跳转到内容
Jason's Study

Gentry FHE — 全同态加密开山

是什么

Fully Homomorphic Encryption (FHE) 允许在密文上直接做任意计算，解密结果等同对明文计算。Craig Gentry 2009 博士论文首次构造可行 FHE（基于理想格与 bootstrapping 刷新噪声），打破「只能同态加法」旧局限。后续 brakerski-bgv-2012、fan-vercauteren-bfv-2012、cheon-ckks-2017 等方案降低 bootstrapping 依赖，但 Gentry 仍是概念与可行性证明的母本。

日常类比：把作业锁进保险箱（加密），老师在不打开锁的情况下改箱内草稿（同态运算），最后你用钥匙打开看到批改结果——中间没人看过原文。

为什么重要

「加密数据上算 AI」叙事的理论起点：

  • 私有推理、密封拍卖、隐私 SQL 都引用 FHE 可能性
  • 与 DP 对照：DP 发布噪声统计；FHE 对密文精确算（代价是算力）
  • 供应链：Microsoft SEAL、OpenFHE、Zama 等库谱系可追溯到 Gentry 后方案
  • 理解 bootstrapping：噪声累积为何曾使 FHE「不可用」

核心要点

  1. Somewhat homomorphic：支持有限深度电路，噪声会爆。

  2. Bootstrapping：同态评估解密电路，「刷新」密文噪声，实现 universal。

  3. 理想格假设：安全性归约到格问题；与 regev-lwe-2005 血脉相连。

  4. 性能：早期完全不可商用；BGV/BFV/CKKS 走实用路线。

  5. 非万能隐私：元数据、访问模式仍泄露；FHE 只护数据内容。

实践案例

案例 1：概念电路

加密 bit a,b → 同态 AND → 解密得 a∧b；教学理解「电路深度」。

案例 2：SEAL BFV 整数加乘

用 OpenFHE/SEAL 示例跑小多项式求值，感受密文大小与噪声。

案例 3：与 DP 私有推理对比

同线性模型：FHE 精确但慢；DP 噪声快但近似。

案例 4：读方案演进链

Gentry → BGV/BFV（整数）→ CKKS（近似浮点 ML 推理）。

案例 5：与双千 atlas 交叉阅读

写完本篇后，在 projects-atlas / papers-atlas 中打开同子类邻居各 1 篇，对比「实践案例」段是否覆盖：安装、最小命令、排障三条。缺一则补进你自己的实验笔记（不必改站正文）。

踩过的坑

  1. 以为 FHE 已默认生产 ML：大模型 FHE 推理仍极慢/在研究。

  2. 混淆 HE 等级：部分同态 vs 全同态 vs bootstrapping-free。

  3. 忽略密钥管理：谁持密钥、轮换、侧信道另题。

  4. 电路深度：每层乘法门噪声涨；需 bootstrapping 或 leveled scheme。

  5. 与 ZK 混淆：FHE 不算证明计算正确；SNARK 另族（ben-sasson-stark-2018）。

  6. 行数与模板：交付前用 quality-gate 扫一遍，避免关联链到未写 slug。

适用 vs 不适用场景

适用：

  • 学习同态加密可行性证明
  • 极小数据高敏精确计算 POC
  • 选型读 SEAL/OpenFHE 文档前的历史课

不适用：

  • 常规云端训练（用 DP/TEE/联邦）
  • 低延迟在线服务
  • 只需聚合统计（DP 足够）

历史小故事（可跳过）

  • 2009：Gentry STOC/博士论文震惊密码界。
  • 2011–2014：BGV/BFV 等减轻 bootstrapping。
  • 2017：CKKS 打开近似 ML 推理。
  • 2024+：FHE 初创（Zama 等）推私有 LLM 推理实验。

学到什么

  • FHE 核心是噪声管理 + bootstrapping 思想。
  • 理论可行与工程可用隔了十年方案优化。
  • 隐私技术菜单：DP、MPC、FHE、TEE 各管一段。
  • 读 Gentry 懂后续 BGV/CKKS 文档在解决什么痛点。
  • 大模型时代 FHE 仍是「贵但精确」选项。
  • 复习时可对照 atlas 枢纽与 written.txt 邻居 slug，检查双向链接是否闭环。
  • 动手跑通一个最小示例，比只读 README 更能记住参数含义与失败模式。
  • 把本文档当「面试前 10 分钟速览卡」：是什么 → 为什么 → 一个命令/实验。
  • 教别人时用「日常类比 + 一条命令」结构，反馈最好；复杂架构图留给二读。
  • 若关联 slug 尚未落站，先用纯文本记名，sync-written 后再改成 [[wikilink]]。

延伸阅读

关联

维护备注

  • 与专题路线图对照：确认 frontmatter 分类/子分类 与 research 表一致，避免 atlas 统计漂移。

  • 代码块尽量可拷贝运行；路径用占位符 /path/to 标注，避免泄露本机目录。

  • 写关联时优先已存在于 data/written.txt 的 slug，减少幽灵链接。

  • 若从 worktree cherry-pick 合并，合并后再跑一次 npm run atlas 刷新反向链接。

  • 本篇目标行数 150–200，与 study v3 quality-gate 对齐；扩写时优先加「实践案例」与「踩过的坑」，少堆外链。

  • 若 pipeline 复审要求 refine，只改被点名的 H2 段，避免整篇重写导致关联漂移。

反向链接