ZK vs FHE vs MPC vs TEE：2026 年怎么选

四项技术如今在争抢同一页架构幻灯片：零知识证明、全同态加密、安全多方计算和可信执行环境。它们经常被当成可互换的“隐私技术”摆出来，但它们不可互换。它们回答不同的问题，价格天差地别，失败方式也各不相同。这篇文章就是客户问“我们到底需要哪个”时，我们希望世上早就存在的那份对比：信任模型、诚实的 2026 年性能数字，以及越来越多地逼你做出选择的欧盟监管。完整的构建方法论，请从我们的 ZK 与 FHE 务实指南开始。

这是工程视角，不是供应商推销。所有数字要么有出处，要么标注为经验法则。参考点来自 Wavect 在零知识与前沿技术上的工作。

每项技术到底做什么？

• 零知识证明（ZK）：在不披露选定 witness 数据的情况下证明一个陈述。验证者可以得知“此人年满 18 岁”或“这次计算跑对了”，同时仍会看到公开输入和可观察元数据。见我们的术语表和生产环境深潜。
• 全同态加密（FHE）：在加密输入上计算，让执行方处理密文而非受保护的明文。具体隐藏什么取决于函数、公开输入、结果接收方和密钥托管。深潜：FHE 里什么能交付。
• 安全多方计算（MPC）：多方共同处理私有输入。每方知道自己的输入，并获得协议授权的输出；隐私取决于协议的阈值和腐化假设。
• 可信执行环境（TEE）：Intel TDX、AMD SEV-SNP 和 NVIDIA 机密 GPU 等硬件隔离环境。其目标是保护可信边界内使用中的代码与数据，使其免受边界外宿主读取；远程证明提供硬件和软件测量状态的证据，但仍依赖平台信任链。

应比较具体的信任边界。ZK 依赖证明假设以及电路、编译器、setup、实现与验证器；FHE 依赖方案、参数、实现与密钥；MPC 增加协议特定的阈值和不合谋假设；TEE 增加硬件、固件、远程证明和侧信道假设。这些假设不会自动换算成固定性能倍数，必须测试具体技术栈。

哪四个问题能选出技术？

1. 谁不许看到数据？如果答案是“我们公司以外没人”，就此打住：访问控制、TLS 和静态加密解决这个问题，本页每一项技术都是杀鸡用牛刀。如果答案是“执行计算的运营方”，接着往下读。
2. 核心需求是验证还是计算？如果第三方需要核验某件事（年龄、储备金、一次计算的完整性），那就是 ZK，没有然后。如果一个不受信的一方需要在隐藏数据上计算某件事，那是 FHE、MPC 或 TEE。
3. 被隐藏的计算有多大？查询、评分或小模型可以评估 FHE。大型流水线或交互模型通常先评估 TEE，除非真实负载的端到端 FHE 基准能满足延迟与成本。
4. 有多少个独立的参与方持有输入？一个客户端加一个服务器，偏向 FHE 或 TEE。多个互不信任、彼此之间网络还不错的组织，偏向 MPC，它就是为这个形状而生的，而在通信成本咬人的公网上则很挣扎。

并排比起来是什么样？

"没有人会因为选了 TEE 被开除，而且他们大多是对的。昂贵的错误发生在团队用 FHE 去扛本该 TEE 扛的负载，或者用 TEE 去守一个只有数学守得住的承诺。"

TEE 现在到底有多好？

好到已经是规模化机密计算的默认答案，这也正是为什么密码学选项需要一个明确的理由才配取代它们：

• CPU enclave 成熟了。Intel TDX 和 AMD SEV-SNP 隔离整台虚拟机，降低了相对 SGX 的集成工作。公开开销会随虚拟化、内存、I/O、远程证明与负载变化，个位数结果不能作为通用规划值。
• GPU 加入了。NVIDIA 的 H100 是第一款机密计算 GPU，并延续到 H200 和 Blackwell 世代。机密 LLM 推理已作为云产品交付，微调可在同样的机密 GPU 虚拟机上进行，开销常常由加密的 PCIe 传输而非计算主导 (arXiv 2505.16501)。
• 信任的那道坎还在。远程证明可以表明预期代码运行在被认可的硬件上，但仍受平台证明机制与供应链假设约束。它无法消除全部厂商、固件、运营方、物理攻击或侧信道风险。残余风险是否可接受取决于架构与司法辖区。关于抗法律调取能力的主张需要法律审查和完整的数据流分析，不能只依赖 TEE 产品选择。

