Zama (ZAMA)：基于 FHE 实现链上机密计算

公链存在一个根本性的透明度问题——其开放的验证模型使其不适合处理金融资产或个人身份等敏感数据。Zama (ZAMA) 开源项目通过其机密区块链协议解决了这一限制，该协议为Web3添加了可编程的隐私层。该协议使用完全同态加密 (FHE) 来实现机密智能合约，这些合约在加密数据上运行计算，而不会向验证者或公众暴露底层估值。交易输入和状态保持私密，而网络仍然公开验证一切。

开发者可以通过 Zama 的 FHEVM（一个将加密数据类型引入标准智能合约开发的 Solidity 库）来构建机密应用。在后台，多方计算 (MPC) 密钥管理服务 (KMS) 管理加密密钥，而零知识 (ZK) 证明在处理前验证用戶输入。这使得 Zama 能够在现有的 Layer 1 和 Layer 2 链上支持可组合的机密应用，而无需触碰其网络的去信任化验证机制。

主要收获:

• Zama (ZAMA) 是一个针对公链的模块化保密层，通过利用 FHE 加密技术实现机密计算和智能合约。

• Zama 的隐私层具有高度的跨链兼容性，并且可以集成到任何 Layer 1 或 Layer 2 网络中。

• 该平台的原生加密货币 ZAMA 主要用于质押以及支付使用加密计算资源的协议手续费。

什么是 Zama？

Zama (ZAMA) 是一家开源密码学公司，其核心使命是为全球公链生态系统构建模块化的保密层。 Zama 协议并没有推出一个竞争性的独立链，而是运行直接集成到现有去中心化网络中的隐私基础设施。 

通过解决公链上固有的隐私缺乏问题，该公司旨在将 Web3 从完全透明的状态转变为默认保护敏感数据的状态。

Zama 提供的公链机密层利用了 FHE，这是一种支持对完全加密数据进行计算的密码学方法。通过其旗舰工具，如 FHEVM 和 TFHE-rs Rust 库，Zama 赋能了“盲”智能合约的开发。

这些机密智能合约拥有独特的能力，即使在数据完全加密的情况下也能处理和转换数据。这意味着合约逻辑可以执行诸如增加余额或验证身份等功能，而无需网络上的节点运营商或公众看到标的资产的估值。这种方法保留了公链的完整性和可验证性，同时确保了计算过程中的数据机密性。

这种架构结合了用于加密计算的 FHE、用于去中心化密钥管理的 MPC 和用于输入验证的轻量级 ZK 证明——形成了一个可扩展且可公开验证的机密性堆栈。

作为通用隐私层运行，Zama 的协议专为广泛兼容性而设计。它可以集成到任何Layer 1或Layer 2网络，包括Ethereum(ETH)和Solana(SOL)等热门智能合约链。这使得开发者能够将机密功能添加到他们现有的技术栈中，而无需要求用戶迁移到新链。

什么是全同态加密 (FHE)？

FHE 是一种密码学技术，它允许你在加密数据上运行计算，而无需解密它。在传统的密码学中，数据必须转换为明文才能被处理，这是一个重大的安全风险，因为执行工作的服务器或节点可以看到一切。这产生了一个明显的漏洞，因为交易数据在被使用的那一刻就暴露了。

借助 FHE，数据在函数的整个执行过程中保持加密状态。输出是一个加密的估值，只有预期的接收者才能真正读取。这在交易的整个生命周期内保持数据私密，执行计算的实体永远看不到它正在操作的实际价值观。

这种能力正是实现端到端机密性的原因。大多数加密方法只在数据驻留在驱动器上或在网络中移动时保护数据，但在网络上主动处理数据时，它们可能会失效。 

FHE确保数据在计算过程中永远不会暴露。这意味着验证者可以处理交易，而无需查看其中包含的隐私数据。该协议保持可验证性，因为任何人都可以重新运行加密数据的操作以确认结果有效，而无需原始明文。

FHE经常被比作另一种保护隐私的技术：ZK证明。然而，这两种技术服务于不同的目的。ZK技术非常适合在不泄露其背后的数据的情况下证明资产说明是有效的，而FHE旨在实际计算和更改隐藏的数据。这两种技术可以作为互补工具使用，而不是相互排斥的替代品。 

同时，FHE处理加密数据复杂计算的能力使其成为多方与隐私数据交互的机密智能合约的合适选择。

Zama是如何运作的？

Zama作为一个模块化的机密层，旨在与现有的公链网络（如以太坊或Solana）集成。这种架构避免了对专用私域带单网络的需求，并支持完全的可组合性和机密智能合约，这些合约可以在同一环境中与公域带单合约进行交互。

其主要框架是FHEVM，这是一个允许开发者使用标准Solidity编程语言编写机密合约的库。它引入了加密数据类型，允许合约逻辑在保持私域带单的同时处理估值，确保网络节点永远无法访问标的资产数据。这种方法使开发者能够在处理账户预留资产、身份和私域带单投票统计等敏感信息时，保持公域带单账本的安全。

