完整定義
同態加密(Homomorphic Encryption)是一種先進的加密技術,允許在加密的數據上直接執行計算(如加法、乘法),而無需事先解密數據。計算完成後,將加密的結果解密,其結果與在未加密數據上執行相同計算的結果完全一致。這種技術的突破性在於,它解決了雲端運算和數據分析中長期存在的隱私保護挑戰,使得敏感數據可以在不被服務提供者或其他第三方知曉內容的情況下進行處理。同態加密在保護醫療記錄、金融交易、個人基因組數據等隱私敏感資訊的同時,實現數據協作和分析,是隱私計算領域的關鍵技術之一,儘管其計算成本目前仍相對較高。
白話說明
你有沒有想過,資料不先解密,也能讓別人幫你算?
你可以把同態加密想成在密文上直接做運算。
它讓雲端或第三方幫你處理資料時,不需要先看到明文,隱私保護會強很多。
記住這句
資料不解密,也能算。
比喻:想像你把錢放在一個魔法保險箱裡,這個保險箱很特別,你可以在不打開它的情況下,直接在裡面「操作」錢,像是加總或扣除。同態加密就像這個魔法保險箱 -- 你可以對加密的資料直接進行計算,最後得到的結果還是加密的,只有擁有金鑰的人才能看到真實的計算結果。
容易混淆
同態加密 vs 一般加密
一般加密是把資料藏起來
同態加密還允許在密文上運算
最關鍵的區別是能不能直接算
同態加密 vs 差分隱私
同態加密保護的是資料在運算過程中不被看見
差分隱私保護的是輸出不要洩漏個體資訊
最關鍵的區別是過程保密,還是結果保密
實際案例
雲端醫療分析
醫院把加密後的病歷交給雲端做統計,雲端看不到明文,但仍能回傳分析結果。
金融外包計算
銀行把敏感資料交給外部算力平台處理時,同態加密可以降低資料外洩風險。
深入了解
同態加密的代價通常是速度慢、計算重,所以不是每個場景都適合。
它的價值在於高隱私需求,特別是雲端計算和跨機構協作。
情境判斷
Q1: 你要把病人資料丟到第三方雲端算統計,但不能讓對方看到內容,會想到什麼?
同態加密是很典型的候選。
Q2: 你只是想把硬碟裡的資料存起來不被偷看,這就一定需要同態加密嗎?
不一定,單純儲存保護用一般加密就夠了。
常見問題
通常是,這也是它難以普及的主因之一。
理論上有不同級別,但實務上常要看運算複雜度。
聯邦學習是資料留在本地訓練,同態加密是讓別人在看不到明文下計算。
範例考題
某企業希望利用含敏感資訊的資料進行 AI 模型訓練,但政策要求原始資料不得外洩,且資料可集中於安全環境中處理。同時,企業希望在資料使用過程中,即使資料處於加密狀態,仍能完成模型計算。在此需求下,下列哪一種技術最為適合?
- A聯邦學習(Federated Learning)
- B同態加密(Homomorphic Encryption)
- C零知識證明(Zero-knowledge Proof)
- D資料匿名化(Data Anonymization)
正解是 B:同態加密(Homomorphic Encryption)
解析:同態加密允許在加密狀態下直接對資料進行運算,計算結果解密後與明文計算結果一致。這最符合「資料集中處理、加密狀態下完成模型計算」的需求。
出現在這些考古題
官方公告試題的逐題解析裡,有 6 題把同態加密列為延伸術語,這裡列出 5 題。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本