks sifir, tanpa had pada bilangan kali. Tetapi terdapat had atas kerumitan baharu, yang mengehadkan kerumitan fungsi.

• Penyulitan homomorfik sepenuhnya: Ia perlu menyokong sebarang bilangan operasi penambahan dan pendaraban, tanpa had kerumitan dan bilangan kali.

Penyulitan homomorfik sepenuhnya adalah yang paling sukar dan ideal di sini, dan dipanggil "Holy Grail of Cryptozoology".

1.2 Sejarah

Penyulitan homomorfik sepenuhnya mempunyai sejarah yang panjang

• 1978: Konsep penyulitan homomorfik sepenuhnya telah dicadangkan.

• 2009 (generasi pertama): Penyelesaian homomorfik sepenuhnya pertama telah dicadangkan.

• 2011 (generasi kedua): Skim homomorfik sepenuhnya berdasarkan integer telah dicadangkan. Ia lebih mudah daripada penyelesaian sebelumnya, tetapi kecekapannya tidak bertambah baik.

• 2013 (generasi ketiga): Teknologi baharu GSW untuk membina penyelesaian FTE telah dicadangkan, yang lebih cekap dan selamat. Teknologi ini dipertingkatkan lagi dan FHEW dan TFHE dibangunkan, meningkatkan lagi kecekapan.

• 2016 (Generasi Keempat): Skim penyulitan homomorfik CKKS telah dicadangkan, yang merupakan kaedah paling berkesan untuk menilai penghampiran polinomial dan amat sesuai untuk aplikasi pembelajaran mesin yang memelihara privasi.

Algoritma yang kini disokong oleh perpustakaan penyulitan homomorfik yang biasa digunakan adalah terutamanya algoritma generasi ketiga dan keempat. Inovasi algoritma, pengoptimuman kejuruteraan, Blockchain yang lebih mesra, dan pecutan perkakasan mudah muncul dengan kemasukan modal.

1.3 Prestasi dan ketersediaan semasa

Pustaka penyulitan homomorfik yang biasa digunakan:

Prestasi ZAMA TFHE:

Contohnya: ZAMA TFHE’s 256-bit calcification mengambil kira-kira penambahan dan penolakan 200ms dan beberapa teks 200ms Beratus-ratus nanosaat, kelajuan pengiraan FHE adalah kira-kira 10^6 kali lebih perlahan daripada pengiraan teks biasa. Operasi yang dioptimumkan separa adalah kira-kira 1000 kali lebih perlahan daripada teks biasa. Sudah tentu, adalah tidak adil untuk membandingkan pengiraan teks sifir dengan pengiraan teks biasa. Terdapat harga yang perlu dibayar untuk privasi, apatah lagi teknologi perlindungan privasi ideal homomorfisme sepenuhnya.

ZAMA merancang untuk meningkatkan lagi prestasi dengan membangunkan perkakasan FHE.

1.4 Beberapa arahan penyelidikan teknikal FHE+Web3

Web3 terpencar Terdapat banyak arahan teknikal yang boleh dikaji dengan menggabungkan homomorfik sepenuhnya dan Web3, seperti berikut.

• Penyelesaian, penyusun dan perpustakaan FHE yang inovatif menjadikan FHE lebih mudah digunakan, lebih pantas dan lebih sesuai untuk rantaian blok.

• Perkakasan FHE meningkatkan prestasi pengkomputeran.

• FHE + ZKP, semasa menggunakan FHE untuk pengiraan privasi, gunakan ZK untuk membuktikan bahawa input dan output memenuhi syarat, atau untuk membuktikan bahawa FHE dilaksanakan dengan betul.

• Tingkah laku antijahat nod pengiraan boleh digabungkan dengan penyataan semula EigenLayer, dsb.

• Skim penyahsulitan MPC, keadaan yang dikongsi disulitkan dan kuncinya selalunya dipecahkan MPC, yang memerlukan protokol penyahsulitan ambang yang selamat dan berprestasi tinggi.

• Lapisan DA penyimpanan data memerlukan lapisan DA daya pemprosesan yang lebih tinggi, dan Celestia yang sedia ada tidak dapat memenuhi keperluan.

