同態加密計算太慢

❶ 同態加密的同態加密的主要應用

雲計算、電子商務、物聯網、移動代碼等。

❷ 大數據發展的前景怎麼樣

2019年中國大數據產業市場分析：發展進程顯著，四大建議解決五大發展挑戰問題

我國大數據產業發展得如何?未來發展存在哪些機遇和挑戰?

隨著信息技術和人類生產生活交匯融合，全球數據呈現爆發增長、海量集聚的特點。無論是國家、企業還是社會公眾，都越來越認識到數據的價值。因此，近年來，各地紛紛成立大數據發展局，企業紛紛推動數據資產治理，大數據輻射的行業也從傳統的電信、金融逐漸擴展到工業、醫療、教育等。一時間，彷彿各行各業都在談大數據，人人都在談大數據。但也有聲音說大數據迎來了「七年之癢」，面對大數據熱潮也需要一些「冷思考」。我國大數據究竟發展得如何?未來我國大數據發展還有哪些機遇和挑戰?

一、中國大數據產業進展顯著

過去幾年，大數據理念已經深入人心，「用數據說話」已經成為所有人的共識，數據也成了堪比石油、黃金、鑽石的戰略資源。五年來，我國大數據產業政策日漸完善，技術、應用和產業都取得了非常明顯的進展。

1、在政策方面，我國從中央到地方的大數據政策體系已經基本完善，目前已經進入落地實施階段。自從2014年「大數據」這個詞寫入政府工作報告以來，我國大數據發展的政策環境掀開了全新的篇章。在頂層設計上，國務院《促進大數據發展行動綱要》對政務數據共享開放、產業發展和安全三方面做了總體部署。《政務信息資源共享管理暫行辦法》《大數據產業發展規劃(2016-2020)》等文件也都已經出台。十九大報告中提出「推動大數據與實體經濟深度融合」，「十三五」規劃中提出「實施國家大數據戰略」。

衛健、農業、環保、檢察、稅務等部門還出台了領域大數據發展的具體政策。截至2019年初，所有省級行政區都發布了大數據相關的發展規劃，十幾個省市設立了大數據管理局，8個國家大數據綜合試驗區、11個國家工程實驗室啟動建設。可以說，大數據的政策體系已經基本搭建完成，目前已經紛紛進入落地實施甚至評估檢查階段。

2、在技術方面，我國大數據技術發展屬於「全球第一梯隊」，但國產核心技術能力嚴重不足。我國獨有的大體量應用場景和多類型實踐模式，促進了大數據領域技術創新速度和能力水平，處於國際領先地位。在技術全面性上，我國平台類、管理類、應用類技術均具有大面積落地案例和研究;

在應用規模方面，我國已經完成大數據領域的最大集群公開能力測試，達到了萬台節點;在效率能力方面，我國大數據產品在國際大數據技術能力競爭平台上也取得了前幾名的好成績;在知識產權方面，2018年我國大數據領域專利公開量約佔全球的40%，位居世界第二。但我國大數據技術大部分為基於國外開源產品的二次改造，核心技術能力亟待加強。例如，目前國內主流大數據平台技術中，自研比例不超過10%。

3、在產業方面，我國大數據產業多年來保持平穩快速增長，但面臨提質增效的關鍵轉型。2018年，我國大數據產業延續多年來的增速，繼續保持相對高速的增長。

據前瞻產業研究院發布的《中國大數據產業發展前景與投資戰略規劃分析報告》統計數據顯示，2015年我國大數據產業規模已達2800億元。截止至2017年我國大數據產業規模增長至4700億，同比增長是30.6%。初步測算2018年我國大數據產業規模達到5400億元左右，同比增長15%。預測在2020年我國大數據產業規模將突破萬億元。然而，綜合國內外環境、新興技術發展等多種因素，大數據產業的增速出現了下滑。我國的大數據產業也面臨著從高速發展向高質量發展的關鍵轉型期。

2015-2020年我國大數據產業規模統計情況及預測

數據來源：前瞻產業研究院整理

4、在應用方面，大數據的行業應用更加廣泛，正加速滲透到經濟社會的方方面面。隨著大數據工具的門檻降低以及企業數據意識的不斷提升，越來越多的行業開始嘗到大數據帶來的「甜頭」。無論是從新增企業數量、融資規模還是應用熱度來說，與大數據結合緊密的行業正在從傳統的電信業、金融業擴展到政務、健康醫療、工業、交通物流、能源行業、教育文化等，行業應用「脫虛向實」趨勢明顯，與實體經濟的融合更加深入。

