隐私的三元平衡

从实用性角度讲，完美的匿名防护似乎并不经济，不论是基于同态加密还是基于安全计算芯片。有不少团队在两个方向上分别探索，追寻隐私、高效、通用性的三元平衡。2018年大量的行业应用也在这个领域爆发，从目前的技术选型上可以分为加密派和安全计算派。加密派主要基于前面介绍过的同态加密，以零知识证明应用为主，我们简称为ZKP阵营。而安全计算主要基于计算机环境，利用多方计算协议和芯片安全区，我们统称TEE阵营。在介绍具体项目前，我们先对本章节介绍过的知识点做一个简单的总结，ZKP阵营的技术对比如下表：

从zk-SNARKs到zk-STARKs是空间换时间的取舍，虽然都不完美，但都在持续进化。这一方案最大的优点是不挑机器，可以在任何矿工网络运行，以数学来保证隐私。但最大的缺点就是性能不足，目前大规模应用仅限在匿名交易平台，还无法支撑更加复杂的场景。所以在平衡三角里，ZKP阵营选择了隐私+通用性。站在这一阵营的首先有扩展智能合约匿名计算的Origo，迈出了从交易匿名到计算匿名的重要一步。为了达到这个效果，需要将智能合约代码与ZKP系统在编译层进行整合。通过Arithmetic Circuits计算门电路的抽象，将复杂的代码还原到基础计算流程，并在流程里生成对应的同态证明和验证。为此他们对EVM也进行了改造，可以兼容一般代码的执行，和加密执行与验证。这个概念2016年Hawk的论文就以剪刀石头布等为例进行了推演。游戏双方的“出招”作为合约输入，分别同态加密起来防止作弊。智能合约执行的时候，分多次循环匹配可能的结果。通过验证后进行裁决，保证参与多方的匿名性和结果的有效性。

把这个模式进一步推广就是通用数据流的安全计算，热门项目covalent.ai就是2018年成立在这个方向的探索。其中除了尝试完全同态加密(FHE)和零知识证明（zk-STARK版本）外，也包含了可信执行环境（TEE）。一方面他链上第一个应用是医疗数据交易平台medata，利用同态加密来保护交易，用IPFS实现分布式存储，最终想定义去中心化数据交易的标准。另一方面他又有AI的野心，涉及智能算力（运行Caffe RNN这样的深度学习模型），所以基于TEE的沙盒必不可少。这里就会发现，真正大规模算力的应用，是TEE阵营的专长，他们选择了隐私+高效。这个方案的优点不言而喻，在安全环境内，不存在共识和加解密验证的负担，可以最大效率转化芯片的算力。但缺点也很明显，参与贡献的矿工必须使用TEE技术的芯片，而芯片的缓存大小直接限制了安全区的使用效能。

ZKP基于数学基础，大厦建的牢固，暂时没有发现严重漏洞。但TEE作为软硬件结合的芯片环境，构成更为复杂，最近走红以后更是受到大量计算机安全专家的高度关注。后来也确实爆出漏洞，能够通过Spectre Attack盗取SGX enclave安全区的数据。漏洞虽然能够修复，但市场信心遭遇打击。例如PlatON项目团队就不认为TEE足够安全，他们选择聚焦在其他技术的整合。使用基于非交互证明的Verifiable Computing，加上MPC和同态加密，再通过逻辑门电路做并行化和链下执行以提升效率。经过两年研发，他们推出的这套庞大解决方案，也在等待市场的验证。在多元平衡中没有唯一答案，总是有不同解针对不同场景。从大量该类项目看来，传统计算机专业的团队，似乎更加青睐TEE硬件保护或者编译过程保护的方案。除了智能算力章节介绍的Golem平台外，2018年还有多家热门项目发布。其中软硬结合的Oasislabs由UC Berkeley 和 MIT的明星团队打造，初期就融到$45M。为了弥补TEE可能存在的漏洞，他们开源了Keystone安全计算区软件，开放给领域“守门人”检验。同期上海交通大学软件学院夏教授带队的项目TEEX也获得了红杉资本的青睐，在这一领域展开角逐。一个私密又高效的区块链网络，值得期待。