同态加密计算太慢

❶ 同态加密的同态加密的主要应用

云计算、电子商务、物联网、移动代码等。

❷ 大数据发展的前景怎么样

2019年中国大数据产业市场分析：发展进程显着，四大建议解决五大发展挑战问题

我国大数据产业发展得如何?未来发展存在哪些机遇和挑战?

随着信息技术和人类生产生活交汇融合，全球数据呈现爆发增长、海量集聚的特点。无论是国家、企业还是社会公众，都越来越认识到数据的价值。因此，近年来，各地纷纷成立大数据发展局，企业纷纷推动数据资产治理，大数据辐射的行业也从传统的电信、金融逐渐扩展到工业、医疗、教育等。一时间，仿佛各行各业都在谈大数据，人人都在谈大数据。但也有声音说大数据迎来了“七年之痒”，面对大数据热潮也需要一些“冷思考”。我国大数据究竟发展得如何?未来我国大数据发展还有哪些机遇和挑战?

一、中国大数据产业进展显着

过去几年，大数据理念已经深入人心，“用数据说话”已经成为所有人的共识，数据也成了堪比石油、黄金、钻石的战略资源。五年来，我国大数据产业政策日渐完善，技术、应用和产业都取得了非常明显的进展。

1、在政策方面，我国从中央到地方的大数据政策体系已经基本完善，目前已经进入落地实施阶段。自从2014年“大数据”这个词写入政府工作报告以来，我国大数据发展的政策环境掀开了全新的篇章。在顶层设计上，国务院《促进大数据发展行动纲要》对政务数据共享开放、产业发展和安全三方面做了总体部署。《政务信息资源共享管理暂行办法》《大数据产业发展规划(2016-2020)》等文件也都已经出台。十九大报告中提出“推动大数据与实体经济深度融合”，“十三五”规划中提出“实施国家大数据战略”。

卫健、农业、环保、检察、税务等部门还出台了领域大数据发展的具体政策。截至2019年初，所有省级行政区都发布了大数据相关的发展规划，十几个省市设立了大数据管理局，8个国家大数据综合试验区、11个国家工程实验室启动建设。可以说，大数据的政策体系已经基本搭建完成，目前已经纷纷进入落地实施甚至评估检查阶段。

2、在技术方面，我国大数据技术发展属于“全球第一梯队”，但国产核心技术能力严重不足。我国独有的大体量应用场景和多类型实践模式，促进了大数据领域技术创新速度和能力水平，处于国际领先地位。在技术全面性上，我国平台类、管理类、应用类技术均具有大面积落地案例和研究;

在应用规模方面，我国已经完成大数据领域的最大集群公开能力测试，达到了万台节点;在效率能力方面，我国大数据产品在国际大数据技术能力竞争平台上也取得了前几名的好成绩;在知识产权方面，2018年我国大数据领域专利公开量约占全球的40%，位居世界第二。但我国大数据技术大部分为基于国外开源产品的二次改造，核心技术能力亟待加强。例如，目前国内主流大数据平台技术中，自研比例不超过10%。

3、在产业方面，我国大数据产业多年来保持平稳快速增长，但面临提质增效的关键转型。2018年，我国大数据产业延续多年来的增速，继续保持相对高速的增长。

据前瞻产业研究院发布的《中国大数据产业发展前景与投资战略规划分析报告》统计数据显示，2015年我国大数据产业规模已达2800亿元。截止至2017年我国大数据产业规模增长至4700亿，同比增长是30.6%。初步测算2018年我国大数据产业规模达到5400亿元左右，同比增长15%。预测在2020年我国大数据产业规模将突破万亿元。然而，综合国内外环境、新兴技术发展等多种因素，大数据产业的增速出现了下滑。我国的大数据产业也面临着从高速发展向高质量发展的关键转型期。

2015-2020年我国大数据产业规模统计情况及预测

数据来源：前瞻产业研究院整理

4、在应用方面，大数据的行业应用更加广泛，正加速渗透到经济社会的方方面面。随着大数据工具的门槛降低以及企业数据意识的不断提升，越来越多的行业开始尝到大数据带来的“甜头”。无论是从新增企业数量、融资规模还是应用热度来说，与大数据结合紧密的行业正在从传统的电信业、金融业扩展到政务、健康医疗、工业、交通物流、能源行业、教育文化等，行业应用“脱虚向实”趋势明显，与实体经济的融合更加深入。

