TFHE-rs v0.11.0发布：全同态加密库的重大升级

项目背景

TFHE-rs是一个基于Rust语言实现的全同态加密（Fully Homomorphic Encryption，FHE）库，由Zama团队开发。全同态加密是一种允许在加密数据上直接进行计算的加密技术，无需事先解密数据。TFHE-rs提供了从底层加密原语到高级API的完整实现，支持CPU和GPU加速，是隐私保护计算领域的重要工具。

核心升级内容

1. 性能显著提升

本次v0.11.0版本在多个方面带来了显著的性能改进：

CPU性能优化：

• 64位值的移位和旋转操作性能提升28%
• 批量程序引导（PBS）现在只需加载密钥一次即可处理所有密文
• 零知识证明v2版本带来了巨大的性能提升

GPU性能优化：

• 64位加法运算性能提升30%
• 优化了单进位传播性能
• 改进了整数乘法运算（当其中一个输入密文为布尔值时）

2. 新功能引入

字符串加密支持： 新增了strings模块，通过FheAsciiString类型在高级API中支持安全的字符串操作。这使得开发者能够直接在加密的ASCII字符串上执行各种操作，为文本处理类应用提供了更好的支持。

增强的零知识证明： 零知识证明v2版本不仅性能大幅提升，还增加了对椭圆曲线点有效性的验证，提高了安全性。需要注意的是，现在零知识证明只能与专用参数一起使用。

调试工具： 新增了noise-asserts调试功能，允许开发者验证短整数噪声级别是否符合用户提供的最大噪声限制，这对于调试和验证加密操作的正确性非常有帮助。

安全序列化： LweSecretKey和GlweSecretKey现在支持安全序列化，并提供了safe_serialized_size方法来获取支持安全序列化的实体的序列化大小。

3. GPU功能扩展

GPU支持得到了显著增强：

• 新增绝对值计算功能
• 支持有符号除法运算
• 引入了数组类型支持
• 增加了数组比较和搜索功能
• 修复了多GPU环境下的一些问题

4. 重要修复与改进

CPU方面：

• 修复了混合使用CPU和GPU时CompressedCiphertextListBuilder的问题
• 修正了紧凑公钥加密中的单密文加密问题
• 修复了进位传播和比较操作中的一些边界情况
• 改进了小工具分解的平衡性

GPU方面：

• 修复了压缩相关的问题
• 修正了多LUT情况下的采样提取
• 解决了内存错误和单GPU执行问题
• 改进了多比特PBS的稳定性和性能

兼容性说明

v0.11.0版本引入了一些不兼容的变更，开发者需要注意：

1. 数据结构兼容性：所有版本的GgswCiphertext及其变体、各种密钥结构等与0.10之前版本不兼容。

2. 参数和函数变更：

   • DispersionParameter特性现在返回新类型而非原始f64
   • 默认参数现在使用TUniform参数
   • 一些类型和特性被重命名或弃用

3. 架构特定功能：移除了x86_64-unix等架构特定特性，改为自动检测。

技术影响与应用前景

TFHE-rs v0.11.0的发布标志着全同态加密技术在实用化道路上又迈出了重要一步。性能的提升使得更多实时应用成为可能，而新增的字符串支持和调试工具则大大提高了开发者的生产力。

GPU支持的增强特别值得关注，它为需要高性能计算的应用场景（如大规模数据分析、机器学习推理等）提供了更好的支持。零知识证明性能的提升也为需要验证计算完整性的应用场景（如区块链、安全多方计算等）带来了新的可能性。

随着隐私计算需求的不断增长，TFHE-rs这样的全同态加密库将在医疗数据分析、金融风险评估、隐私保护机器学习等领域发挥越来越重要的作用。v0.11.0版本的发布无疑将进一步推动这些应用的发展。