全同态加密 (FHE) 赛道万字研报：被誉为密码学圣杯的 FHE 能否变革 Web3 隐私赛道？全景式拆解其发展背景、技术原理、生态现状与未来挑战

此前， Fhenix 宣布完成由 Hack VC 领投的 1500 万美元 A 轮融资，使全同态加密 (FHE) 赛道再次进入大众视野。而实际上，自去年 Fhenix 问世以来，该技术于Web3 的落地便如雨后春笋般冒出，并获得不少资本青睐。

早在 24 年3 月，专注于在区块链和 AI 领域开发全同态加密(FHE) 解决方案的开源密码公司 Zama 便获得由 Multicoin Capital 和 Protocol Labs 领投的 7300 万美元融资；两个月后，Vitalik Buterin 于X上分享个人在 2020 年对全同态加密 (FHE) 技术的研究，并表示许多人对该技术充满兴趣；再隔两周，Binance 投资的隐私项目 Mind Network 宣布将和Zama合作推出全同态加密 (FHE) 的 AI 网络。种种迹象表明该领域的生态已开始蓬勃发展，并获得市场的高度关注和重视。

那为什么全同态加密 (FHE) 受到这么多关注？它的优势在哪？如何应用于 Web3 领域？其生态应用落地进展如何？本篇研究报告将带领读者深入探讨其 Web3 的应用场景，并探索生态发展现况，以及目前面临的挑战与未来发展。

作者：Wildon，Web3Caff Research 研究员

封面：Photo by Visax on Unsplash

字数：全文共计 12400+

目录

• 全同态加密 (FHE) 的概述
• 全同态加密 (FHE) 在 Web3 的应用场景
• 全同态加密 (FHE) 生态代表项目
  • 基础设施
    • Zama
    • Sunscreen
    • Fair Math
  • 硬件
  • 公链
    • Fhenix
    • Inco
    • PADO
  • AI
    • Privasea
    • Mind Network
    • BasedAI
    • Sight AI
  • 小结
• 目前面临的挑战
• 未来展望与总结
• 要点结构图
• 参考文献

解锁剩余隐藏硬核内容，即刻订阅会员（3 天无理由退款）