Zama的技术基础依赖于TFHE-rs和Concrete库。TFHE-rs是一个高性能的Rust库，实现了核心的FHE操作，为加密计算提供了必要的原语。同时，Concrete是一个将标准代码转换为FHE就绪指令的编译器。该编译器自动化了复杂的密码学任务，并允许开发者在没有手动创建密码学配置的情况下实现私域带单逻辑。

这些工具确保加密操作保持与传统明文计算相同的功能准确性，从而为非进阶密码学专业开发人员消除了准入门槛。

处理中 Zama 交易涉及利用协处理器和密钥管理服务 (KMS) 的混合模型。因为 FHE 的计算量很大，所以执行被分流到专门的链下协处理器，由其将结果返回主链，从而保持网络扩展性。安全由使用多方计算 (MPC) 的去中心化 KMS 管理。解密密钥被分割到多个节点之间，并需要特定的阈值多数才能授权任何解密或验证。这种分布确保没有单个实体可以访问私人交易数据。

ZAMA 加密货币代币是什么？

Zama 的原生加密货币代币 ZAMA 有两个主要功能——支付协议手续费和质押。

该代币用于支付协议手续费（称为私域带单gas），尽管这些不是标准的矿工费。相反，它们专门用于支付验证加密输入、执行FHE计算和管理解密的加密成本。这些手续费以美元定价，但以ZAMA代币支付。关键的是，100%的这些手续费将被协议销毁，从而在网络使用率和代币估值之间建立直接联系。

ZAMA代币也用于质押，以保护Zama网络的基础设施。FHE协处理器和KMS节点的运营商必须质押ZAMA才能参与网络并获得奖励。这些奖励通过新的代币发行支付，初始设定为每年5%。

ZAMA是基于以太坊的ERC-20资产，发行总量为110亿。代币的供应量分配份额如下图所示。



Zama 协议现实世界应用

Zama 机密公链协议的潜在应用涵盖多个领域，对于这些领域，保密性是专业或机构采用的先决条件。在金融领域，该协议实现了稳定币和发薪系统的机密支付。通过端到端加密余额和划转金额，用戶可以在以太坊等公共账本上结算交易，而无需暴露其财务详情。 

此功能也扩展到现实世界资产 (RWA) 的代币化。传统机构通常由于保密性和合规性风险而避免使用公链。但是，Zama 实现了股票、债券和衍生品的代币化，同时对投资者身份和交易记录保密。

在去中心化金融 (DeFi) 中，Zama 的技术可能有助于解决公共曝光和掠夺性机器人活动的问题。加密的互换通过在处理之前对内存池隐藏交易详情，从而防止抢跑交易。同时，保密借贷宝和链上信用评分允许参与者人数证明信用价值，而无需透露其组合保证金的全部内容。 

FHE 的额外好处

通过在执行前保持交易详情加密，FHE 也可能有助于减少去中心化交易所 (DEX) 上的抢跑交易。通过防止提前暴露交易意图，它可以提高执行的公平性并降低被机器人利用的风险。 

身份和治理也受益于 Zama 的加密数据工具。用戶可以在链上管理去中心化身份和客户数据，其中敏感的个人数据保持加密状态，但在与其他申请交互时仍然具有完整的功能。这种身份抽象的概念允许私域带单的合规检查，借此智能合约可以验证一项领取（例如超过特定年龄），而无需查看用戶的出生证明。

在去中心化治理中，FHE支持在去中心化自治组织（DAO）和组织公链上进行私域带单的投票。选票和个人质押权重保持隐藏，确保只公布最终计票结果，以防止贿赂、勒索或社会压力。

除了这些核心领域，Zama还支持链上公司的运营，以便股权结构表和财务状况保持私域带单，同时仍由智能合约自动执行。

该技术还支持AI数据市场。在这些市场中，用戶可以賣出数据用于模型训练，同时保持源数据加密，确保他们在参与数字经济时保留所有权。

Zama技术的另一个潜在申请领域是链上预测平台。当新的预测受到早期参与者人数的影响时，这些市场往往会被扭曲。当使用Zama时，这些平台可以通过在特定的固定时间间隔公布过去的预测来保护其机密性，从而提高预测过程整体完整性的可靠性。

在哪里買入 ZAMA 加密货币代币

ZAMA 代币在 Bybit 上作为与 Tether (USDT) 的现货交易对以及 USDT 本位永续合约提供。它也可以在 Bybit Alpha 平台上获得，该平台让您可以直接通过您的 Bybit 统一交易账户 (UTA) 在链上进行交易，而无需管理矿工费代币或公链钱包。通过使用您的 UTA 进行全部链上操作，即使您对 DeFi 或公链网络不是很熟悉，您也可以利用去中心化的交易机会。

结语

通过开创跨链机密层，Zama 使 Web3 开发者能够轻松获得可编程的机密性。这创建了将公链应用从小众使用案例推向主流企业采用的巨大潜力。得益于基于 FHE 的 Zama 机密计算模型，大量的机会正在涌现。其中包括机密金融、RWA、链上治理、身份解决方案和 AI 市场——这仅仅是其中几个例子。

Zama 协议不仅提供了一个保护机密性的公链层——它还在为我们经常听说的未来“机密优先”的互联网铺平道路。



#LearnWithBybit