现代加密方法已嵌入无数的数字系统和组件中，成为保护数据安全性和隐私性的必要工具。

但是现在，密码学的最大局限性在于，当需要对敏感数据进行处理和分析时，必须对其进行解密。

但是，医疗，法律，制造商，金融和在线选举等许多领域都需要进行数据分析和处理。

如果不使用加密密钥就可以直接分析数据，则可以在达到目标的同时实现目标。

它还可以确保数据隐私。

这引起了同态加密的概念。

同态加密使用基于晶格加密的算法来隐藏输入值，中值和输出值，甚至函数本身也可以由没有密钥的任何人来计算。

换句话说，同态加密可以直接用于加密数据。

尽管完全同态加密（FHE）才诞生十多年，但由于其强大的计算能力和更好的算法，仍可以实现完全同态加密。

绕过同态加密解密的想法可以追溯到1978年。

当时，几位麻省理工学院的研究人员设计了一个框架，可以在加密下执行单个数学计算（通常是乘法或加法）。

这个概念在2009年实现。

CraigGentry在斯坦福大学的博士论文中设计了第一个完全同态的加密机制。

绅士的设计仅仅是个开始。

在过去的十年左右的时间里，随着云计算和物联网的发展，对第三方数据共享的需求增加了，安全风险也增加了。

这进一步促进了同态加密的发展，并催生了一些更强大的同态加密算法。

今天，同态加密圈的参与者包括IBM，微软，美国国防部高级研究计划局以及一些新兴公司。

微软研究院的高级密码学家乔什·贝纳洛（Josh Benaloh）认为，直接在加密数据上进行计算具有很大的好处，因为这种计算方法可以将数据计算外包，并避免了数据泄漏的风险。

同态加密的领域非常广泛。

例如，如果一家公司想证明自己有足够的资源来处理某个项目，或者他们需要将数据提交给外部公司或政府部门进行审核；同态加密可以根据提交的敏感财务信息确定其是否符合要求。

无需提供原始数据。

当与区块链结合时，同态加密可以合并到新的智能合约，工作协议，分配和结算以及其他目前无法实现的事情中。

它允许区块链中的成员更灵活，更安全地共享数据，包括在链中添加或删除成员。

这些好处超出了商业水平。

同态加密还允许个人提交自己的遗传数据以识别自己的危险因素，而无需透露该人的真实身份。

同态加密还支持下一代网络安全功能。

例如，简单的，非交互式的快速加密验证方法可以用于“零知识”处理。

证明代码中没有错误，从而在不显示属性代码的情况下实现了无错误软件的开发。

隐私问题。

同态加密还可以使数据所有者对数据进行更严格，更精细的控制，这意味着数据所有者可以基于数据的用户来允许，拒绝和限制数据访问权限。

。

同态加密技术特别适用于大数据环境，因为大数据环境将需要涉及大量的云计算能力，而且还需要维护数据的私密性。

Gentry说：“云可以处理加密的数据，甚至所使用的功能也都经过了加密-因此，云只知道数据量，而对数据一无所知”。

以Microsoft的ElectionGuard为例。

让公民确认自己的选票是否被计算在内，而又不影响整个投票池的安全性和私密性。

每个投票都经过加密，并分配有唯一的识别码。

票数将被计算在内，但每个人的身份仍将是隐藏和不可见的。

该平台仍处于试验阶段，目标是产生可验证，安全和可审核的投票结果。

另一方面，开源项目MicrosoftSEAL提供了一个代码库，使用户可以直接使用同态加密，而无需开发复杂的数学公式。

该平台可以处理所有加密的实数加法运算和乘法运算，并且可以