虽然 ZK、MPC、和 FHE 都是为了保护数据隐私和安全设计的先进加密技术，但是在应用场景 / 技术复杂性有区别。
作者：0xTodd，Nothing Research 合伙人
封面：Photo by Ruan Richard Rodrigues on Unsplash
上次我们分析了全同态加密（FHE，Fully Homomorphic Encryption）技术如何运作。
但是很多朋友仍然会把 FHE 和 ZK、MPC 这些加密技术弄混，因此第二篇 thread 计划将这三门技术详细对比一波：
FHE vs ZK vs MPC
首先，让我们从最基本的问题开始： - 这三种技术分别是什么？ - 它们如何工作？ - 它们如何为区块链应用工作？
1. 零知识证明（ZK）：强调「证明却不泄露」
零知识证明（ZK）技术探讨的命题是：如何在不泄露任何具体内容的情况下，验证信息的真实性。
ZK 建立在密码学的坚实基础上，通过零知识证明，Alice 可以向另一方 Bob 证明：她知道某个秘密，却不必揭示任何关于秘密本身的信息。
想象一个场景，Alice 希望向租车行员工 Bob 证明她的信用，但她不希望去银行打个流水之类的。这时候，比如银行 / 支付软件的「信用分」就堪比她的「零知识证明」。
Alice 在 Bob「零知晓」的条件下，证明她的信用评分良好，而无需展示她的账户流水，这就是零知识证明。
如果应用到区块链里，可以参考之前的一个匿名币 Zcash：
当 Alice 给他人转账时，她既要匿名，又要证明她拥有转账这些币的权力（否则会导致双花），于是她就需要生成一个 ZK 证明。
所以，矿工 Bob 看到了这个证明后，能够在不知道她到底是谁（即对 Alice 的身份零知识）的情况下，仍能把交易上链。
2. 多方安全计算（MPC）：强调「如何计算却不泄露」
多方安全计算（MPC）技术主要应用于：如何在不泄露敏感信息的前提下，让多方参与者还能安全地一起计算。
这项技术让多个参与者（比如说 Alice、Bob 和 Carol）能够共同完成一项计算任务，却无需任何一方透露自己的输入数据。
例如，如果 Alice、Bob 和 Carol 想要计算他们三人的平均工资，却不泄露各自的具体工资。那么如何操作呢？
每个人可以将自己的工资分成三部分，并交换其中两部分给其他两人。每个人都对收到的数字进行加和，然后分享这个求和结果。
最后，三人再对这三个求和结果求出总和，进而得到平均值，但却无法确定除自己外其他人的确切工资。
如果套用到加密行业，MPC 钱包就使用这样的技术。
以 Binance 或者 Bybit 推出的最简单 MPC 钱包为例，用户不再需要存 12 个助记词，而是有点类似于，把私钥魔改成 2/2 多签，用户手机一份，用户云端一份，交易所一份。
如果用户不小心弄丢了自己的手机，至少云上 + 交易所还能恢复出来。
当然，如果要求安全性更高，一些 MPC 钱包可以支持引入更多的第三方来保护私钥碎片。
因此，基于 MPC 这门密码学技术，多方可以在相互不需要信任的情况下，安全地使用私钥。
3. 全同态加密（FHE）：强调「如何加密才能找外包」
如同我上篇 thread 所说，全同态加密（FHE）则应用在：我们如何加密，使得敏感数据加密后，可以交给不信任第三方进行辅助计算，结果仍能由我们解密出来。 上篇传送门：https://x.com/0x_Todd/status/1810989860620226900 …
举个例子，Alice 自己没有计算能力，需要依赖 Bob 来计算，但是又不想告诉 Bob 真相，因此只能将原始数据引入噪音（做任意次的加法 / 乘法加密），然后利用 Bob 强大的算力对这些数据进行加工，最后由 Alice 自己解密出来得到真实结果，而 Bob 对内容一无所知。
想象一下，如果你需要在云计算环境中处理敏感数据，如医疗记录或个人财务信息，FHE 就显得尤为重要。 它允许数据在整个处理过程中保持加密状态，这不仅保护数据安全，还符合隐私法规。