Secara umum, kami percaya bahawa penyulitan homomorfik sepenuhnya FHE ialah teknologi perlindungan privasi generasi akan datang. FHE mempunyai keupayaan perlindungan privasi yang ideal, tetapi masih terdapat jurang dalam prestasinya. Kami percaya bahawa dengan kemasukan modal Crypto, pembangunan dan kematangan teknologi akan dipercepatkan dengan pesat, sama seperti perkembangan pesat ZK dalam beberapa tahun kebelakangan ini. Landasan FHE sesuai dengan susun atur kami.

2 FHE digunakan dalam pelbagai senario perlindungan privasi dalam Web3, antaranya saya paling optimistik tentang privasi EVM.

FHE tergolong dalam trek perlindungan privasi. Ringkasnya, ia termasuk "perlindungan privasi transaksi" + "perlindungan privasi AI" + "pemproses bersama perlindungan privasi".

• Perlindungan privasi transaksi juga termasuk Defi yang melindungi privasi, pengundian, pembidaan, anti-MEV, dsb.

• Perlindungan privasi AI juga termasuk identiti terpencar, serta perlindungan privasi untuk model dan data AI yang lain.

• Pemproses bersama perlindungan privasi melaksanakan operasi teks sifir homomorfik sepenuhnya di luar rantai dan akhirnya mengembalikan hasilnya kepada rantaian Ia boleh digunakan untuk permainan Tanpa Amanah, dsb.

Sudah tentu, terdapat banyak teknologi perlindungan privasi Jika anda membandingkannya, anda akan tahu ciri-ciri istimewa FHE.

• TEE sangat pantas Data disimpan dan dikira dalam teks biasa dalam perkakasan yang dipercayai, jadi ia sangat pantas. Tetapi ia bergantung pada perkakasan yang selamat Ia sebenarnya mempercayai pengeluar perkakasan dan bukannya algoritma model amanah ini. Dan beberapa pengesahan pengiraan TEE memerlukan sambungan kepada pengilang TEE untuk pengesahan jauh. Ini tidak sesuai untuk penyepaduan ke dalam rantaian untuk pengesahan dalam rantaian. Oleh kerana kami memerlukan pengesahan dalam rantaian, hanya nod data sejarah blockchain boleh dilengkapkan secara bebas, dan tidak boleh bergantung pada institusi berpusat luaran.

• Pengiraan berbilang pihak selamat MPC juga merupakan teknologi pengiraan berbilang pihak yang melindungi privasi. Walau bagaimanapun, teknologi ini selalunya memerlukan berbilang pihak untuk berada dalam talian pada masa yang sama dan berinteraksi dengan kerap, dan biasanya tidak sesuai untuk senario tak segerak seperti rantaian blok. MPC kebanyakannya digunakan untuk pengurusan kunci terpencar Dalam dompet MPC, kunci peribadi tidak disimpan dalam bentuk lengkap di mana-mana sahaja. Sebaliknya, kunci peribadi dipecahkan kepada berbilang serpihan (atau bahagian) yang disimpan pada peranti atau nod yang berbeza. Hanya apabila transaksi perlu ditandatangani, berbilang serpihan akan bersama-sama mengambil bahagian dalam pengiraan melalui protokol pengiraan berbilang pihak untuk menjana tandatangan.

• ZK bukti sifar pengetahuan kebanyakannya digunakan untuk bukti pengiraan untuk membuktikan bahawa proses pengiraan tertentu dilaksanakan dengan betul, dan jarang digunakan untuk perlindungan privasi. ZK dan teknologi homomorfik juga tidak dapat dipisahkan, dan teknologi homomorfik juga digunakan dalam bahagian perlindungan privasi.

• FHE penyulitan homomorfik sepenuhnya tidak perlu menukar data di tengah-tengah semasa proses operasi teks sifir, dan boleh dikira sepenuhnya pada pelayan/nod. Oleh itu, MPC tidak memerlukan pemula/berbilang pihak berada dalam talian dan lebih sesuai untuk blockchain. Dan berbanding TEE, ia adalah Trustless. Satu-satunya kelemahan ialah prestasinya tidak tinggi.

Oleh itu, selagi FHE meningkatkan prestasi secara beransur-ansur, keupayaan perlindungan privasinya lebih sesuai untuk Web3.

Pada masa yang sama, dari segi perlindungan privasi transaksi, penyulitan homomorfik sepenuhnya juga lebih sesuai untuk EVM. Kerana:

• Tandatangan cincin dan teknologi pencampuran mata wang tidak boleh menyokong kontrak.