二、中國大數據產業五大發展挑戰分析

雖然我國大數據總體發展形勢良好，也面臨難得的發展機遇，但仍然存在一些困難和問題。

1、涉及核心技術的產業發展薄弱，未能有效提升我國核心技術競爭力

核心技術的影響力在大數據產業有著極高的重要性。由於大數據企業在完成產品開發後，可以近乎零成本無限制的復制，因此擁有核心技術的大企業，很容易將技術優勢轉化會市場優勢，即憑借具體的信息產品贏得海量用戶獲得壟斷地位。當前，從大數據技術與產品的供給側看，我國雖然在局部技術實現了單點突破，但大數據領域系統性、平台級核心技術創新仍不多見。大數據處理工具都是「他山之石」，大部分企業用的都是國外的數據採集、數據處理、數據分析、數據可視化技術，自主核心技術突破還有待時日。尤其是開源產品的技術標准方面，我國的影響力尚亟待提升。

2、數據孤島和壁壘降低了大數據產業資源配置效率

大數據產業發展必須實現數據信息的自由流動和共享，如果數據不開放、不共享，數據整合就不能實現，數據價值也會大大降低。無論是政府數據、互聯網數據還是其他數據，數據擁有者往往不願對其進行開放流通。受制於前期信息基礎設施建設，目前我國政府數據往往還存在著諸多「數據孤島」和「數據煙囪」，數據價值難以發揮。

3、數據安全管理薄弱增加了大數據產業的發展風險

大數據技術為經濟社會發展帶來創新活力的同時，也使數據安全、個人信息保護乃至大數據平台安全等面臨新威脅與新風險。海量多源數據在大數據平台匯聚，來自多個用戶的數據可能存儲在同一個數據池中，並分別被不同用戶使用，極易引發數據泄露風險。利用大數據技術對海量數據(21.90
-5.19%,診股)進行挖掘分析所得結果可能包含涉及國家經濟社會等各方面的敏感信息，需要對分析結果的共享和披露加強安全管理。

4、產業壟斷與惡性競爭現象頻發，「劣幣驅逐良幣」現象明顯

由於資源型產業門檻低、利潤高，新興的大數據企業往往首先將目光盯在獲取數據資源上面。大量依託數據資源優勢的企業誕生，為大數據產業帶來了低附加值的壟斷經濟模式，使得依靠技術壁壘打江山的企業不得不面對殘酷的市場競爭，放緩了技術研發的步伐。同時，數據壟斷問題也愈發明顯。少數互聯網巨頭企業擁有巨大數據，不但對產業發展不利，甚至存在巨大的數據聚集隱患。

5、各地發展同質化嚴重，普遍存在重存儲輕應用的現象

由於缺乏統一的大數據產業分類統計體系和產業運行監測手段，各地大數據產業的定位相似，同質化競爭加劇。而盲目的重復建設，更是可能導致大數據產業過剩。同時，由於部分地區信息化發展程度有限，大數據應用場景不夠豐富，更是以數據中心等大數據存儲設施的建設作為發展大數據產業的關鍵，且規模巨大，目標動輒以百萬台計，後期若無法有效利用，將造成巨大的資源浪費。

三、未來三年中國大數據產業將呈現四大發展特點

未來三年，是我國大數據發展轉型的重要機遇期。大數據的發展本身也呈現著一些趨勢。在我看來，未來三年大數據行業有可能會呈現出如下特點：

1、大數據新技術繼續快速發展

未來大數據技術將會沿著工具平台雲化部署、多業務場景統一處理、專有高性能硬體適配幾個方面進行突破。目前大數據技術工具的主要應用模式為應用企業在自建機房內獨立部署，其存在資源浪費、彈性能力不足、管理復雜等缺點，這些缺陷可以通過基於雲計算技術的雲化部署方案解決，助力大數據技術工具的快速落地和應用;同時大數據技術工具主要瞄準的是分析型業務場景，但隨著電子商務以及智能終端的爆發性發展，轉賬、計費等事務型業務場景也需要大數據處理能力，所以未來的多業務場景統一處理技術將會得到充分發展;最後由於GPU/TPU等專用硬體的發展，此類專用硬體能夠助力某些大數據技術進行突破性升級，所以對新型硬體的適配成為很多大數據企業未來研發計劃的重點。

