Zama是什么？产品生态、应用场景与未来展望

7月1日，Zama公共测试网正式上线。与此同时，团队还发布了Zama保密区块链协议白皮书以及一份精简版。那么，Zama究竟是什么？它的前景如何？是否值得长期关注？ 区块链隐私技术正迅速成为去中心化世界的关键基础设施，而Zama正处在这一前沿，凭借其创新的全同态加密（FHE）技术，重新定义了数据隐私保护的边界。通过其核心的FHE库“tfhe-rs”，Zama允许用户在不解密数据的情况下进行计算，既保护了隐私又确保了安全。更进一步，它推出的fhEVM将这项技术引入了智能合约领域，开创了隐私保护智能合约的新纪元，让数据在链上流转时仍能保持隐秘。配合Concrete库对同态加密操作进行模拟与优化，Zama构建了一套完整的隐私计算方案，有力地推动了区块链隐私技术的发展。  听说有个叫Zama的新协议，用了“环形FHE”来保护区块链隐私？这东西到底啥来头？ 可以说，你正在挖掘隐私技术领域的一个“圣杯”。我们先从FHE说起。FHE是“全同态加密”的缩写。 通常，要对加密数据（比如链上的数据）进行任何操作，都得先解密。但解密后，数据就暴露了。FHE这种加密魔法，允许你在数据保持加密的状态下，直接对其进行处理和计算。 可以把它想象成科学家用的密封手套箱。你可以把手伸进手套里，处理箱内的敏感材料，而无需让它们暴露在外部空气中。FHE就是这种箱子的数字化版本，专门用来保护数据。 **那么，TFHE里的“环形”部分又是什么意思？** 这就是Zama的独到之处了。“环形”指的是他们用来实现FHE魔法的特定数学结构和路径。你不需要成为数学天才才能理解，只要知道一点：老版本的FHE速度非常慢。慢到对于像区块链这样的现实应用来说，它们基本上不具备实用性。 **TFHE（环形FHE）**是一种特殊类型的FHE，其设计初衷就是更快。这一突破使得隐私技术能够在实时网络上切实落地，而无需耗费大量时间来处理交易。Zama团队正是这种高速FHE技术的先驱。 **那么，Zama如何用它来保护区块链上的隐私呢？** 这才是碘伏性的地方。像以太坊这样的区块链是透明的。每个人都能看到每一笔交易、每个钱&包的余额，以及你在DeFi上所做的一切。 Zama的技术能让你构建出使用加密数据的智能合约。想象一下这些场景： * 你可以在一个DAO里投票，而没有人知道你投给了谁，但智能合约依然能正确统计加密后的选票。 * 你的钱&包余额可能在链上是隐藏的，但你仍然可以向DeFi应用证明你有足够的资金来申请贷款。应用知道你资金充裕，但永远不会看到你的实际余额。 * 游戏里可能隐藏着一些信息。你角色的属性或手中的牌可能是加密存放在链上的，只有在你选择展示时才会显示出来。 Zama本质上是在公共区块链上直接实现了保密性和隐私性，这在以前几乎是不可能的。 **如果这真的这么好用，为什么还没普及到各个角落？** 这就要说到权衡了，其中最大的一个就是：**计算成本**。 尽管TFHE比传统FHE快得多，但它的计算量仍然远高于处理未加密数据。对加密数据进行计算需要耗费更多的电力和时间。Zama乃至整个FHE领域面临的主要挑战，就是如何让它足够高效，以免拖慢区块链速度或让交易费用变得过高。 ## 什么是FHE？ 简单来说，全同态加密算法利用数学上的同态性质，允许在密文状态下对数据进行多种计算，从而保证信息不被泄露。这是一种隐私技术。在Web2领域，它已被应用于医疗信息加密、金融数据隐私、云端数据加密等方面。这一算法最早于1978年被提出，进入21世纪后重新受到关注，多种技术方案优化了对噪音和浮点数的处理，并显著提升了算法性能，真正推动了FHE技术在商业领域的应用。    全同态加密算法具备三大核心特性：完全同态性、数据保密性和计算灵活性。 * **完全同态性**：相比半同态加密，全同态加密允许在加密数据上执行任意的数学运算，包括加法、乘法，甚至更复杂的组合运算，而半同态加密方案只支持某些特定的运算。 * **数据保密性**：全同态加密算法允许对密文进行任意多次的加法和乘法操作，结果仍然保持在密文状态。 * **计算灵活性**：全同态加密算法可以进行多种计算操作，包括加法、乘法、布尔运算等。 这项技术方案在隐私保护方面优势明显，但对于那些需要大规模数据处理和较高计算效率的应用场景，仍有改进空间。 ## 为什么FHE是下一个ZK级别的赛道？ 隐私加密算法从最早的对称加密和非对称加密，逐步演进到更复杂、更安全的多方计算（MPC）、零知识证明（ZK）和全同态加密（FHE）。这一过程伴随着技术的进步和应用场景的演变。随着工业领域对隐私加密的需求日益提高、应用场景日趋丰富，区块链领域对FHE的关注也与日俱增。 就隐私计算而言，MPC和ZK已经在加密货币领域广泛应用。但为何现在人们的目光转向了FHE？与MPC相比，FHE不仅在隐私保护上更为出色，计算灵活性也更强，并且无需多方验证；而与ZK相比，ZK擅长证明某个条件的真实性，而FHE能够对加密数据进行计算，甚至可以在加密数据上训练和推断机器学习模型。几种主流隐私算法各有所长，在不同的应用场景中各展拳脚，共同推动着隐私计算在实际中落地生根。  ## Zama是一家什么样的公司？ Zama成立于2020年，是一家隐私技术公司，团队主要来自欧洲，由30多位博士及密码学专家组成。今年三月，Multicoin Capital与Protocol Labs共同领投了对Zama的7300万美元投资，其他参与机构还包括Metaplanet、Blockchange、VSquared、Stake Capital和Portal Ventures，以及多位知名项目创始人，如Juan Benet（Filecoin）、Ga vin Wood（Polkadot）、Anatoly Yakovenko（Solana）、Julien Bouteloup（StakeDAO）和Tarun Chitra（Gauntlet）。 Zama的核心团队由经验丰富的行业领袖组成。联合创始人兼CEO Rand Hindi，自10岁开始编码，拥有丰富的创业经历和计算机科学、人工智能、生物信息学等多领域高等教育背景。联合创始人兼CTO Pascal Paillier是一位资深的密码学专家，拥有巴黎高科电信的密码学博士学位。 ## Zama的产品生态：从框架到工具的全矩阵  Zama的四大核心产品： * Concrete——开源框架 * Concrete ML——开源机器学习工具 * fhEVM——以太坊上的全同态加密虚拟机 * TFHE-rs——首个开源工具 ### Concrete：FHE专用开源框架 Concrete是一个专为同态加密设计的开源框架，让开发者能够在保证数据隐私的前提下进行计算。它就像一个智能锁匠，能在不打开锁的情况下操作锁内的机制——你可以处理数据，但数据始终是加密状态。Concrete为开发者提供了工具和基础设施，简化了在同态加密环境下编写代码的过程。这意味着即便不精通加密技术的开发者，也能利用Concrete进行高效的加密计算开发。此外，Concrete通过模拟与分析工具，帮助开发者了解其同态加密程序的执行性能，就像一个动态调校的发动机，确保应用能以最佳性能运转，同时减少计算资源消耗。 Concrete的核心价值在于它将同态加密这种复杂而高效的加密技术变得更易用。通过Concrete，开发者可以在不泄露任何敏感信息的情况下，对加密数据进行数学运算和处理。这种能力在数据隐私和安全性要求极高的领域（如金融、医疗）尤为重要。 ### Concrete ML：易用的机器学习工具 Concrete ML以易用性为核心，提供了与常用框架相似的API，开发者可以像使用熟悉的工具一样，选择通过FHE在加密数据上执行推理或训练任务。它的模型接口与scikit-learn的模型非常相似，并且还支持将PyTorch的模型转化为FHE模型。通过FHE，Concrete ML为机器学习打开了在多个隐私敏感领域的新应用大门，例如数据协作和隐私合规等方面。 具体来说，它在内置模型和自定义模型上都尽可能为开发者提供便利： * **内置模型**：提供与scikit-learn和XGBoost类似的即用型FHE友好模型，可以快速上手。 * **自定义模型**：支持量化感知训练的模型，用户可通过PyTorch或Keras/TensorFlow进行开发，并通过ONNX导入Concrete ML。 ### fhEVM：开发者友好的基础设施 fhEVM通过全同态加密让以太坊虚拟机（EVM）上实现了真正保密的智能合约。得益于FHE的技术突破，Zama的fhEVM实现了在兼容现有dApps的基础上，在加密数据上运行智能合约，确保了两大核心特性：交易和状态的全程加密——交易中的数据从头到尾都保持加密状态，确保无人能窥探；链上组合性与数据可用性——合约状态在每次更新时依然是加密的，确保了隐私性。 在功能上，fhEVM引入了TFHE solidity库，使得开发者可以使用现有的Solidity工具链无缝开发。常见的运算符在加密状态下依然可用，智能合约能够在加密状态下执行条件检查，尽可能做到了对以太坊开发者友好。在加密和解密设计方面，开发者只需使用euint数据类型来标记合约中的保密部分，加密状态的访问控制逻辑可由开发者自定义；fhEVM支持多种解密选项，如阈值解密、集中化解密或KMS解密，操作比较灵活。 ### TFHE-rs：并行化解决方案提高运算性能 TFHE-rs是一个专门用Rust语言编写的库，能够在加密数据上执行布尔和整数运算，实现了TFHE技术的功能。TFHE-rs的优势之一是其丰富的接口：提供了Rust API、C API和适用于客户端的WASM API。同时，TFHE-rs提供了高度模块化的设计，就像一套灵活的乐高积木，开发者可以根据自己的需求自由组合不同的功能模块，打造适合自身业务的加密计算解决方案。这使得它可以应用于从简单计算到复杂系统的各类场景。 在性能方面，TFHE-rs采用了一种基于位级别的加密操作，能够非常细粒度地处理数据。相比于处理整个数据块的加密系统，位级操作在执行同态运算时具有更高的灵活性和效率。它允许对每一位加密数据进行独立的操作，减少了不必要的计算负担。这种操作方式尤其适用于逻辑门运算（如AND、OR、XOR等），大大提升了加密计算的速度。 最具创新性的是，TFHE-rs通过多线程并行处理和Bootstrapping并行化，显著提升了同态加密运算的性能。它将Bootstrapping的不同阶段拆分为多个可以并行计算的部分，例如处理多个加密位或批量操作多个密文。通过并行化，Bootstrapping操作可以在多个处理器核心上同时进行，从而大幅缩短单个Bootstrapping的执行时间。 ## Zama的五大应用场景 基于fhEVM，Zama给出了五个颇具前景的链上隐私应用场景：链上隐私保护的合约交易、去中心化的隐私暗池、DAO治理、链上盲拍和链上游戏。 ### 链上交易 在DeFi领域，数据隐私与安全性始终是核心关注点。金融合约通常涉及敏感信息，如金额、利率、还款计划等，这些信息在链上完全公开透明将导致用户隐私泄露。Zama通过将智能合约在fhEVM上执行，整个合约逻辑可以在数据加密的状态下进行。这意味着金融机构或链上的其他节点无法直接查看合约内容，但合约的执行依然能够得到验证。例如，一个贷款合约可以以加密形式保存用户的贷款金额、还款周期、利率等参数，整个计算过程也在加密状态下进行，从而实现“隐私保护的合约执行”。即使其他节点验证了合约的执行，也无法看到其中的具体交易内容。具体的使用场景包括期权合约、掉期合约等复杂金融衍生品的结算，以及链上借贷等。 ### 去中心化隐私暗池 暗池是金融市场中的一种私密交易平台，允许大额交易在不公开显示的情况下执行，避免因公开订单引发市场波动。暗池中的隐私需求不仅包括身份隐私，还包括订单内容隐私和交易过程隐私。在传统暗池中，订单匹配机制依赖于中央平台或可信第三方，这意味着平台有可能访问订单信息，带来隐私风险。 TFHE-rs支持对加密数据进行运算，暗池可以利用这一点，对加密的买卖订单进行匹配处理，而不需要解密订单的价格、数量等细节。