• Dalam projek perlindungan privasi ZK seperti Aleo, data peribadi adalah serupa dengan model UTXO, bukan model akaun EVM.

• Penyulitan homomorfik sepenuhnya boleh menyokong kedua-dua kontrak dan model akaun, dan boleh disepadukan dengan mudah ke dalam EVM.

Sebagai perbandingan, EVM homomorfik sepenuhnya sememangnya sangat menarik.

Operasi AI sememangnya intensif secara pengiraan, dan menambahkan mod penyulitan kompleks seperti penyulitan homomorfik sepenuhnya boleh mengakibatkan prestasi yang terlalu rendah dan kos yang terlalu tinggi pada peringkat ini. Saya fikir perlindungan privasi AI akhirnya akan menjadi penyelesaian hibrid TEE/MPC/ZK/semi-homomorphic.

Secara amnya, penyulitan homomorfik sepenuhnya boleh digunakan untuk perlindungan privasi transaksi, perlindungan privasi AI dan pemproses bersama perlindungan privasi dalam Web3. Antaranya, saya amat optimis tentang perlindungan privasi EVM Ia lebih fleksibel dan lebih sesuai untuk EVM daripada tandatangan cincin sedia ada, teknologi pencampuran mata wang dan ZK.

3 Kebanyakan projek FHE akan dilancarkan di mainnet dari tahun ini hingga suku pertama tahun depan. Kami percaya Fhenix adalah projek FHE terbaik selain ZAMA.

Kami telah menyiasat projek penyulitan homomorfik sepenuhnya yang tertunggak di pasaran hari ini Maklumat ringkas mereka adalah seperti berikut:

3.1 ZAMA (Alat)

• Naratif: Sediakan penyulitan homomorfik sepenuhnya untuk blok

  Tool
  • . TFHE-rs, pelaksanaan berkarat TFHE

  • Alat: Konkrit, penyusun TFHE

  • Produk: ML Konkrit, pembelajaran mesin yang memelihara privasi

  • Produk pintar

  memelihara
Produk pintar

• Pasukan: CTO Pascal Paillier, kriptografi terkenal
  CTO & pengasas bersama: Pascal Paillier, kriptografi. Mendapat ijazah PHD daripada Telecom ParisTech pada tahun 1999 dan mencipta sistem kripto Paillier pada tahun 1999. Beliau mula menerbitkan kertas kerja yang berkaitan dengan penyulitan homomorfik pada tahun 2013, dan merupakan salah satu tokoh teratas dalam bidang penyulitan homomorfik sepenuhnya.
  CEO & pengasas bersama: Rand Hindi, lulus dari UCL, Bioinformatics PHD pada 2011, bekerja pada projek sains data, sambil bekerja di ZAMA, bekerja sebagai penasihat untuk pelbagai projek

• 20: 20 InFinancing , sejumlah lebih daripada 82 juta dolar A.S. telah dikumpulkan Pusingan terkini pembiayaan Siri A ialah 73 juta, diketuai oleh Multicoin Capital and Protocol Labs

  • Pada 26 September 2023, Seed Round mengumpul $7 juta, diketuai oleh Multicoin. Capital, Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC dan Metaplanet mengambil bahagian dalam pelaburan

3.2 Fhenix (EVM + AI)

• naratif: FHE FHE Rollup/L2 privasi serasi L2)
  Produk: Rollup yang menyokong FHE ialah kontrak pintar sulit yang serasi dengan EVM. Pembangun menggunakan Solidity untuk membangunkan Dapps sambil memastikan privasi data.
  Produk: FHE coprocessor, yang memuatkan tugas pengkomputeran kriptografi daripada rantai hos (sama ada Ethereum, L2 atau L3) ke luar rantaian. Mereka sangat meningkatkan kecekapan operasi berasaskan FHE.
  Kerjasama: Bekerjasama dengan Zama, gunakan fhEVM ZAMA, perpustakaan ZAMA bercabang pada github
  Kerjasama: Bekerjasama dengan EigenLayer, nod Rollup perlu dilayakkan semula dalam EigenLayer

