长推：隐私交易或成交易扩容问题之后下一个精细化趋势赛道

注：原文来自@tmel0211发布长推。

听了Epicenter播客对 @zama_fhe CEO的采访，再次焦虑脑容量不足了。简单来说，FHE是比ZKP零知识证明更为高级的加密技术，可以在更大范围内，比如云存储，基因预测，生物识别，Crypto隐私交易等方面都实现数据隐私传输。恰好最近VC对FHE也特别关注，简单谈谈我的理解：

1）FHE全称为（Fully homomophic Encryption）全同态加密，允许人们对特定形式加密数据进行运算，而不必解密暴露数据隐私。它是在互联网更宏大范畴下的技术概念，已经由来许久，最近被Crypto领域关注主要是由于Fhenix Network把FHE功能整合进了以太坊中，推出了fhEVM方案。任一开发者可以将FHE功能以pre-compile binary的形式加入到交易流中。

2）这会释放哪些想象空间呢？比如，游戏场景，玩家手上的卡牌可以在不暴露的前提下，平台可以对其展开运算推动游戏进行，促进这类游戏的“公平性”；DAO投票场景，巨鲸参与治理投票可以不暴露自己的投票数量，但不影响协议输出投票结果；

隐私交易场景，用户可以向mempool传入完全加密的交易，可以不暴露自己的交易amount等隐私信息；监管合规场景，goverment可以监控涉及资金境外流向的交易，在不查看合法交易的前提下，把涉及黑名单地址的资产扣除，等等。想象空间比ZKP大了一个梯级；

3）FHE和ZKP有啥区别呢？简单理解，ZKP解决了数据加密状态下的一致性传输问题，提交数据方在隐藏具体数据前提下可以向接收数据方证明数据的真实性，这是一种点对点的加密方案，尤其是轻量化的zk-SNARKS在layer2 Rollup中得到了广泛应用；

而FHE则是要解决加密数据传输状态下的再运算问题，这是一种多对多的更广泛加密方案。之所以还没那么普及，在于过程中会消耗大量的算力且效率低下。

4）ZAMA公司建立了fhEVM解决方案，可以让FHE应用到区块链领域，Phenix network则以类似SDK嵌入整合的方式，把FHE模块化成一个预编译处理过程加入到更多区块链路中，但目前更适合于OP-rollup，甚至还可以设置管道，只针对特别的交易进行FHE功能加载。

这意味着，用户在layer2上可以选择是否经FHE发起交易来保护自己的隐私，相比nature交易会费用高一点，但却多了安全隐私性。这势必会吸引一些MM做市商以及对隐私交易注重的机构用户。需求和场景已经通了，关键就在于效率和性能以及费用的综合tradeoff了。

关于【长推：隐私交易或成交易扩容问题之后下一个精细化趋势赛道】的延伸阅读

• Bankless：为什么人工智能需要加密货币的价值观？

  人工智能发展迅速，加密货币可以解决人类面临的挑战，建立更公平、安全、开放的未来，打破科技巨头的控制。去中心化的人工智能范式使计算和研究无需许可，让人工智能成为每个人的工具。加密货币为开源人工智能提供新的盈利方式，保护用户数据隐私。合成数据是解决训练数据不足问题的新方法，加密货币通过众包工作激励其创建。AI项目构建合成数据工具，允许用户贡献数据并获得SAI代币，加快训练速度，保护数据隐私。加密货币提供了缺失的信任和透明的开源基础，改善人工智能行业。现在是时候使用加密货币，让我们知道你的想法！

• 傻傻分不清？BTC地址类型全解

  Coinmanlabs的Paul介绍了BTC地址类型的背景和原因，旨在提高隐私和安全性，同时保持交易数据的紧凑性。P2PKH和P2SH是最常见的，Bech32和主根地址则是最新的格式，具有更高的错误检测能力和更高级的功能。现代钱包采用HD Wallet技术来管理地址，通过备份种子可以轻松备份和恢复整个钱包，提高隐私保护，支持分层结构管理多个账户或用途的资金。HD Wallet技术提供了更好的用户体验、安全性和隐私保护。

我个人认为，隐私交易会是一个交易扩容问题之后下一个精细化趋势赛道。

目前扩容问题的核心已然不是infra技术了，反倒监管、市场等Mass Adoption等必要条件有所欠缺，而隐私交易则是通过技术infra优化，进一步细分了用户、交易以及使用场景，某种程度上会有类似ZKP技术一样广泛的应用。

我们可以想象FHE技术加持下，DEX和CEX的交易体验gap被降低，一些layer3的隐私应用链能有更闭环安全的交易体验，一些游戏能够解决链上随机存在的安全问题，甚至监管也能更合规且不过度干涉的形式介入。

想象空间足够大，只是现在TPS确实很低，每秒2-5笔TXS的水平勉强可以接近EVM主网水平吧，想要达到rollup万级的交易处理容量，还需要很长的路要走。

Note：我主要从Crypto角度谈了一些见解，FHE的应用场景在互联网、AI领域也有很大应用场景，感兴趣的朋友可以进一步研究。

Reference：更多FHE内容，比如MPC和FHE的区别，以及Fhenix的运行机制等内容，可参考 web3caff的系统研报：

https://research.web3caff.com/zh/archives/12848?ref=743

免责声明：本文仅代表作者个人观点，不代表链观CHAINLOOK立场，不承担法律责任。文章及观点也不构成投资意见。请用户理性看待市场风险，以及遵守所在国家和地区的相关法律法规。
图文来源：@tmel0211，如有侵权请联系删除。转载或引用请注明文章出处！

标签：隐私