密码学家解决了一个数十年前的隐私难题
同态加密以及私有信息检索、零知识证明等相关技术，承诺可以在加密数据上进行计算，从而让搜索、分析或身份验证等服务无需暴露底层信息。评论者探讨了从医学影像和云数据处理到私密网页搜索和数字现金等潜在应用，同时强调当前方案仍然极其缓慢、资源消耗巨大，并且在大规模上大多不实用。总体看法是，这些是具有重大理论意义的突破，或许能降低对机构信任的依赖，但真正落地还取决于效率的大幅提升以及明确的经济激励。
总体反应
- 许多评论者对同态加密（FHE）和零知识证明（ZKP）感到兴奋，称它们是最有前景的隐私技术之一。
- 也有人持怀疑态度，认为当前方案更偏学术或不实用，开销巨大，现实部署有限。
讨论的示例应用
- 在加密数据上进行云计算：欺诈检测、专有或敏感数据集上的分析、医疗/X 光分析，以及在彼此不信任的情况下进行跨公司协作计算。
- 隐私保护服务：搜索引擎看不到查询内容、类似 Google 的个性化、无需直接访问用户数据的广告竞价、加密文档存储（Drive/Docs）以及服务器端计算。
- 选择性披露：在不透露完整身份证件或余额的情况下证明年龄或资金充足；“21 岁以上”证明；在不暴露原始财务数据的情况下计算税款。
- 机器学习/LLM 用途：在用户加密输入上运行专有模型，使双方都不泄露秘密。
- 小众想法：在本地批改学生笔记本、类似 DRM 的控制、带可审计加密计票的投票系统、对冲基金风格的加密数据集、私密缩略图/图像处理。
技术说明
- FHE 允许直接在密文上进行计算，并返回加密结果；只有持有密钥的人才能解密。
- 为避免侧信道，方案必须表现得像恒定时间：触及所有比特、输出固定大小、不能根据数据分支；这本质上会增加成本。
- 目前的构造通常需要固定电路、有限循环，并且不能通过可变输出大小泄露信息。
性能与可行性
- 若干评论强调了巨大的开销：PB 级预处理数据库、某些操作的速度与最早期计算机相当甚至更慢。
- 引用的基准包括对小整数进行数秒级运算，以及需要多机集群来回答一个私密搜索查询。
- 有人认为这些成本对于少见但高价值的计算仍可能可以接受；也有人说需要新的突破，而不只是工程优化。
经济、信任与采用
- 讨论减少信任是否真是一个有吸引力的经济驱动力，还是合同、监管和现有缓解措施更有效。
- 一些人认为它有望降低合规/风险成本；另一些人则认为，除非信任成本高得离谱，否则 FHE 仍将保持小众。
相关技术与部署
- ZKP 被指出已经在区块链中产生了影响（隐私币、ZK-rollups）。
- 私有信息检索和可信硬件（例如 SGX）被讨论为替代或互补方案，各自都有自己的信任假设和局限。