作者：
Anders Dalskov（博士，Partisia Blockchain 密码学科学家）
来源：
https://medium.com/partisia-blockchain/mpc-fhe-dp-zkp-tee-and-where-partisia-blockchain-fits-in-c8e051d053f7
编译：TinTinLand
本文重点是对主题提及的每种技术提供最简短、最直观的技术介绍。本文涉及的技术（Differential Privacy 除外）均用于处理数据的“安全”计算方式。在更高阶的层面上，这意味着它们可用于一个或多个数据来执行任意计算并保持数据的隐私性。
多方安全计算 (MPC)
多方安全计算在 Partisia Blockchain 上是一个相当广泛的协议类别术语，它能够使两个独立实体（称为各方）计算同一个函数，除了输出结果之外不泄露任何内容。
下一步是节点（服务器 A、B 和 C）对输入步骤中接收到的加密（即秘密共享）执行计算。
使用隐私共享机制实现保密（https://www.youtube.com/watch?v=vRVudJADQLk）
MPC 技术的全方位信息介绍（https://www.youtube.com/watch?v=xwxkp4fMWsk）
有关 MPC 多方面分析的博客文章（https://medium.com/applied-mpc/a-crash-course-on-mpc-part-1-791c3e351d3c）
全同态加密（FHE）
全同态加密 (FHE) 解决了一个老生常谈的问题：我可以对个人数据进行加密并执行计算吗？
FHE 是一种工具，它不仅允许我们在服务器上存储加密数据，还允许服务器对其进行计算，而无需在任何时候执行解密。 FHE 系统示意图如下所示：
根据上图所示，用户加密私人数据并将其上传到服务器中。然而，与传统的 E2EE（端到端加密）场景不同，服务器实际上可以在用户的私密数据上直接进行计算 —— 直接在密文上进行，而后用户可以使用私钥对结果进行解密。
FHE 与 MPC 不同，它依赖于巧妙的密码计算而非密码协议。
一方面，这意味着与 MPC 相比，FHE 在服务器和客户端之间可以发送更少的数据；
另一方面，FHE 需要服务器完成大量计算执行任务。因此，在实际运行过程中，FHE 比 MPC 速度更慢。实用 FHE 也是一项 2009 年才出现的相对较新的技术，也是从那时起，它慢慢受到了广泛关注，尤其是来自 Microsoft 或 IBM 等“更大”的参与者。
🔍 详情可见：
Microsoft 使用 FHE 的隐私 AI 训练营
（https://www.youtube.com/playlist?list=PLD7HFcN7LXRef-eTSGt_XOUJLZNoDINUn）
FHE 资源大清单
（https://github.com/jonaschn/awesome-he）
在 Partisia Blockchain 上同样支持 FHE 解决方案的运行。
零知识证明系统（ZKP）
虽然 MPC 和 FHE 允许我们计算任何东西，但零知识证明（ZKP）系统还允许我们计算证明本身。简而言之，ZKP 允许我们计算输出为“真”或“假”的函数。
ZKP 在区块链领域非常受欢迎，主要因为其在“rollups”中的实际效用。用于 rollups 的 ZKP 特殊类型被称为 ZK-SNARK，它是简洁的证明机制——一种大小为某个固定常数的证明，并且验证速度很快，这使得智能合约在区块链上特别有用，因为证明和验证都是在链上进行的。也就是说，ZK rollups 实际上并不使用零知识本身的属性，只利用其证明方案的可靠性（Soundness）和简洁性（Succinctness）来实现数据验证。
可靠性（Soundness）仅仅意味着很难构建一个看似有效的证明。
实际上，ZKP 与 FHE 一样在单个用户和验证者之间运作。当用户有一个秘密，希望在保证隐私性的情况下让验证者相信有关该秘密的真实性时，ZKP 能够在不指定特定验证者的前提下，让任何人都可以检查证明的真伪。具体使用场景如下图所示：
可信执行环境（TEE）
这里要讨论的最后一个隐私计算技术是可信执行环境。可信执行环境（TEE）基本上只是一块被信任做正确事情的硬件。如果我们信任这种特定类型的硬件，那么隐私计算显然是可行的，如下所示。
TEE 作为一种硬件与某些设施供应商紧密相连。通常当我们提及 TEE 时，其背后真正的意思是 Intel’s SGX（https://www.intel.com/content/www/us/en/developer/tools/software-guard-extensions/overview.html）或 ARM TrustZone（https://www.arm.com/technologies/trustzone-for-cortex-m）。比如 SGX 就是 Secret Network（https://docs.scrt.network/secret-network-documentation/overview-ecosystem-and-technology/techstack/privacy-technology/intel-sgx/overview）所使用的 TEE。
与我至今为止所撰写的其他技术相比，TEE 的安全模型因为更加不透明而非常独特。这种不透明性的漏洞已在不同 TEE 产品的升级过程中得到证实，尤其是 SGX（https://sgx.fail/）。
差分隐私 (DP)
差分隐私与以往谈及的技术截然不同，虽然 MPC、TEE 和 FHE 都提供了在隐私数据上计算某些内容的方法，但它们并不真正关心具体内容是什么。例如可以使用 MPC、TEE 和 FHE 来计算恒等函数（尽管没有实际意义），这是因为 MPC、TEE 和 FHE 允许我们计算任何东西，特别是允许我们执行并非真正隐私的计算内容。
🔍 总体来说：
MPC、TEE、FHE：除了输出之外什么都没有透露。
DP：输出并没有透露太多信息。
那么这也意味着差分隐私不与 MPC、TEE 或 FHE 直接“竞争”，而是对它们进行技术补充。
结论
下面附上一张技术比较图，主要显示了 Partisia Blockchain 的 MPC 技术与上述其他技术的差异性。纵然每种技术都有其特定的优势和场景用例，但我们认为在 30 多年的研究和实际试验的结果中，Partisia Blockchain 的 MPC 技术运作确实提供了更为全面的场景适用性，并且没有什么明显的缺点。
往期精彩
Layer1 明星项目 Partisia Blockchain 何以打造互操作、可创新的数字经济网络
隐私与创新的交汇点：Partisia Blockchain 重绘技术蓝图
Layer1 新星 Partisia Blockchain 撑起隐私保护伞，助你无忧加密交易！
Partisia Blockchain 在世界经济论坛：重建信任，打造 MPC 链上托管高级解决方案
从理论到实践，Partisia Blockchain 如何通过 MPC 技术实现隐私与行业共赢？
关于我们
ABOUT US
TinTinLand 是赋能下一代开发者的技术社区，通过聚集、培育、输送开发者到各开放网络，共同定义并构建未来。
点击“阅读原文”进入 TinTinLand 社区空间 Notion 资源库，需科学上网访问
APP 