交易平台可以加密处理用户的买卖意图，并在隐私状态下找到匹配的订单。这些订单可以在加密状态下验证价格、数量是否符合交易条件，同时保持这些数据的加密状态。 ### DAO治理 DAO治理中涉及的隐私问题包括投票者的隐私和DAO金库的隐私。DAO的投票机制通常会暴露每个投票者的偏好或立场，在某些情况下可能导致投票行为被操纵或受到不当影响，比如持有治理代币更多的人通常在投票过程中影响力更大，可能产生威权偏见，从而影响结果。DAO治理中的合约通常涉及财务支出、项目分配等敏感信息，DAO应该在保证透明性的同时，避免透露各项目的资金数额或接受方身份。 Zama给出的解决方案是：每个DAO成员的投票数据都可以加密处理，而计票合约则在不解密投票数据的情况下，执行投票统计和结果计算。最终，投票结果可以公开，而投票过程保持隐私。通过同态加密，投票者的投票可以被验证是否有效（如是否符合投票资格），但不需要公开其投票内容。 ### 链上盲拍 链上盲拍是一种拍卖机制，参与者提交的竞标出价在拍卖结束前不会被公开。到目前为止，大多数开发者会选择零知识证明和“两步法”来解决盲拍的隐私问题。但对零知识证明方法而言，数据存储在链外，这会带来新的加密问题。 Zama通过全同态加密改进了盲拍，使得可以在链上处理加密的竞拍数据，而无需公开出价。传统盲拍通常需要在拍卖结束后公开出价，而Zama的方案允许拍卖直接对加密数据进行计算，保证整个过程中的隐私性。在技术上，Zama通过同态比较、条件更新和安全结算来消除公开出价的需求。它可以实现在不解密的情况下进行出价比较，使用类似加密多路复用器的方法，根据加密条件选择最高出价并更新结果，从而安全地处理出价详情而不暴露任何敏感信息。拍卖结束后，只有竞得者可以通过安全解密机制领取奖品，验证自己是否为最高出价者，同时不会泄露其他人的出价信息。 ### 链上游戏 Zama通过其平台fhEVM引入了一种利用全同态加密改进链上游戏的方法。他们在官网展示了如何在区块链上构建流行游戏“Wordle”的加密版本。Zama实现了游戏状态和输入保持加密，同时仍能让智能合约进行验证。这意味着敏感的游戏数据可以保持私密，防止未经授权的访问或篡改，即使这些数据在链上被处理。这使得链上游戏能在不牺牲区块链透明度或功能性的前提下，变得更加私密和可扩展。 ## 介绍 Zama 机密区块链协议 问问任何熟悉区块链的人，这项技术的最大缺点是什么？虽然具体的答案可能各不相同，但安全和隐私问题几乎总是位居前列，并且常常伴随着关于速度和相关监管的讨论。 那么，如果不能完全信任区块链，为什么还要使用它呢？毕竟，在这项技术出现之前，你早已在缺乏区块链的情况下管理财务、治理等事务很长一段时间了。如今，用户、消费者以及公司和组织越来越需要获得足够的保障，确保他们所需的服务能够安全地提供——这一点无疑已经发生了变化。 ### 透明度与保密性？ 区块链网络本质上是透明的，链上所有内容公开这一事实被广泛认为是积极的，尤其是在验证交易方面。当然，其缺点是所有关于交易的关键信息也都公开了，包括你不愿透露的数据。这正是困扰区块链技术更广泛应用的持续困境：保持交易的私密性会阻碍可验证性，但如果无法验证交易，缺乏透明度又会让用户面临令人不安的局面。 在构建去中心化应用程序（dApps）时，透明度和保密性之间的界限变得更加模糊。如今，所有交易细节（包括余额、转账金额和合约状态）都在链上公开可见。这使得区块链无法用于许多需要隐私的机构和消费者应用程序，而隐私正是金融领域的标准。 缺乏保密性是DApp大规模应用的一大障碍，而DApp正是区块链的下一个关键前沿。过去几年，人们高度重视构建稳定的基础设施。现在，是时候在这些基础设施之上构建应用程序，充分发挥区块链的潜力了。释放这一潜力的关键在于找到一个兼顾两者优势的解决方案，将讨论的焦点从“透明性 VS 保密性”转变为“透明性 + 保密性”，就像Web从HTTP迁移到HTTPS时那样。 ### 解决困境：Zama 机密区块链协议 透明度虽然是达成共识的基础，但却是以牺牲隐私为代价的。