AI产业链地图·知识库 同态加密 · 概念
🚧 网站建设中 更新 2026·08·05 → 产业链图谱
首页/概念/同态加密
第三层 · 更新 2026·08·05
概念 技术 / 术语

同态加密

Homomorphic Encryption · HE · 全同态加密 · FHE · Fully Homomorphic Encryption

同态加密是一种允许在密文上直接进行计算,结果解密后等同于明文计算的加密技术。Craig Gentry 在 2009 年提出全同态加密(FHE)理论方案,是密码学领域里程碑

同态加密 CONCEPT · 概念
首次提出
2009
归属层
第三层 · AI 基础设施
关键参与方
IBM · Microsoft · Google · Duality Technologies
反向引用
2 处 · 来自 2

同态加密(Homomorphic Encryption,HE)

定义

不解密就能算 — 数据全程加密,云端拿到的是加密数据,计算后返回加密结果,只有客户能解密。

同态加密的种类

类型 支持运算 性能
PHE(部分同态) 加法或乘法之一 实用,如 RSA、Paillier
SHE(有限层级同态) 有限次加法乘法 中等
FHE(全同态) 任意次加法乘法(图灵完备) 慢 10^3-10^6 倍

同态加密 vs 机密计算

维度 同态加密 机密计算
信任根 数学 硬件
性能 极慢 几乎无损耗
量子安全 多数方案后量子
成熟度 实验/小众 已商业化

关键玩家

  • 国际IBM(HElib)/ Microsoft SEAL / Google Private Join and Compute / Duality Technologies / Zama(fhEVM)
  • 中国阿里巴巴(达摩院隐私计算)/ 微众银行 / 蚂蚁集团 / 翼方健数 / 矩阵元

应用场景

  1. 隐私 AI 推理 — 加密的输入送到加密的模型,输出加密结果
  2. 跨机构数据分析 — 多方加密数据联合统计
  3. 保密数据库查询 — 用户查询时连查什么都不告诉数据库

局限

  • 性能瓶颈 — FHE 计算开销 10^3-10^6 倍,仅适合特定场景
  • 不适合大模型 — LLM 训练用 FHE 几乎不可行
  • 在 AI 基础设施安全中是长期方向,短期 机密计算 更实用(据投行内部研究

关联

关联机密计算 联邦学习

所属子板块AI基础设施安全
正文双链:子行业公司概念