当前位置:首页 > 科研成果库

被骂了十年‘实验室玩具’的同态加密,终于要摸到普通人的手机了?

2026-10-18 19:07:07小研科研成果库8

上周帮做金融风控的朋友改方案,他甩过来一个报价单我直接看愣了——用同态加密跑一笔千万级的信贷数据核验,算力成本居然比去年砍了92%。

真的。

之前我对同态加密的印象,还停留在“理论上完美,实际跑不动”的实验室玩具阶段。说穿了,这玩意的核心逻辑听着就像天方夜谭:你把家里的贵重东西全锁进保险柜,连钥匙都交给快递员,快递员能帮你把东西送到目的地,甚至能在保险柜完全不打开的状态下,帮你把里面的现金数清楚、把发票理整齐,最后算出来的结果,和你自己在家打开保险柜算的一模一样。

之前为啥大家都觉得这玩意是吹牛逼?因为真的太贵太慢了。

之前被吐槽到死的“保险柜算账”,到底卡在哪了

2009年Craig Gentry第一次把全同态加密的方案做出来的时候,整个密码学界都炸了——原来真的能在密文上做任意计算啊!

但是炸完之后大家一算成本,直接凉了。

最早的同态加密方案,每做一次加法或者乘法,密文里就会攒上一点“噪声”,就像你在白纸上写字,写的字越多,纸上的墨点就越杂,杂到一定程度,你就根本认不出来写的啥了。为了不让纸脏得太快,你就得不停停下来,把纸上的杂墨点刮掉,这个过程叫“重线性化”。

这套操作有多费时间?2018年业界做过公开测试,用当时最好的服务器跑一个简单的逻辑回归模型,整整跑了4个小时。要是换明文环境下跑同样的任务,可能4秒都用不了,成本差了快一千倍。

全同态加密噪声累积与重线性化过程示意图全同态加密噪声累积与重线性化过程示意图

我记得2020年参加一个线下的安全行业会,有个做了三十年密码学的老教授在台上吐槽,说每次有媒体来问同态加密什么时候能商用,他永远回答“再给我十年”——因为这个“永远差十年”的梗,已经从他刚工作的时候传到现在了。台下的人哄堂大笑,我在角落记笔记,手都顿了一下。

确实,那几年的同态加密,基本就是个“概念产品”。云厂商推的方案,大多是半同态的——要么只能做加法,要么只能做乘法,根本跑不了复杂的机器学习模型。想拿它处理日常的业务?光算力账单就能把财务看哭。

2024年这波技术突破,真的把成本打下来了

说实话,我之前也觉得,这技术可能真要等个十年八年才能摸到商用的边。结果今年上半年刷到的几篇论文和产业测试数据,直接把我看傻了。

首先是算法层面的优化。之前的方案是每算两步就得做一次重线性化,就像你写两个字就停下来刮一次纸上的墨点,效率能高才怪。现在的优化方案,改成把所有的计算攒够了,一次性做重线性化,一下子把冗余的计算量砍了七成还多。

再就是硬件层面的适配。之前同态加密的计算全靠通用CPU硬扛,那套大整数模乘的操作本来就是CPU最不擅长的,就像让一个跑百米的运动员去举铅球,能跑快才怪。现在Intel把同态加密的核心计算指令直接做到了至强处理器的HEXL加速库里,相当于专门给这套计算开了个快速通道,单核心的性能直接翻了三倍。

带HEXL加速指令的至强处理器同态加密性能对比图带HEXL加速指令的至强处理器同态加密性能对比图

现在的测试数据有多夸张?还是之前那个跑4小时的逻辑回归模型,放在带HEXL加速的新服务器上,跑完整个流程只需要12秒。和明文计算的性能差距,已经从之前的1000倍缩小到了1.8倍。

你可能对这个差距没概念。换成人话讲,之前你要花1000块钱才能办的事,现在只需要1.8块就能办。这成本已经降到金融机构能接受的范围了。

更有意思的是医疗领域的落地。同济和字节的团队去年在Nature子刊发的论文里,用同态加密跨三家医院联合训练肺部影像的AI筛查模型,所有的影像数据都不用出医院本地,全程在密文上完成模型训练,最后训出来的模型准确率,和三家医院把数据凑到一起明文训练的结果只差0.2%。

同态加密医疗影像联合训练流程示意图同态加密医疗影像联合训练流程示意图

之前做跨院AI训练有多麻烦?要过好几轮伦理审查,要给数据脱敏,要把敏感的人脸、患者信息全抹掉,就算这样,还是有很多医院不敢把数据交出去——毕竟真漏了患者隐私,谁都担不起责任。现在用同态加密,根本就没有“数据出域”这回事,大家在密文上凑一起训模型,既合规,效果又好。

别吹得太神,它离普通人的日常还差几步

别吹得太神,它离普通人的日常还差几步别吹得太神,它离普通人的日常还差几步

不过话说回来,现在的同态加密还真没到能吹上天的程度。

我上个月找那个做隐私计算的朋友喝咖啡,他跟我吐槽了好几个现在还没解决的问题。

第一是密文的体积实在太大。一段1KB的普通文字,用同态加密之后,密文能膨胀到100KB以上。你要是拿它传个聊天记录,那流量直接能把你手机套餐跑爆。就这点,就决定了它现在根本不可能直接用到日常的即时通讯里。

第二是精度问题。现在常用的CKKS同态加密方案,为了兼顾性能,会在计算的时候留一点精度误差。算个大概的数值没问题,比如算个用户的信用分,差个零点几分根本不影响结果。但是你要是拿它算证券交易的对账,或者算医保的报销金额,差个一分钱都可能出问题。

还有最现实的,用户的信任问题。之前同态加密被炒了这么多年,很多企业被之前的高价方案坑过,现在一听到“同态加密”四个字,第一反应就是“你们是不是要收我十倍的算力费”。就这信任壁垒,没个三两年的落地案例,根本破不了。

我之前2019年写过一篇关于同态加密的稿子,当时评论区一堆人骂,说我“炒概念”,“这技术十年内都用不起来”。结果今年再翻那篇稿子的评论,有个之前骂得最凶的读者,自己现在在某股份制银行做隐私计算的项目,专门跑过来给我留了个言,说他们已经把同态加密用到跨行转账的反欺诈校验里了,现在跑了三个月,没出过一次数据泄露的问题。

你说有意思不?

很多技术就是这样。刚出来的时候,大家骂它是实验室玩具,骂它成本高,骂它不实用。等它悄悄把成本打下来,把bug修得差不多了,默默跑到你的日常应用里的时候,你甚至都感觉不到它的存在。

就像二十年前你用网银转账,谁能想到现在你刷脸付个钱,背后有那么多密码学技术在帮你守着钱袋子?

同态加密现在走的路,其实和当年的SSL加密、和当年的人脸识别技术一模一样。没人一开始就觉得它能成,直到它真的成了。

哦对,最后补一句。我那个做风控的朋友说,他们现在已经在测,用同态加密跑用户的征信查询,以后用户去银行办贷款,根本不用把自己的完整征信报告交给银行,在密文上算完,银行只需要知道“这个用户的资质够不够放款”就行,连你上个月花了多少钱、在哪花的,银行半毛钱都看不到。

想想还挺爽的。