2、數據流通共享將迎來關鍵突破

這些年，推動數據開放共享的政策舉措一直在加強，然而效果與預期還有差距。可以說，技術手段將是數據流通共享瓶頸突破的關鍵。未來三年，隨著同態加密、差分隱私、零知識證明、量子賬本等關鍵技術的性能提升和門檻降低，隨著區塊鏈、安全多方計算等工具與數據流通場景進一步緊密結合，數據共享和流通將有望再前進一大步。

3、數據服務合規性將成為行業關注重點

近兩年來，隨著歐盟《通用數據保護條例》(GDPR)的頒布和正式實施，個人信息保護的重視程度被提到了前所未有的高度。GDPR對數據主體的權利規定細致入微，其「數據可攜權」「被遺忘權」等方面的規定可能會對我國數據立法帶來一定的參考。對我國企業來說，數據服務合規性的重要程度進一步提升，將對企業業務開展帶來重大影響。目前中國信息通信研究院正在著力推動的「可信數據服務」計劃也正是契合了行業的這一需求。

4、數據資產管理重要性將進一步提升

隨著大數據應用進入深水區，企業將越來越重視數據資產管理方法論體系建設——即從架構、標准、研發、質量、安全、分析到應用的統一，從而實現技術到業務價值的轉化和變現。未來三年，數據資產管理將仍是企業數據部門面臨的難點與挑戰。即使是領先的科技型企業，在數據資產管理這一課題上仍在不斷探索新的方法，如全鏈路智能管理體系、數據資產的貢獻度、數據基線度量與質量規范的工具化、可視化等。

四、四大建議應對挑戰

大數據產業作為具有國家戰略意義的新興產業，在發展初期不僅要充分發揮企業的主體作用和有效市場的主導作用，而且要更好發揮政府的引導作用。

1、要加強核心技術攻關與產業化推動

自主研發創新是提高大數據產業競爭力的主引擎。要徹底改變目前我國大數據產業創新能力不強、關鍵核心技術對外依賴度偏高的這一局面，必須抓住重點領域、關鍵環節和核心問題，找准著力點和突破口，加大政府財政資金的引導支持力度。為此，建議在國家層面上設立大數據重點領域的關鍵技術研發創新的國家財政專項資金，支持突破一批關鍵核心技術研發創新與應用，構建具有核心技術自主權的大數據產業鏈，形成自主可控的大數據技術架構，提高關鍵核心技術的自主研發創新能力，有效破解制約產業發展的瓶頸。

2、完善大數據安全政策

需要開展數據確權、資產管理、市場監管、跨境流動等數據治理的重大問題研究，協調有關部門共同推進數據治理的法制化進程，加強對敏感政務數據、企業商業秘密和個人數據的保護。同時，推動完善適用於大數據環境下的信息安全等級保護制度，建立兼顧安全與發展的數據管理和保障體系，加強數據安全評測、安全防範、應急處置等相關機制建設。此外，還要強化網路空間的安全信息共享與動態感知能力，提高重大風險識別分析水平。

3、鼓勵地方因地制宜發展大數據產業

大數據產業發展應注重差異化發展，形成差異化的產業布局。地方需要差異化發展，應該把大數據的發展重心放在因地制宜地促進應用創新上，放在打造完善的發展環境上，讓市場在大數據發展要素配置上起決定作用。各地要結合產業基礎和優勢特色，著重發展大數據特色場景應用，推動大數據與當地重要實體經濟行業加快融合。

4、推動行業加快大數據標准建設

當前大數據產業應用層出不窮，政府應通過標准化的途徑規范行業、整合資源，促進各方達成共識，為大數據產業的健康發展提供基石。尤其是通過加強快速迭代、市場認可度高的行業/團體標准研製工作，為用戶企業提供大數據產品選型指導，為數據安全提供保障，促進大數據交易等新興服務模式規范發展，對推動我國大數據產業進程具有重要意義。

❸ 最近很火的nulink是什麼解決了什麼技術問題

NuLink 通過應用編程介面(API)為去中心化的 APP 提供有關隱私保護的
技術支持。我們致力於讓開發人員、創業者、中小公司或大型企業都可以在極致
的安全和隱私操作下更簡單容易地創建自己的應用程序。
NuLink 是一種為開發隱私保護 APP 的技術人員提供最佳的去中心化解決方 案，是同類型中最優質的安全和隱私保護方案。NuLink 平台提供端點加密 （Endpoint Encryption）和密碼訪問控制服務，敏感數據可以從任何用戶平台非
常安全地共享到雲端或者去中心化的儲存設備中去，並根據代理重加密（Proxy Re-encryption，PRE）和屬性加密（Attribute-Based Encryption，ABE）協議，自 動授予（符合條件的用戶）對雲端或設備中敏感數據的訪問許可權。另一方面，
（NuLink 使用到的）零知識證明（Zero Knowledge Proof，ZKP）機制可以幫助 數據使用者驗證數據的來源。在更多的高級隱私保護用例中，NuLink 會充分利 用全同態加密（Fully Homomorphic Encryption，FHE）技術來定製企業級數據的 計算服務。
通過集成一流的技術，我們正在建立強大的技術基礎。NuLink 提供的技術 解決方案涵蓋三大類：