二、中国大数据产业五大发展挑战分析

虽然我国大数据总体发展形势良好，也面临难得的发展机遇，但仍然存在一些困难和问题。

1、涉及核心技术的产业发展薄弱，未能有效提升我国核心技术竞争力

核心技术的影响力在大数据产业有着极高的重要性。由于大数据企业在完成产品开发后，可以近乎零成本无限制的复制，因此拥有核心技术的大企业，很容易将技术优势转化会市场优势，即凭借具体的信息产品赢得海量用户获得垄断地位。当前，从大数据技术与产品的供给侧看，我国虽然在局部技术实现了单点突破，但大数据领域系统性、平台级核心技术创新仍不多见。大数据处理工具都是“他山之石”，大部分企业用的都是国外的数据采集、数据处理、数据分析、数据可视化技术，自主核心技术突破还有待时日。尤其是开源产品的技术标准方面，我国的影响力尚亟待提升。

2、数据孤岛和壁垒降低了大数据产业资源配置效率

大数据产业发展必须实现数据信息的自由流动和共享，如果数据不开放、不共享，数据整合就不能实现，数据价值也会大大降低。无论是政府数据、互联网数据还是其他数据，数据拥有者往往不愿对其进行开放流通。受制于前期信息基础设施建设，目前我国政府数据往往还存在着诸多“数据孤岛”和“数据烟囱”，数据价值难以发挥。

3、数据安全管理薄弱增加了大数据产业的发展风险

大数据技术为经济社会发展带来创新活力的同时，也使数据安全、个人信息保护乃至大数据平台安全等面临新威胁与新风险。海量多源数据在大数据平台汇聚，来自多个用户的数据可能存储在同一个数据池中，并分别被不同用户使用，极易引发数据泄露风险。利用大数据技术对海量数据(21.90
-5.19%,诊股)进行挖掘分析所得结果可能包含涉及国家经济社会等各方面的敏感信息，需要对分析结果的共享和披露加强安全管理。

4、产业垄断与恶性竞争现象频发，“劣币驱逐良币”现象明显

由于资源型产业门槛低、利润高，新兴的大数据企业往往首先将目光盯在获取数据资源上面。大量依托数据资源优势的企业诞生，为大数据产业带来了低附加值的垄断经济模式，使得依靠技术壁垒打江山的企业不得不面对残酷的市场竞争，放缓了技术研发的步伐。同时，数据垄断问题也愈发明显。少数互联网巨头企业拥有巨大数据，不但对产业发展不利，甚至存在巨大的数据聚集隐患。

5、各地发展同质化严重，普遍存在重存储轻应用的现象

由于缺乏统一的大数据产业分类统计体系和产业运行监测手段，各地大数据产业的定位相似，同质化竞争加剧。而盲目的重复建设，更是可能导致大数据产业过剩。同时，由于部分地区信息化发展程度有限，大数据应用场景不够丰富，更是以数据中心等大数据存储设施的建设作为发展大数据产业的关键，且规模巨大，目标动辄以百万台计，后期若无法有效利用，将造成巨大的资源浪费。

三、未来三年中国大数据产业将呈现四大发展特点

未来三年，是我国大数据发展转型的重要机遇期。大数据的发展本身也呈现着一些趋势。在我看来，未来三年大数据行业有可能会呈现出如下特点：

1、大数据新技术继续快速发展

未来大数据技术将会沿着工具平台云化部署、多业务场景统一处理、专有高性能硬件适配几个方面进行突破。目前大数据技术工具的主要应用模式为应用企业在自建机房内独立部署，其存在资源浪费、弹性能力不足、管理复杂等缺点，这些缺陷可以通过基于云计算技术的云化部署方案解决，助力大数据技术工具的快速落地和应用;同时大数据技术工具主要瞄准的是分析型业务场景，但随着电子商务以及智能终端的爆发性发展，转账、计费等事务型业务场景也需要大数据处理能力，所以未来的多业务场景统一处理技术将会得到充分发展;最后由于GPU/TPU等专用硬件的发展，此类专用硬件能够助力某些大数据技术进行突破性升级，所以对新型硬件的适配成为很多大数据企业未来研发计划的重点。