为了克服这个问题，Zama团队在过去几年里一直孜孜不倦地努力。Zama是一家致力于为区块链构建先进全同态加密（FHE）解决方案的开源密码学公司。长期以来，该公司一直将全同态加密（FHE）——一种无需解密即可处理数据的技术——视为一项突破性技术，它将改变用户、企业和组织对隐私的看法。 从一开始，区块链似乎就是深入研究和开发FHE全部潜力的完美环境。这是一项漫长而复杂的探索，最终以Zama机密区块链协议的推出而告终。 Zama协议解决了链上透明度与保密性之间长期存在的矛盾。该协议结合了FHE协处理器、阈值多方计算（MPC）和零知识证明（ZKP），能够在公共环境中实现隐私计算。 这是迄今为止最完整的保密协议，允许开发人员使用Solidity等熟悉的工具编写完全保密的智能合约，而无需修改底层区块链。它提供了几个关键元素： * **交易输入和状态的端到端加密** * **机密合约之间以及与非机密合约之间的可组合性** * **可编程隐私**：通过智能合约定义谁可以解密什么，从而轻松构建符合全球法规的dApp 正如Zama协议精简版白皮书所述，该协议引入了一个新颖的跨链保密层，可在现有区块链上运行。凭借这些特性，Zama协议使保密智能合约能够在任何Layer 1或Layer 2网络上无缝运行，从而在不改变底层基础设施的情况下扩展隐私保障。 ### 超越 FHE Zama协议充分利用了直接对加密数据进行安全计算的能力。正因如此，尽管速度缓慢且易用性受限，FHE长期以来一直被认为是密码学的“圣杯”。也正是为此，Zama团队致力于开发一种能够支持任何类型应用程序的技术，使用Solidity和Python等常见编程语言，同时速度比几年前快100倍以上。 为了创建一个碘伏性的综合协议，满足交付完全保密区块链的所有要求，团队突破了FHE的常规框架。作为支持该协议的主要组件，Zama的库FHEVM使得在加密数据上运行保密智能合约成为可能。将其与MPC相结合以确保安全协作，与ZK相结合以确保可验证性——Zama致力于克服每个单独解决方案的主要缺陷。 ### 解锁新的可能性 Zama致力于该项目的主要动机之一，是区块链中对隐私保护原语日益增长的需求。尽管人们对从保密代币到稳定币、从私密DeFi到隐私保护身份和合规性等解决方案的兴趣日益浓厚，但如果没有保密性保障，这些解决方案目前都无法安全地部署在公链上。 * **金融与银&行**：安全的交易处理、风险建模和机密的链上支付，使区块链技术适用于金融机构。 * **机密 DeFi**：完全保护用户数据的私人智能合约和dApps应用程序。 * **FHE 国家操作系统和网络国家**：为链上社区和网络国家提供强大的保密性，在保护敏感信息的同时支持民主治理。 * **端到端加密交易和状态**：交易中的所有数据都经过加密，绝不会泄露，确保完全保密。 * **链上可组合性和数据可用性**：智能合约状态不断更新，同时保持完全加密，既保留了可组合性，又保留了隐私性。 由于这种方法，Zama协议的采用者可以不受限制地享受不同技术的所有优势：可验证性、去中心化、可扩展性、可组合性、安全性，以及至关重要的——开发人员易用性。 为了引领其协议革新链上隐私，Zama推出了一个公共测试网，为开发者提供构建隐私保护去中心化应用程序的现成基础。这将允许任何人部署和测试他们的隐私dApp，同时也使运营商能够协调并熟悉操作。 ## 未来展望 隐私交易将成为继解决扩容问题之后的下一个重要趋势。如今，扩容的核心问题已经不再是基础设施技术本身，反而是一些推动大规模应用的关键条件——比如监管、市场接受度——仍然不够成熟。而隐私交易通过技术基础设施的优化，进一步细分了用户群体、交易方式以及应用场景，这在某种程度上可能会像零知识证明技术那样，得到广泛应用。 未来，在FHE技术的支持下，去中心化交易所和中心化交易所之间的体验差距将大大缩小。链上游戏也可以借助隐私技术解决随机数带来的安全隐患。虽然这个领域的潜力巨大，但性能限制依然明显。要满足大量高频交易的场景，还需要相当长的路要走。