下面对四类同态加密技术（PHE、SHE/LFHE、FHE、MKHE）进行系统整理：

---

1. PHE（部分同态加密，Partial Homomorphic Encryption）

1.1 核心思想

仅支持一种运算（加法或乘法），但可以进行无限次计算。

典型方案：

• 加法同态：Paillier

• 乘法同态：RSA（特定形式）

---

1.2 运算能力

• 支持：加法 或 乘法（二选一）

• 运算次数：无限

• 表达能力：有限

---

1.3 示例

加法同态性质：

---

1.4 优点

• 计算开销低

• 实现简单

• 工程应用成熟

---

1.5 缺点

• 只能支持单一运算

• 表达能力较弱

---

1.6 应用场景

• 隐私统计（求和、均值）

• 电子投票

• 联邦学习中的参数聚合

---

2. SHE / LFHE（有限同态加密，Somewhat / Leveled FHE）

2.1 核心思想

支持加法和乘法，但计算深度有限。

---

2.2 运算能力

• 支持：加法 + 乘法

• 限制：乘法层数（multiplicative depth）

• 支持 SIMD 批处理

---

2.3 噪声问题

同态运算过程中密文会累积噪声：

• 运算次数增加 → 噪声增长

• 超过阈值 → 解密失败

因此只能进行有限深度的计算。

---

2.4 优点

• 表达能力较强（可计算多项式）

• 性能优于 FHE

• 工程可用性较好

---

2.5 缺点

• 计算深度受限

• 需要预先设计计算电路

---

2.6 应用场景

• 机器学习推理（浅层模型）

• 隐私数据分析

• 安全信号处理

---

3. FHE（全同态加密，Fully Homomorphic Encryption）

3.1 核心思想

支持任意计算，可在密文上执行完整程序。

---

3.2 运算能力

• 支持：加法 + 乘法

• 运算次数：无限

• 计算能力：通用计算（图灵完备）

---

3.3 核心技术：Bootstrapping

为解决噪声增长问题，引入“自举”机制：

• 噪声过大时执行刷新操作

• 降低噪声，恢复可计算状态

---

3.4 表达能力

 可直接在密文上计算

---

3.5 优点

• 支持任意复杂计算

• 理论完备性强

• 隐私保护最彻底

---

3.6 缺点

• 计算开销极高（远慢于明文计算）

• 实现复杂

• 资源消耗大

---

3.7 应用场景

• 隐私保护云计算

• 医疗数据分析

• 金融风控

• 加密机器学习推理

---

4. MKHE（多密钥同态加密，Multi-Key Homomorphic Encryption）

4.1 核心思想

允许多个用户使用不同密钥加密的数据共同参与计算。

---

4.2 运算能力

• 支持多用户数据联合计算

• 支持不同密钥下的密文运算

• 通常需要协作解密

---

4.3 解决的问题

传统同态加密要求：

• 所有数据使用同一密钥

MKHE 实现：

• 多用户独立加密

• 仍可联合计算结果

---

4.4 优点

• 支持多方协同计算

• 适用于分布式隐私场景

---

4.5 缺点

• 系统复杂度高

• 通信开销大

• 不适合大规模用户场景

---

4.6 应用场景

• 多方安全计算（MPC 结合 HE）

• 联邦学习

• 跨机构数据分析（医疗、金融）

---

5. 综合对比

5.1 能力对比

类型	支持运算	运算次数	性能	特点
PHE	单一运算	无限	高	简单高效
SHE/LFHE	加法 + 乘法	有限	中	实用折中
FHE	任意运算	无限	低	功能最强
MKHE	任意运算（多用户）	视方案	较低	多方协作

---

5.2 技术层级关系

能力从弱到强：

PHE < SHE/LFHE < FHE

应用复杂度从低到高：

PHE → SHE → FHE → MKHE