• Itzhaki mempunyai lebih daripada 7 tahun pengalaman bekerja di Intel dan berkhidmat sebagai Pengarah Penyulitan Homomorphic dan Pembangunan Perniagaan Blockchain Intel.
  Pengasas: Guy Zyskind, Calon PhD di MIT, MSC di MIT pada 2016. Mengambil bahagian dalam penyelidikan dan pembangunan protokol privasi MIT Enigma dan mempunyai keupayaan penyelidikan dan pembangunan yang kukuh.
  CEO: Guy Itzhaki mempunyai pengalaman kerja selama 7 tahun di Intel dan mempunyai pengalaman yang sangat kuat dalam bidang perlindungan privasi Beliau pernah berkhidmat sebagai Pengarah Penyulitan Homomorphic dan Pembangunan Perniagaan Blockchain.
  Prof. Chris, Peikert, kriptografi penyulitan homomorfik sepenuhnya. Pemimpin kriptografi Algorand.

• Pembiayaan: 1 tahun, pusingan Siri A terbaru mengumpul 15 juta, diketuai oleh Hack VC, diikuti oleh Foresight Ventures dan institusi lain.
  Pada Mei 2024, Siri A mengumpul $15 juta, diketuai oleh Hack VC, diikuti oleh Foresight Ventures dan institusi lain.
  Pada 26 September 2023, Seed Round mengumpul AS$7 juta, diketuai oleh Multicoin Capital, dengan penyertaan daripada Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC dan Metaplanet.

• • tahun Q2 mengeluarkan rangkaian ujian, Q1 dalam 25 tahun

  • S2 pada 2024, mengeluarkan rangkaian ambang

  • 2024 Q3, FHE Co-processor V0.

utama.

• Q3 2025, FHE Co-processor V1.

  3.3 Inco (EVM)
  Naratif: Lapisan pengkomputeran privasi modular/Sokongan rantaian EVM

• Produk EVM yang boleh digulung kontrak pintar . Pembangun menggunakan Solidity untuk membangunkan Dapps sambil memastikan privasi data.

  • Kerjasama: Bekerjasama dengan Zama, gunakan fhEVM ZAMA

  Pasukan: Pengasas Remi Ga, bekerja secara ringkas sebagai jurutera perisian di Microsoft dan Google pada hari-hari awal, dan bekerja di Parallel Finance
  DeFill
Pengasas: Remi Gai , 22 tahun yang lalu, beliau mempunyai pengalaman jurutera perisian selama 6 hingga 9 bulan di Microsoft dan Google, dan kemudiannya mengusahakan projek Parallel Finance dan DeFi.

• Pengetua teknologi: Amaury A, pembangunan teras Cosmos

Pembiayaan: Pusingan pembiayaan benih terbaharu ialah 4.5 juta, diterajui oleh 1kx

• 2

  pada bulan Februari 2000 pelaburan Rangkaian
  • pusingan pembiayaan sebanyak AS$4.5 juta, diketuai oleh 1kx, dengan penyertaan daripada Circle Ventures, Robot Ventures, Portal VC, Alliance DAO, Big Brain Holdings, Symbolic, GSR, Polygon Ventures, Daedalus, Matter Labs dan Fenbushi

  • Kemajuan: 24 tahun 3 Rangkaian ujian akan dilancarkan pada bulan Mac, dan rangkaian utama akan dilancarkan pada Q4 2024

  • Pada Mac 2024, rangkaian ujian akan dilancarkan termasuk fhEVM. Ia pada masa ini termasuk beberapa contoh perlindungan privasi ERC-20, pengundian privasi, lelongan buta dan privasi JPS
    🎜🎜Pada Q2~Q3 tahun 2024, rangkaian ujian akan dilancarkan termasuk fhEVM🎜🎜🎜🎜Pada S4 tahun 2024, ia akan dilancarkan pada rangkaian utama🎜🎜 🎜🎜Kami merancang untuk melakukan pecutan perkakasan FPGA pada tahun 2025, dengan harapan TPS akan mencapai 100~1000.🎜

3.4 Rangkaian Minda (AI&DePIN)

• Naratif: Perlindungan privasi data dan pengkomputeran peribadi. Data dan model AI dan DePIN.