2、数据流通共享将迎来关键突破

这些年，推动数据开放共享的政策举措一直在加强，然而效果与预期还有差距。可以说，技术手段将是数据流通共享瓶颈突破的关键。未来三年，随着同态加密、差分隐私、零知识证明、量子账本等关键技术的性能提升和门槛降低，随着区块链、安全多方计算等工具与数据流通场景进一步紧密结合，数据共享和流通将有望再前进一大步。

3、数据服务合规性将成为行业关注重点

近两年来，随着欧盟《通用数据保护条例》(GDPR)的颁布和正式实施，个人信息保护的重视程度被提到了前所未有的高度。GDPR对数据主体的权利规定细致入微，其“数据可携权”“被遗忘权”等方面的规定可能会对我国数据立法带来一定的参考。对我国企业来说，数据服务合规性的重要程度进一步提升，将对企业业务开展带来重大影响。目前中国信息通信研究院正在着力推动的“可信数据服务”计划也正是契合了行业的这一需求。

4、数据资产管理重要性将进一步提升

随着大数据应用进入深水区，企业将越来越重视数据资产管理方法论体系建设——即从架构、标准、研发、质量、安全、分析到应用的统一，从而实现技术到业务价值的转化和变现。未来三年，数据资产管理将仍是企业数据部门面临的难点与挑战。即使是领先的科技型企业，在数据资产管理这一课题上仍在不断探索新的方法，如全链路智能管理体系、数据资产的贡献度、数据基线度量与质量规范的工具化、可视化等。

四、四大建议应对挑战

大数据产业作为具有国家战略意义的新兴产业，在发展初期不仅要充分发挥企业的主体作用和有效市场的主导作用，而且要更好发挥政府的引导作用。

1、要加强核心技术攻关与产业化推动

自主研发创新是提高大数据产业竞争力的主引擎。要彻底改变目前我国大数据产业创新能力不强、关键核心技术对外依赖度偏高的这一局面，必须抓住重点领域、关键环节和核心问题，找准着力点和突破口，加大政府财政资金的引导支持力度。为此，建议在国家层面上设立大数据重点领域的关键技术研发创新的国家财政专项资金，支持突破一批关键核心技术研发创新与应用，构建具有核心技术自主权的大数据产业链，形成自主可控的大数据技术架构，提高关键核心技术的自主研发创新能力，有效破解制约产业发展的瓶颈。

2、完善大数据安全政策

需要开展数据确权、资产管理、市场监管、跨境流动等数据治理的重大问题研究，协调有关部门共同推进数据治理的法制化进程，加强对敏感政务数据、企业商业秘密和个人数据的保护。同时，推动完善适用于大数据环境下的信息安全等级保护制度，建立兼顾安全与发展的数据管理和保障体系，加强数据安全评测、安全防范、应急处置等相关机制建设。此外，还要强化网络空间的安全信息共享与动态感知能力，提高重大风险识别分析水平。

3、鼓励地方因地制宜发展大数据产业

大数据产业发展应注重差异化发展，形成差异化的产业布局。地方需要差异化发展，应该把大数据的发展重心放在因地制宜地促进应用创新上，放在打造完善的发展环境上，让市场在大数据发展要素配置上起决定作用。各地要结合产业基础和优势特色，着重发展大数据特色场景应用，推动大数据与当地重要实体经济行业加快融合。

4、推动行业加快大数据标准建设

当前大数据产业应用层出不穷，政府应通过标准化的途径规范行业、整合资源，促进各方达成共识，为大数据产业的健康发展提供基石。尤其是通过加强快速迭代、市场认可度高的行业/团体标准研制工作，为用户企业提供大数据产品选型指导，为数据安全提供保障，促进大数据交易等新兴服务模式规范发展，对推动我国大数据产业进程具有重要意义。

❸ 最近很火的nulink是什么解决了什么技术问题

NuLink 通过应用编程接口(API)为去中心化的 APP 提供有关隐私保护的
技术支持。我们致力于让开发人员、创业者、中小公司或大型企业都可以在极致
的安全和隐私操作下更简单容易地创建自己的应用程序。
NuLink 是一种为开发隐私保护 APP 的技术人员提供最佳的去中心化解决方 案，是同类型中最优质的安全和隐私保护方案。NuLink 平台提供端点加密 （Endpoint Encryption）和密码访问控制服务，敏感数据可以从任何用户平台非
常安全地共享到云端或者去中心化的储存设备中去，并根据代理重加密（Proxy Re-encryption，PRE）和属性加密（Attribute-Based Encryption，ABE）协议，自 动授予（符合条件的用户）对云端或设备中敏感数据的访问权限。另一方面，
（NuLink 使用到的）零知识证明（Zero Knowledge Proof，ZKP）机制可以帮助 数据使用者验证数据的来源。在更多的高级隐私保护用例中，NuLink 会充分利 用全同态加密（Fully Homomorphic Encryption，FHE）技术来定制企业级数据的 计算服务。
通过集成一流的技术，我们正在建立强大的技术基础。NuLink 提供的技术 解决方案涵盖三大类：

