隐私一直是网络行业长期关注的议题，Web3也将隐私视为刚需，并推动了零知识证明（ZKP）和安全多方计算（MPC）等技术的发展。然而，最近全同态加密技术（FHE）也逐渐进入市场视野，可能有机会填补现有隐私技术的空白并出现全新应用。
目录
全同态加密（FHE）介绍
应用概念：加密数据不用解密可直接计算
代数概念：f(x) + f(y) = f(x+y)
案例说明
全同态加密在Web3重要性
FHE补足ZKP、MPC空白
隐私Web3应用
实施项目：Fhenix Network
项目介绍
运作原理简介
解锁更多隐私应用
同态加密（Homomorphic Encryption, HE）是一种密码学加密技术，其目的是为了强化数据运算安全。简单来说，当数据被HE函数进行加密后，该笔数据可以在不需要解密的情况下进行其他运算，从而提升数据运算的安全性和隐私。
根据技术成熟度和可进行的操作差异，同态加密可以分为：
半同态加密（Partially Homomorphic Encryption, PHE）
近似同态加密（Somewhat Homomorphic Encryption, SWHE）
全同态加密（Fully Homomorphic Encryption, FHE）
而全同态加密技术相对较成熟，可以进行更复杂的加密后运算并足以商业化，因此也成为区块链行业关注的重点技术。
FHE可以确保数据在传输、运算、回传的过程中，全程保持加密状态，保护数据的机密性。与传统模式不同，使用FHE加密的数据，在计算过程中无需解密数据，确保无论是电信运营商、云计算服务商还是广告分析服务商，都可以在不看到明文的情况下完成任务，并将完成计算后的数据（仍然是加密状态）回传给客户，客户再自行解密得到目标结果。
FHE不论对于第三方服务商或是客户都有帮助。对于服务商来说，可以减少隐私数据保管疑虑，又可以收取运算费用；而对于用户来说，可以提升数据的安全性与隐私性。
经过FHE加密后的数据，可在保持加密的状态下受第三方分析或是计算处理，得到的结果只有用户可以进行解密。
全同态加密让用户可以利用FHE函数加密数据，例如将数据x与数据y利用f加密变成f(x)与f(y)，再传送给外部。
外部计算者可以通过f(x) + f(y)计算f(x+y)，并将f(x+y)回传给用户，用户拥有解密函数g，得到结果g(f(x+y)) = x+y。
过程中外部并不知道数据明文，但仍可以完成计算并提交给数据拥有者。
实际上同态加密已经用在许多应用上：
法国科技公司利用FHE技术协助医院分析病患隐私数据。
韩国政府使用FHE、MPC等技术进行隐私问卷调查应用实验。
国立中山大学利用同态开发「具隐私保护暨安全数据探勘之医疗资料仓库系统」专案计划，研发快捷式医疗服务，将医疗数据安全上传云端。
Web3行业现有的零知识证明（Zero-knowledge proof, ZKP）与安全多方计算技术（Secure Multi-Party Computation, MPC）、可执行安全环境（trusted execution environment, TEE）与FHE的差异是什么？为何需要再加入一个新的技术？是否会开启新的技术竞争？
ZKP、FHE、MPC和TEE实际上是互补的技术，所使用的场景有所差异。除了竞争之外，带来更多的是组合创新的机会：
ZKP提供相对较强的隐私保证，因为在此架构下「未加密」的数据永远不会离开用户的设备。未经数据拥有者许可，任何人都无法对这些数据进行任何计算，不过反过来说也失去了可组合性。更适合验证计算，而不是实际运行隐私型的智能合约。
FHE具有较强的可组合性，但隐私性较弱。因为若FHE需要使用在区块链上，仍然需要让验证者或是机制下的少数方拥有解密钥匙，才能记录交易信息上链。不过由于其可组合性与隐私特性，在链上应用仍具有一定需求。
MPC提供上述两个方法之间的中间定位。MPC在不透露输入的情况下完成输出，因此允许对隐私数据进行计算（输入），比ZKP提供更多的可组合性，不过这种计算仅限于一小部分参与者可执行。适合用在钱包私钥管理。
TEE提供交易在安全环境中进行解密与运算，技术也相对成熟高效率，不过却过于依赖执行环境的安全性。适合用在去中心化要求较低的功能上。
上述各种技术皆有独特优势。ZKP适合用在验证事情真伪，FHE适合应用在需要将私密数据提交到合约的计算场景，MPC适合限制身份许可的隐私计算，TEE适合高频计算且安全性需求较低的应用。
未来可以预见将出现结合多种加密技术的产品出现，满足各式功能需求。
例如资产管理工具可以使用ZKP验证某用户的资金量是否达高净值标准，同时利用FHE为用户制作资产变化表格而不必传输个别资产数据。
对于区块链行业，全同态加密也是很好的互补技术，强化区块链隐私不足的问题。FHE使智能合约可以处理密文，而无须知道真实数据，提高对于隐私需求较高的应用之可行性。
交易代币：
通过将交易内容加密，提升用户隐私之外也可以降低MEV损失。
DAO投票：
可以做到匿名投票或是特定时间点公开，减少公开资讯造成的额外干扰。
拍卖：
仅公布最终最高出价，减少透露拍卖家卖策略。
全链游戏：
通过隐藏交易信息与对手玩家策略，打造更加真实的信息非对称赛局。
若要结合区块链与全同态加密，基本上除了用户签署交易时需要有工具可以进行加密，还需要能快速读取全同态加密函数的智能合约与虚拟机，最后则是需要克服如何让节点进行验证交易内容。
目前的解决方案是打造一条拥有原生全同态加密操作的虚拟机，而Fhenix Network则号称整合FHE的去中心化网络。想解决的是以太坊和其他EVM网络过于透明的问题，通过引入隐私功能促使产生更广泛的应用。
Fhenix Network是以太坊生态的FHE Rollup，基于Arbitrum Nitro诈欺证明打造，提供模块化的FHE功能的同时支持EVM兼容。选择Optimistic Rollups的原因是因为目前技术较容易实作，快速推出FHE Layer2进行市场测试。
通过Arbitrum Nitro的架构，Fhenix Network使用WebAssembly虚拟机（WASM）进行诈欺证明与FHE逻辑编译，在WASM上以安全的方式运行而不是在EVM上运行。
Fhenix Network的核心FHE逻辑位于fheOS代码库，其包含开发人员将FHE实现到智能合约中所需的工具包。例如TFHE-rs（由合作伙伴Zama建构）。
而全同态加密最重要解密的环节，在Fhenix Network的设计中是Threshold Network（TSN）模块负责，当数据需要解密时，TSN会负责解密并回传数据。
全同态加密并不是近期新开发的技术，不过随着技术的进步，渐渐被加密圈视为是一种潜在的隐私保护解决方案，补足ZKP、MPC等现有加密技术的空白，潜在的新应用包含隐私投票、全链游戏、抗MEV转账等，期待未来会出现更多有趣应用。