(1) 確保密文形式的數據的可用性。這里使用的加密技術主要是零知識證明。
(2) 隱私保護的數據共享。使用到的基本方法是對數據進行加密，讓數據所 有者控制對它的訪問。這些技術包括去中心化加密存儲、代理重加密、基於身份 的加密和基於屬性的加密等。
(3) 隱私保護數據的計算，這部分會將某些隱私計算能力集成到智能合約中。 使用的技術包括多方安全計算（multi-party secure computing）、全同態加密等。 這三種技術解決方案可以在許多領域提供隱私保護應用，例如去中心化金融 （DeFi）、醫療保健、社交網路、數字版權管理等。

❹ 同態加密的實現原理是什麼在實際中有何應用

同態加密是一種加密形式，它允許人們對密文進行特定的代數運算得到仍然是加密的結果，將其解密所得到的結果與對明文進行同樣的運算結果一樣。換言之，這項技術令人們可以在加密的數據中進行諸如檢索、比較等操作，得出正確的結果，而在整個處理過程中無需對數據進行解密。其意義在於，真正從根本上解決將數據及其操作委託給第三方時的保密問題，例如對於各種雲計算的應用。

這一直是密碼學領域的一個重要課題，以往人們只找到一些部分實現這種操作的方法。而2009年9月克雷格·金特里（Craig Gentry）的論文 從數學上提出了「全同態加密」的可行方法，即可以在不解密的條件下對加密數據進行任何可以在明文上進行的運算，使這項技術取得了決定性的突破。人們正在此基礎上研究更完善的實用技術，這對信息技術產業具有重大價值。

❺ 全同態加密和部分同態的加密有什麼區別

區別：

1、部分同態既能做乘法又能做加法，但是不能同態計算任意的函數；全同態加密可以對密文進行無限次數的任意同態操作，也就是說它可以同態計算任意的函數。

2、部分同態加密能做的事情，全同態加密也能做；但是全同態加密一般計算開銷比較大，所以部分同態加密方案夠用的時候沒必要選用全同態加密；

3、設計出全同態加密的協議是比設計部分同態加密的演算法要難的。

同態加密規定

如果有一個加密函數f，把明文A變成密文A』,把明文B變成密文B』，也就是說f(A)=A』，f(B)=B』。另外還有一個解密函數，能夠將f加密後的密文解密成加密前的明文。

對於一般的加密函數，如果我們將A』和B』相加，得到C』。我們用對C』進行解密得到的結果一般是毫無意義的亂碼。

但是，如果f是個可以進行同態加密的加密函數， 我們對C』使用進行解密得到結果C， 這時候的C = A + B。這樣，數據處理權與數據所有權可以分離，這樣企業可以防止自身數據泄露的同時，利用雲服務的算力。

❻ 人工智慧未來走向，你怎麼看

1.人工智慧工作時需要的數據量會變得更少。諸如 Vicarious 或 Geometric Intelligence 這樣的公司，正在努力減少訓練神經網路所需要的數據集的大小。訓練人工智慧使用的數據量如今被視為其發展的主要障礙，同時也是其最主要的競爭優勢。同時，使用概率歸納模型能夠解決這個在人工智慧發展上的主要問題。某種不那麼需要大量數據的演算法，最終將會以豐富地方式學習、吸收並使用這個概念，無論是在行動上、想像上還是在探索中。

2.新的學習模型是關鍵要素。一種名為轉移學習（Transfer Learning）的技術能允許標準的強化學習（Reinforcement Learning）系統基於之前獲取的知識進行構建——而這是人類能輕松完成的。它隸屬於增量學習（Incremental Learning）技術。而 MetaMind 則在研究多任務學習（Multitask Learning）問題。在其中，同一個神經網路被用來解決不同類型的問題，且當該神經網路能夠在一類問題上表現更好時，那麼它也能在另一些問題上表現更好。MetaMind 的下一步發展，是引入動態神經網路（Dynamic Memory Network）的概念，它能夠回答特定問題，並能夠推斷一系列話語間的邏輯聯系。