(1) 确保密文形式的数据的可用性。这里使用的加密技术主要是零知识证明。
(2) 隐私保护的数据共享。使用到的基本方法是对数据进行加密，让数据所 有者控制对它的访问。这些技术包括去中心化加密存储、代理重加密、基于身份 的加密和基于属性的加密等。
(3) 隐私保护数据的计算，这部分会将某些隐私计算能力集成到智能合约中。 使用的技术包括多方安全计算（multi-party secure computing）、全同态加密等。 这三种技术解决方案可以在许多领域提供隐私保护应用，例如去中心化金融 （DeFi）、医疗保健、社交网络、数字版权管理等。

❹ 同态加密的实现原理是什么在实际中有何应用

同态加密是一种加密形式，它允许人们对密文进行特定的代数运算得到仍然是加密的结果，将其解密所得到的结果与对明文进行同样的运算结果一样。换言之，这项技术令人们可以在加密的数据中进行诸如检索、比较等操作，得出正确的结果，而在整个处理过程中无需对数据进行解密。其意义在于，真正从根本上解决将数据及其操作委托给第三方时的保密问题，例如对于各种云计算的应用。

这一直是密码学领域的一个重要课题，以往人们只找到一些部分实现这种操作的方法。而2009年9月克雷格·金特里（Craig Gentry）的论文 从数学上提出了“全同态加密”的可行方法，即可以在不解密的条件下对加密数据进行任何可以在明文上进行的运算，使这项技术取得了决定性的突破。人们正在此基础上研究更完善的实用技术，这对信息技术产业具有重大价值。

❺ 全同态加密和部分同态的加密有什么区别

区别：

1、部分同态既能做乘法又能做加法，但是不能同态计算任意的函数；全同态加密可以对密文进行无限次数的任意同态操作，也就是说它可以同态计算任意的函数。

2、部分同态加密能做的事情，全同态加密也能做；但是全同态加密一般计算开销比较大，所以部分同态加密方案够用的时候没必要选用全同态加密；

3、设计出全同态加密的协议是比设计部分同态加密的算法要难的。

同态加密规定

如果有一个加密函数f，把明文A变成密文A’,把明文B变成密文B’，也就是说f(A)=A’，f(B)=B’。另外还有一个解密函数，能够将f加密后的密文解密成加密前的明文。

对于一般的加密函数，如果我们将A’和B’相加，得到C’。我们用对C’进行解密得到的结果一般是毫无意义的乱码。

但是，如果f是个可以进行同态加密的加密函数， 我们对C’使用进行解密得到结果C， 这时候的C = A + B。这样，数据处理权与数据所有权可以分离，这样企业可以防止自身数据泄露的同时，利用云服务的算力。

❻ 人工智能未来走向，你怎么看

1.人工智能工作时需要的数据量会变得更少。诸如 Vicarious 或 Geometric Intelligence 这样的公司，正在努力减少训练神经网络所需要的数据集的大小。训练人工智能使用的数据量如今被视为其发展的主要障碍，同时也是其最主要的竞争优势。同时，使用概率归纳模型能够解决这个在人工智能发展上的主要问题。某种不那么需要大量数据的算法，最终将会以丰富地方式学习、吸收并使用这个概念，无论是在行动上、想象上还是在探索中。

2.新的学习模型是关键要素。一种名为转移学习（Transfer Learning）的技术能允许标准的强化学习（Reinforcement Learning）系统基于之前获取的知识进行构建——而这是人类能轻松完成的。它隶属于增量学习（Incremental Learning）技术。而 MetaMind 则在研究多任务学习（Multitask Learning）问题。在其中，同一个神经网络被用来解决不同类型的问题，且当该神经网络能够在一类问题上表现更好时，那么它也能在另一些问题上表现更好。MetaMind 的下一步发展，是引入动态神经网络（Dynamic Memory Network）的概念，它能够回答特定问题，并能够推断一系列话语间的逻辑联系。

