早前，Intel官方宣布和微軟合作簽下了美國國防高級研究局（DARPA）的同態(tài)加密研究項(xiàng)目。DARPA資助的同態(tài)加密項(xiàng)目全稱是“數(shù)字環(huán)境中的數(shù)據(jù)安全”（data protection in virtual environments），該項(xiàng)目目前總共資助金額預(yù)計(jì)在五千萬美元左右，其中Intel主要負(fù)責(zé)研發(fā)用于同態(tài)加密的加速芯片，和微軟則負(fù)責(zé)將Intel的加速硬件整合進(jìn)其云服務(wù)中，從而打通整個硬件、軟件和應(yīng)用的生態(tài)。Intel官方宣布，這個項(xiàng)目的目標(biāo)是通過加速芯片把同態(tài)加密的硬件執(zhí)行速度提升10000倍以上。

這一新聞顯示了美國整體對于同態(tài)加密這一技術(shù)的重視，國家層面的DARPA以巨資支持同態(tài)加密技術(shù)，而科技巨頭如Intel和微軟則在積極研發(fā)和布局這一市場。本文我們將為大家分析同態(tài)加密技術(shù)的應(yīng)用前景，其中的芯片技術(shù)以及未來可能的芯片市場競爭格局分析。

什么是同態(tài)加密？

同態(tài)加密（Homomorphic Encryption）對于從事芯片行業(yè)的朋友們或許比較陌生，但是相關(guān)理論在密碼學(xué)領(lǐng)域已經(jīng)有了多年的歷史。

我們首先來看一下傳統(tǒng)的加密技術(shù)。在傳統(tǒng)的加密方案中，用戶A將自己的數(shù)據(jù)加密，并將該加密的數(shù)據(jù)通過信道傳輸給授權(quán)用戶B，用戶B使用秘鑰解密用戶A傳給他/她的加密數(shù)據(jù)，以完成整個過程。在這個過程中，除了用戶A和用戶B之外，沒有第三方（包括提供數(shù)據(jù)傳輸服務(wù)的IT服務(wù)提供商）可以使用合法手段解密并看到用戶傳輸?shù)脑紨?shù)據(jù)。

隨著世界各國對于用戶數(shù)據(jù)隱私方面的立法規(guī)范工作逐步展開，用戶數(shù)據(jù)加密得到了越來越多的重視，例如不少APP已經(jīng)提供了端到端加密的信息傳輸，即除了用戶之外即使是APP運(yùn)營商也無法解密看到用戶傳輸信息的明文。然而，用戶信息加密和目前基于大數(shù)據(jù)和人工智能的各種服務(wù)是一對矛盾。舉例來說，目前不少智能攝像頭提供基于人工智能的居家安全監(jiān)測，在人工智能模型檢測到異常情況時會給用戶推送通知。如果用戶數(shù)據(jù)完全加密，那么使用傳統(tǒng)的加密技術(shù)，這種需要使用用戶數(shù)據(jù)的人工智能服務(wù)就無法實(shí)現(xiàn)了，因?yàn)橛脩艏用艿臄?shù)據(jù)第三方是不能合法解密，那么自然也就無法將其視頻送到人工智能模型以檢測異常。

同態(tài)加密技術(shù)則能解決這一對矛盾。使用同態(tài)加密技術(shù)，第三方可以在加密數(shù)據(jù)上直接做運(yùn)算，并且將加密的計(jì)算結(jié)果直接返回給用戶，而用戶則可以通過解密獲得計(jì)算結(jié)果。在這整個過程中，第三方都不會看到加密數(shù)據(jù)的明文，甚至計(jì)算結(jié)果對于第三方來說也是加密的，這樣就解決了大數(shù)據(jù)，人工智能和用戶隱私之間的矛盾。回到之前的人工智能做居家檢測的例子上，從用戶側(cè)來說，雖然居家安全檢測對用戶有價值，但是用戶其實(shí)并不希望把自己家里的視頻監(jiān)控一直上傳到智能攝像頭的服務(wù)器端，因?yàn)榧依锏囊曨l監(jiān)控錄像屬于用戶的隱私。通過同態(tài)加密，用戶可以將加密的視頻（而不是原始視頻）上傳到服務(wù)器端，而在服務(wù)器端人工智能提供商可以以同態(tài)加密的方式在加密視頻上直接跑人工智能算法，并將加密的結(jié)果返回給用戶，用戶只需解密結(jié)果即可。在這個過程中，人工智能服務(wù)商在不看到用戶家庭監(jiān)控原始視頻的情況下仍然能夠完成異常檢測，這樣一來用戶即享受到了人工智能服務(wù)，又不必?fù)?dān)心隱私泄露。

在用戶隱私越來越受到重視的今天，同態(tài)加密技術(shù)在大數(shù)據(jù)和人工智能領(lǐng)域?qū)缪菰絹碓街匾慕巧缥覀兯吹降模酒瑢谕瑧B(tài)加密領(lǐng)域起到核心賦能的作用。

加速芯片是同態(tài)加密的基礎(chǔ)