3.人工智慧會消除人類（認知）偏差，並能讓我們變的更像「人造」的。人類的天性，將會因為人工智慧而改變。人們根據接受的正／負反饋進行學習，並能夠啟發式的快速解決相關問題。但是，一旦環境改變，適應過程則有些延遲和緩慢，而且一些老的習慣並不能適應新的改變——這就造成了行為偏差。人工智慧則會縮減這些延遲時間到 0，虛擬化的消除任何行為偏差。此外，基於經驗隨時間進行學習，人工智慧成為新的變革工具：我們通常不評估所有的備選決策，因為我們不能想到所有決策（知識空間有限）。

4.人工智慧會被愚弄。如今的人工智慧遠非完美，同時也有很多人正專注於研究如何欺騙人工智慧設備。

5.真正的通用性人工智慧很可能是一種集體智能（Collective Intelligence）。強人工智很有可能不會是一個具有強大決策功能的單一終端，而是一種集體智能。群體智能（Swarm or Collective Intelligence, Rosenberg, 2015;2016）可以被視作「一群大腦的大腦」。到目前為止，我們僅讓個體提供輸入值，然後我們以一種「平均情緒」的智能方式整合這些事後輸入。

6.真正的人工智慧應該開始問「為什麼」。到目前，大多機器學習系統都能夠在模式識別及輔助決策方面做的很好；並且因為大部分程序都被硬編碼了，所以它們仍能夠被理解。盡管我們已經能讓人工智慧闡明「是什麼」和「如何做」，這已經是一個不錯的成就，但人工智慧仍未能夠理解事物背後的「為什麼」。因此，我們需要設計一個通用演算法，它能夠從物理上及精神上建立關於世界本質的模型（Lake 等人, 2016）。

7.人工智慧正在推進隱私保護問題和數據泄漏預防問題。人工智慧將隱私問題提升到了一個新的等級。新的隱私保護方法應當被發明及採用，它們應當比簡單的安全多方計演算法（SMPC）復雜得多，也應該比同態加密法（homomorphic encryption）高效迅速。最近的研究表明，差分隱私（Differential Privacy）法能夠解決大部分我們日常遇到的隱私問題。不過已經有不少公司走得更遠，如 Post-Quantum 公司——這是一家基於量子計算的網路安全創業公司。

8.機器人學正變為主流。筆者認為，人工智慧的發展會受到機器人學發展的制約。同時，這兩個關聯的領域會以相同的速度發展，以最終得到一個適當的強人工智慧或超級人工智慧。如下圖所示，在我們的研究乃至我們的集體意識中，我們不會視那種沒有「物理實體」的人工智慧為強人工智慧或超級人工智慧。

關於機器人學及人工智慧相關領域的研究趨勢（由 CBInsights Trends tool 製作）

9.生物機器人和納米科技將是未來人工智慧的應用方向。我們正見證著在人工智慧和納米機器人交叉領域，一些列令人震驚的發展。研究人員正致力於創造完全完全智能的裝置，同時也在研究相關的結合體。他們甚至嘗試研發出生物導線（一種由細菌製造的導線）及器官晶元（由人細胞製作的、人器官中起功能部分的微型模型，能夠復制器官的部分功能；在該領域，Emulate 是最領先的公司）。生物機器人方面的研究同時也考驗著著材料性能的極限。最近一種「軟」機器人被製造出來，他只有軟的構建。BAS Systems 公司也在推進計算的發展，正嘗試研發一種「化學計算機」（Chemputer），一種能夠使用先進化學過程以「生長」復雜電子系統的裝置。

從《終結者》到《機械姬》，有關AI的科幻故事屢見不鮮，不愛讀文字，就去擼一遍《西部世界》，未來這事兒誰說得准呢。

❼ 同態加密的介紹

同態加密是基於數學難題的計算復雜性理論的密碼學技術。對經過同態加密的數據進行處理得到一個輸出，將這一輸出進行解密，其結果與用同一方法處理未加密的原始數據得到的輸出結果是一樣的。

❽ 請問除了同態加密演算法適合用於電子投票還有什麼演算法適合電子投票跪求大神提議

曾經看到過一種基於區塊鏈技術的電子投票演算法，不知道是否滿足要求。

❾ 關於java直接進行密文運算的問題

你說的要麼很先進，要麼就是亂套概念，沒事幹啥這么做？這是小問題？ 乘法根本跟位元組沒關系，也不等於RSA運算，非要這么做得正確結果只能改為enc(12*12)。