为什么赢家的模式是组合，而不是单选？

一些 2026 年架构会叠加这些工具，而不是只挑一个：

• 大头给 TEE，核心给密码学。把重流水线跑在机密虚拟机里，把 FHE 或 MPC 留给那段小而高风险、硬件信任不可接受的计算。
• ZK 盖在上面负责可验证性。TEE 或 MPC 集群负责算；一个 ZK 证明让外部各方不用重跑就相信计算是对的。下游每个人的验证都保持廉价。
• 真实的例子形状：一个机密 GPU 推理服务，返回一份运行了哪个模型版本的 ZK 证明；一个 MPC 联盟，其结果附带监管者可核验的证明；一次装在普通应用里的 FHE 查询，Apple 交付的字面上就是这个。

Nillion 这类项目把 MPC、HE 和 ZK 编排在一个开发者界面后面。只有从一开始就为替换设计接口、密钥所有权、数据格式与回退语义，组合才会降低路线图风险。从 TEE 转向 FHE 并不是自动替换。

欧盟监管在强制什么，什么时候生效？

对面向欧盟的产品，监管正在悄悄把这份菜单变成必读材料：

• eIDAS 2.0 / EUDI 钱包，须在 2026 年底前提供。每个成员国须在相关实施法案生效后 24 个月内提供至少一个钱包。当前官方工作正在评估基于 BBS 与电路的 ZK 路径；2026 年 7 月的修订也表明标准、认证硬件、assurance 与各国实施仍在演进。不能从探索性规范推断全面批准或禁止。
• EHDS。健康数据二次使用要求受控访问、适当的假名化或匿名化以及安全处理环境。HE、MPC、联邦学习或 TEE 可帮助实现，但法规没有指定统一技术。
• GDPR。经 FHE 处理或经 ZK 验证的数据算不算匿名化，是一场进行中的法律辩论，不是已定的教义。PET 能加强你第 25 条“通过设计保护数据”的叙事；它们不会自动把数据移出 GDPR 的适用范围。在营销话术跑到法律前面之前，先让法务介入。我们关于 AI 应用的欧盟数据驻留的文章覆盖了相邻地带。
• DORA 与 AI 法案带来韧性、证据和治理义务，但不指定 TEE、ZK、FHE 或 MPC。应从受监管流程选择控制措施并记录满足的属性。

贯穿这一切的规律：监管者没有强制指定某种密码学，他们强制的是属性（最小化、选择性披露、机密性），而这个工具箱恰好是把这些属性规模化交付的唯一方式。

什么时候普通的访问控制才是赢家？

比这篇文章的存在所暗示的更常见。在下列情况选无聊的技术：

• 所有经手数据的各方已经在合同层面互相信任（一家公司、一份 DPA、一朵云）。
• 隐私承诺是营销，不是架构。用户很少为他们感知不到的密码学保证付费；他们为能用的产品付费。
• 敏感计算又大、又交互、又卡延迟，而且没有监管逼这个问题。TEE 加严格 IAM 加审计日志，是一个站得住、交付得了的答案。
• 你的团队还撑不起密码学部署所要求的可观测性、密钥管理和审计节奏。数学是容易的部分；运维成熟度才是难的部分。

来源与核验

1. Mopro (2026). Circuit-specific proving and verification benchmarks. zkmopro.org
2. Apple Machine Learning Research (2024). Production HE and private information retrieval. machinelearning.apple.com
3. European Union (2025). Regulation (EU) 2025/327 on the European Health Data Space. eur-lex.europa.eu
4. European Digital Identity Wallet (2026). ZK proofs from multi-message signatures. github.com/eu-digital-identity-wallet
5. W3C (2026). Data Integrity BBS Cryptosuites v1.0, Candidate Recommendation Draft. w3.org
6. European Union (2026). July 2026 amendments to EUDI Wallet standards and specifications. eur-lex.europa.eu
7. NVIDIA (2026). Supported confidential-computing GPU platforms and modes. docs.nvidia.com
8. Google Cloud (2026). Supported confidential VM and GPU configurations. docs.cloud.google.com
9. Confidential GPU research (2025). Performance analysis of confidential GPU workloads. arxiv.org