同態(tài)加密的基礎(chǔ)密碼學(xué)理論目前已經(jīng)足夠成熟，而目前同態(tài)加密具體落地的一大瓶頸就是硬件算力，我們認(rèn)為解決這個瓶頸需要設(shè)計(jì)專用的加速芯片，而這也正對應(yīng)了上周Intel高調(diào)官宣同態(tài)加密加速芯片的消息。

同態(tài)加密需要什么樣的加速芯片？首先，從最底層的運(yùn)算來看，同態(tài)加密運(yùn)算中主要的算子在常規(guī)的乘法和加法之外，還有移位（rotation）和NTT（number theoretic transform，可以認(rèn)為是傅里葉變換的一種推廣，也可以使用快速傅里葉變換算法）。根據(jù)紐約大學(xué)和哈佛大學(xué)在2020年發(fā)表的一項(xiàng)研究中，使用同態(tài)加密的ResNet-50神經(jīng)網(wǎng)絡(luò)計(jì)算中，移位和NTT需要的算力事實(shí)上遠(yuǎn)大于乘法和加法的算力需求，而另一方面，如果需要同態(tài)加密的ResNet-50執(zhí)行速度和未加密的ResNet-50一樣快，則這些算子的執(zhí)行速度需要提升4000-16000倍不等。因此，在算子層面，同態(tài)加密技術(shù)加速芯片首先需要能很好地支持和優(yōu)化移位、NTT等傳統(tǒng)CPU優(yōu)化不夠的算子，同時在另一個角度在執(zhí)行速度方面，則需要能實(shí)現(xiàn)大大超越傳統(tǒng)的CPU，其加速比在10000倍這個數(shù)量級。

此外，在算子層面之外，如果同態(tài)加密需要支持人工智能/神經(jīng)網(wǎng)絡(luò)這類在基礎(chǔ)算法層需要大量計(jì)算且有大量并行計(jì)算機(jī)會的應(yīng)用，則加速芯片需要在算法層也能支持大規(guī)模并行計(jì)算。在這個方面，如何把基礎(chǔ)算法中的并行計(jì)算機(jī)會結(jié)合同態(tài)加密計(jì)算的特點(diǎn)進(jìn)行專門的優(yōu)化將會很大程度上決定整個加速芯片的整體性能，包括并行化優(yōu)化和流水線優(yōu)化等。從另一個角度來看這個問題，則是神經(jīng)網(wǎng)絡(luò)本來已經(jīng)需要非常大的算力，而搭配同態(tài)加密則是對算力的需求又上了幾個數(shù)量級，這也從另一個角度印證了同態(tài)加密+人工智能中加速芯片將扮演極其關(guān)鍵的角色。

最后，如何針對同態(tài)加密加速芯片設(shè)計(jì)一個好的軟件生態(tài)也是一個重要的課題。類似CUDA在人工智能中起到的角色，一個高效率、兼容性好的編譯器和軟件生態(tài)也將是同態(tài)加密硬件能夠普及的關(guān)鍵。目前，微軟的SEAL系列同態(tài)加密軟件生態(tài)得到了大量應(yīng)用，而這次Intel選擇和微軟合作也可以說是強(qiáng)強(qiáng)聯(lián)手，有望在同態(tài)加密軟硬件生態(tài)協(xié)同開發(fā)起重要推動作用。

同態(tài)加密芯片市場格局前瞻

我們認(rèn)為，未來針對同態(tài)加密的芯片市場主要是在云端，同態(tài)加密加速卡將作為服務(wù)器的一部分硬件得到部署。Intel作為服務(wù)器芯片市場的主導(dǎo)者，目前以其在同態(tài)加密領(lǐng)域的布局，未來有可能會成為同態(tài)加密加速芯片的領(lǐng)導(dǎo)者和推動者之一。

除了Intel主推的專用加速芯片方案之外，我們認(rèn)為以Xilinx為代表的FPGA方案在同態(tài)加密加速市場也有機(jī)會。FPGA的主要優(yōu)勢在于其可編程性強(qiáng)，可以靈活適配各種應(yīng)用，其機(jī)會在于將同態(tài)加密和各類長尾應(yīng)用（例如視頻編解碼）等結(jié)合到一起，從而覆蓋專用加速器難以覆蓋的應(yīng)用。

此外，Nvidia也可能加入同態(tài)加密的戰(zhàn)局。同態(tài)加密從宏觀上看很適合GPU的SIMD架構(gòu)，但是目前GPU對于同態(tài)加密中的一些算子支持不夠完善，同時在軟件生態(tài)上也沒有發(fā)力。但是，這些都可以作為新的設(shè)計(jì)特性加到下一代GPU中，從而實(shí)現(xiàn)GPU對于同態(tài)加密計(jì)算的支持。結(jié)合Nvidia本來已經(jīng)在人工智能領(lǐng)域的領(lǐng)導(dǎo)者地位，未來預(yù)計(jì)如果同態(tài)加密+人工智能得到普及的話，Nvidia將會是在這個領(lǐng)域的重要廠商之一。同時，同態(tài)加密+人工智能這對于中國目前如火如荼的GPU初創(chuàng)公司或許也是一個值得探索的領(lǐng)域。

責(zé)任編輯：lq