3.人工智能会消除人类（认知）偏差，并能让我们变的更像“人造”的。人类的天性，将会因为人工智能而改变。人们根据接受的正／负反馈进行学习，并能够启发式的快速解决相关问题。但是，一旦环境改变，适应过程则有些延迟和缓慢，而且一些老的习惯并不能适应新的改变——这就造成了行为偏差。人工智能则会缩减这些延迟时间到 0，虚拟化的消除任何行为偏差。此外，基于经验随时间进行学习，人工智能成为新的变革工具：我们通常不评估所有的备选决策，因为我们不能想到所有决策（知识空间有限）。

4.人工智能会被愚弄。如今的人工智能远非完美，同时也有很多人正专注于研究如何欺骗人工智能设备。

5.真正的通用性人工智能很可能是一种集体智能（Collective Intelligence）。强人工智很有可能不会是一个具有强大决策功能的单一终端，而是一种集体智能。群体智能（Swarm or Collective Intelligence, Rosenberg, 2015;2016）可以被视作“一群大脑的大脑”。到目前为止，我们仅让个体提供输入值，然后我们以一种“平均情绪”的智能方式整合这些事后输入。

6.真正的人工智能应该开始问“为什么”。到目前，大多机器学习系统都能够在模式识别及辅助决策方面做的很好；并且因为大部分程序都被硬编码了，所以它们仍能够被理解。尽管我们已经能让人工智能阐明“是什么”和“如何做”，这已经是一个不错的成就，但人工智能仍未能够理解事物背后的“为什么”。因此，我们需要设计一个通用算法，它能够从物理上及精神上建立关于世界本质的模型（Lake 等人, 2016）。

7.人工智能正在推进隐私保护问题和数据泄漏预防问题。人工智能将隐私问题提升到了一个新的等级。新的隐私保护方法应当被发明及采用，它们应当比简单的安全多方计算法（SMPC）复杂得多，也应该比同态加密法（homomorphic encryption）高效迅速。最近的研究表明，差分隐私（Differential Privacy）法能够解决大部分我们日常遇到的隐私问题。不过已经有不少公司走得更远，如 Post-Quantum 公司——这是一家基于量子计算的网络安全创业公司。

8.机器人学正变为主流。笔者认为，人工智能的发展会受到机器人学发展的制约。同时，这两个关联的领域会以相同的速度发展，以最终得到一个适当的强人工智能或超级人工智能。如下图所示，在我们的研究乃至我们的集体意识中，我们不会视那种没有“物理实体”的人工智能为强人工智能或超级人工智能。

关于机器人学及人工智能相关领域的研究趋势（由 CBInsights Trends tool 制作）

9.生物机器人和纳米科技将是未来人工智能的应用方向。我们正见证着在人工智能和纳米机器人交叉领域，一些列令人震惊的发展。研究人员正致力于创造完全完全智能的装置，同时也在研究相关的结合体。他们甚至尝试研发出生物导线（一种由细菌制造的导线）及器官芯片（由人细胞制作的、人器官中起功能部分的微型模型，能够复制器官的部分功能；在该领域，Emulate 是最领先的公司）。生物机器人方面的研究同时也考验着着材料性能的极限。最近一种“软”机器人被制造出来，他只有软的构建。BAS Systems 公司也在推进计算的发展，正尝试研发一种“化学计算机”（Chemputer），一种能够使用先进化学过程以“生长”复杂电子系统的装置。

从《终结者》到《机械姬》，有关AI的科幻故事屡见不鲜，不爱读文字，就去撸一遍《西部世界》，未来这事儿谁说得准呢。

❼ 同态加密的介绍

同态加密是基于数学难题的计算复杂性理论的密码学技术。对经过同态加密的数据进行处理得到一个输出，将这一输出进行解密，其结果与用同一方法处理未加密的原始数据得到的输出结果是一样的。

❽ 请问除了同态加密算法适合用于电子投票还有什么算法适合电子投票跪求大神提议

曾经看到过一种基于区块链技术的电子投票算法，不知道是否满足要求。

❾ 关于java直接进行密文运算的问题

你说的要么很先进，要么就是乱套概念，没事干啥这么做？这是小问题？ 乘法根本跟字节没关系，也不等于RSA运算，非要这么做得正确结果只能改为enc(12*12)。