上次重点分析了 AI 行业为什么需要 FHE，那么在加密行业中，FHE 这门技术能够带来什么应用呢？ 比如说有个项目叫做 Mind Network 拿到了以太坊 Grant，也是币安孵化器的项目。它关注到了一个 PoS 机制的原生问题：
像以太坊这样的 PoS 协议，拥有 100 w+ 的验证者，自然没什么问题。但是很多小的项目，问题就来了，矿工天生是偷懒的。
为什么这么说呢？理论上，节点工作是：兢兢业业地验证每一笔交易是否合法。但是一些小的 PoS 协议，节点不够多，而且包括很多「大节点」。
所以，很多小 PoS 节点就发现：与其浪费时间亲自计算核实，不如直接跟随照抄大节点现成的结果。
这个毫无疑问，会带来非常夸张的中心化。
另外，比如投票的场景同样有这种「跟随」迹象。
比如说之前 MakerDAO 协议的投票，由于 A16Z 当年拥有了太多 MKR 票仓，导致很多时候它的态度对于某些协议起决定性作用。A16Z 投票之后，很多小票仓只能被迫跟票或者弃权，完全无法反映出真实民意。
所以，Mind Network 利用了 FHE 技术：
让 PoS 节点相互 * 不知道 * 对方答案的情况下，仍然能够借助机器算力完成区块的验证工作，防止 PoS 节点相互抄袭。
or
让投票者在相互 * 不知道 * 相互的投票意向之后，仍然能够借助投票平台计算出投票结果，防止跟票。
这就是 FHE 在区块链的重要应用之一。
所以，为了实现这样的功能，Mind 还需要重建一个 re-staking 套娃协议。因为 EigenLayer 本身将来就要为一些小的区块链提供「外包节点」服务，如果再配合 FHE，可以让 PoS 网络或者投票大幅提升安全性。
打个不恰当的比喻，小的区块链引入 Eigen+Mind，有点像小国自己搞不定内政，于是引入外国驻军。
这也算是 Mind 在 PoS/Restaking 分支上和 Renzo、Puffer 的差异化之一， Mind Network 相比 Renzo、Puffer 这些起步更晚，最近刚刚启动主网，相对来说没有 Re-taking summer 那时候那么卷了。
当然，Mind Network 也同样在 AI 分支上提供服务，比如用 FHE 技术加密喂给 AI 的数据，然后让 AI 能够在 * 不知道 * 原始数据的情况下学习、处理这些数据，典型案例包括与 bittensor 子网的合作。
最后，再总结一下：
虽然 ZK（零知识证明）、MPC（多方计算）、和 FHE（全同态加密）都是为了保护数据隐私和安全设计的先进加密技术，但是在应用场景 / 技术复杂性有区别：
应用场景： ZK 强调「如何证明」。它提供了一种方式，使得一方可以向另一方证明某一信息的正确性，而无需透露任何额外信息。这种技术在需要验证权限或身份时非常有用。
MPC 强调「如何计算」。它允许多个参与者共同进行计算，而不必透露各自的输入。这在需要数据合作但又要保护各方数据隐私的场合，如跨机构的数据分析和财务审计中。
FHE 强调「如何加密」。它使得在数据始终保持加密的状态下，委托进行复杂的计算成为可能。这对于云计算 /AI 服务尤为重要，用户可以安全地在云环境中处理敏感数据。
技术复杂性： ZK 虽然理论上强大，但设计有效且易于实现的零知识证明协议可能非常复杂，需要深厚的数学和编程技能，比如大家听不懂的各种「电路」。
MPC 在实现时需要解决同步和通信效率问题，尤其是在参与者众多的情况下，协调成本和计算开销可以非常高。
FHE 在计算效率方面面临巨大挑战，加密算法比较复杂， 2009 年才成型。尽管理论上极具吸引力，但其在实际应用中的高计算复杂性和时间成本仍是主要障碍。
说实话，我们所依赖的数据安全和个人隐私保护正面临前所未有的挑战。想象一下，如果没有了加密技术，我们的短信、外卖、网购过程中的信息都已暴露无遗。就像没有锁的家门，任何人都可以随意进入。
希望对这三个概念有混淆的朋友们，能够彻底区分这三门加密学圣杯上的明珠们。
免责声明：作为区块链信息平台，本站所发布文章仅代表作者及嘉宾个人观点，与 Web3Caff 立场无关。文章内的信息仅供参考，均不构成任何投资建议及要约，并请您遵守所在国家或地区的相关法律法规。