  • Produk: Naratif 23 tahun ialah Tasik Data Privasi, penyimpanan data dan pengkomputeran yang memelihara privasi. Tahun ini, perlindungan privasi untuk data dan model AI dan DePIN telah dilaraskan. Kerjasama: Bekerjasama dengan ZAMA, gunakan perpustakaan homomorfik sepenuhnya ZAMA

    Kerjasama : Bekerjasama dengan EigenLayer, Babylon, dsb., pengambilan semula nod perkhidmatan Rujukan: https://mindnetwork.medium.com/fhe-secured-restaking-layer-scaling-security-for-ai-depin-networks-73d5c6e5dda3
  • Pasukan: CTO George ialah bekas penyelidik di Universiti Cambridge.

  • Pengasas bersama & CTO: George ialah seorang penyelidik di Universiti Cambridge, pengarah teknikal sebuah bank multinasional, dan mempunyai pengalaman bertahun-tahun dalam teknologi kewangan Internet.

  • Pembiayaan: 2 tahun, Seed mengumpulkan 2.5 juta dolar AS, diinkubasi oleh Binance Labs
• Pada 20 Jun 2023, Seed Round 2.5 juta dolar AS, dll. . . . . . . . . . . . . Pengkomputeran privasi DePIN.
  • Produk: Gunakan FHE untuk melatih model ML. Gerbang Boolean TFHE yang dioptimumkan.

  Produk: FaceID, versi pengecaman muka yang dilindungi privasi. Digunakan untuk mencegah ahli sihir dan KYC

• Kerjasama: Mengintegrasikan BNB Greenfield untuk menyimpan data yang disulitkan
  Pasukan: CTO Zhuan Cheng, PhD dalam Matematik di Universiti Chicago, mempunyai pengalaman penyelidikan dan pembangunan teknologi yang kaya dalam kriptografi

• CEO: David Jiao, projek AI telah menaikkan 20 juta yuan, dan projek blockchain telah menaikkan 4 juta yuan.

CTO Zhuan Cheng, PhD dalam Matematik di University of Chicago, pengalaman yang kaya dalam penyelidikan dan pembangunan kriptografi, sebelum ini bekerja pada projek perlindungan privasi ZK NuLink

• • Pembiayaan: 5 juta, Binance dibangkitkan . Labs diinkubasi

  • Pada Mac 2024, Seed Round mengumpul AS$5 juta, diinkubasi oleh Binance Labs, dengan penyertaan daripada MH Ventures, K300, Gate Labs, 1NVST, dsb.

• • keluaran Test. 2024, projek utama Q3 pada 2024 BERSIH

  • Jan 2024, Testnet V1.

April 2024, Testnet V2.

3.6 Optalysys (Alat )

Naratif: Perkakasan penyulitan homomorfik.

Berdasarkan maklumat di atas, ZAMA menyediakan projek ini dengan perpustakaan sumber terbuka teras penyulitan homomorfik sepenuhnya, dan kini merupakan perintis teknologi yang layak dan pemain terkuat. Walau bagaimanapun, ZAMA masih belum mengumumkan sebarang rancangan untuk mengeluarkan syiling, jadi kami memberi tumpuan kepada Fhinex.

Fhinex akan melaksanakan EVM yang melindungi privasi dan melaksanakan kontrak pintar yang melindungi privasi. Mereka merancang untuk membina Fhenix L2, EVM privasi homomorfik sepenuhnya. Menyediakan transaksi dan DeFi yang memelihara privasi, dsb. L2 ini juga dilengkapi dengan rangkaian ambang untuk melaksanakan beberapa operasi penyulitan dan penyahsulitan, selain itu, Fhenix juga akan membina pemproses bersama FHE, rangkaian pengkomputeran homomorfik sepenuhnya yang boleh melayani rantaian EVM selain Fhenix dan menyediakan pengkomputeran homomorfik sepenuhnya .

Pasukan Fhinex mempunyai kekuatan teknikal yang kukuh Ahli pasukan bukan sahaja termasuk pakar yang bertanggungjawab untuk pengkomputeran privasi di Intel, tetapi juga PHD yang mengambil bahagian dalam pembangunan protokol privasi Enigma di MIT, dan peneraju kriptografi Algorand.

Ringkasnya, kami percaya bahawa projek penyulitan homomorfik sepenuhnya seperti ZAMA dan Fhinex boleh membawa alat perlindungan privasi yang ideal kepada rantaian blok. 🎜

Atas ialah kandungan terperinci Analisis mendalam runut FHE (Fully Homomorphic Encryption).. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!