全同态加密在医疗、金融等方面的应用场景介绍

全同态加密在医疗、金融等方面有很多的应用场景，在此，列举几个目前研究比较热门的应用场景。安全多方计算安全多方计算是密码学的基础之一，也是大数据时代实现隐私保护的重要技术支撑。安全多方计算使得每个用户通过运行协议能够计算一个共同协商的函数，保证除了函数的输出结果以外，用户不泄露任何其他的隐私信息。同态加密技术为构造安全多方计算协议提供了新的思路，相比于传统方法，利用同态加密能够实现通信效率更高的安全多方计算协议。比如，利用多密钥同态加密，每个用户都可以独立用自己的公钥加密自己的隐私数据，得到相对于自己公钥的密文，然后任意N个用户都可以同态地计算定义在这N个用户隐私数据上的函数f，并最终通过运行一个多方的解密协议得到最终的计算结果。该方法的优点是通信代价只与多方解密函数的复杂度有关，而与需要计算的功能函数f的复杂度无关。

机器学习机器学习是人工智能的一类重要分支，它模拟或实现人类的学习行为，以获取新的知识或技能，同时不断改善自身的性能。然而，随着机器学习热度的不断提升，安全问题显得尤为突出。例如医疗数据、金融数据会包含用户的敏感信息用机器学习方法处理这些数据时，隐私和安全成为我们最关心的问题。同态加密使得这个问题迎刃而解，在对数据集进行训练时，可先对数据加密处理则可在保持数据样本隐私安全的前提下对数据进行学习。研究人员现在已成功实现同态训练线性回归模型与逻辑回归模型，目前正致力于同态地训练更加复杂的其他机器学习模型。

区块链近几年区块链平台大量涌现，伴随着智能合约功能的逐渐丰富与用户数量的持续增加，区块链需要存储和传输的数据越来越多。但是到目前为止，大部分区块链平台上的数据都是对全网公开的，缺乏有效的隐私保护方案。在一些公有链和联盟链中，可能会涉及相关企业的关键性隐私数据，从而需要利用加密处理来保护隐私性。同态加密技术同样可以解决区块链上互不信任的参与方之间进行互操作的信息安全问题，即同态加密技术将区块链中发布的数据内容和交互数据、数据状态属性等进行加密，从而在保证数据安全的同时完成对数据的操作。