注：原文作者是以太坊联合创始人VitalikButerin。
特别感谢DankradFeist对本文进行的审阅工作。
混淆电路是一种非常古老，且非常简单的密码学原语。它们很可能是通用“多方计算”的最简单形式。
以下是该方案的常规设置：
假设存在两方，爱丽丝和鲍勃，他们想要计算一些函数f(alice_inputs,bob_inputs)，这需要从双方那获取输入。爱丽丝和鲍勃都想知道计算函数f的结果，但是爱丽丝不想鲍勃知道她的输入，而鲍勃则不想爱丽丝知道他的输入。理想情况下，除了f的输出外，他们都不会得知任何其它东西。
爱丽丝执行特殊的过程来加密评估函数f的电路。她将输入传递给鲍勃。
鲍勃使用一种称为“1-of-2茫然传输”的技术来学习自己输入的加密形式，而不让爱丽丝知道他获得了哪些输入。
鲍勃在加密数据上运行加密电路，得到答案，并将其传递给爱丽丝。
额外的密码学封装可用于保护该方案，以防止爱丽丝和鲍勃发送错误的信息并互相给出错误的答案。为了简单起见，我们不会讨论这些问题，尽管可以说“把ZK-SNARK封装在所有东西上”是其中之一有效的解决方案。
Watcher.Guru：Vitalik Buterin撰写以太坊白皮书时只有19岁:金色财经报道，Watcher.Guru发推特表示，Vitalik Buterin撰写Ethereum白皮书时只有19岁。[2023/2/20 12:16:52]
那基本方案如何运作呢？让我们从电路开始：
这是一个最简单的电路例子，它实际上做了一些事情：它是一个两位加法器。它以二进制形式输入两个数字，每个数字具有两位，并输出一个三位二进制数字。
现在，让我们对电路进行加密。首先，对于每个输入，我们随机生成两个“标签”：一个表示输入为0，另一个表示输入为1。然后我们也对每个中间线做同样的操作，不包括输出线。注意，这些数据不是爱丽丝发送给鲍勃的“混淆”的一部分；到目前为止，这只是设置。
Swingby与Waves计划将LTC、BEP-2代币和隐私币连接到Gravity:Swingby和Waves联合力量来增强其链间基础设施，并将LTC、BEP-2代币和隐私币连接到Gravity及其各种目标链。Swingby和Gravity宣布达成合作，重点是将两个为跨链交互设计的基础设施结合起来，共同构建链间DeFi。（Globe Newswire）[2020/9/1]
现在，对于电路中的每个门，我们执行以下操作。对于每一个输入组合，我们在爱丽丝提供给鲍勃的“混淆”中包含输出标签，该标签是通过将导致该输出的输入标签散列在一起而生成的密钥加密的。为了简单起见，我们的加密算法可以是
enc(out,in1,in2)=out+hash(k,in1,in2)，其中
k是门的索引。如果你知道这两个输入的标签，并且你有混淆，那么你可以学习相应输出的标签，因为你只需计算相应的哈希，并将其减去即可。
这是第一个异或门的混淆：
声音 | Kavita Gupta：风投在加密货币领域的投资方式发生了变化:ConsenSys Ventures创始执行合伙人Kavita Gupta在最近接受采访时表示，风投在加密货币领域的投资方式发生了变化。风投开始适应新的模式，加密货币投资比较独特，其流动性、持续性、风险特征、波动性等因素都与传统的长线投资基金有很大不同。区块链投资者的构成在不断变化，企业家画像也在变化。在这一领域担任CEO的人士从大部分是年期的技术专家变成了很多是经验丰富的工程师和连续创业者。产品的愿景、路线图，尤其是接纳的理由和友好的用户界面已成为了讨论主题之一。一些大型风投公司正在成立加密货币领域专用基金，使世界更加接近Web 2.0和Web 3.0，并验证这一领域的许多早期技术，而这些技术在一年前还看起来可能是不现实的。”[2019/1/30]
请注意，我们直接包括0和1，因为此异或门的输出直接是程序的最终输出。现在，让我们看一下最左边的与门：
行情 | Activity 指数EOS排名第一:据blocktivity.info数据显示，Activity 指数排名第一的EOS 现报为 6,101,280 ，排名第二的STEEM 的 Activity 指数为 1,122,576 ，排名第三的BTS的 Activity 指数为 949,526 ，排名第四的ETH 的 Activity 指数为 574,337 ，排名第五的BTC 的 Activity 指数为 183,026 。Acitivity 指数为最近 24 小时内在区块链上执行的操作数量。[2018/8/26]
在这里，门的输出仅用作其他门的输入，因此我们使用标签而不是位来隐藏评估器中的这些中间位。
爱丽丝将提供给鲍勃的混淆只是每个门第三列中的所有内容，每个门的行被重新排序。为了帮助鲍勃了解为每个门解密哪个值，我们将使用一个特定的顺序：对于每个门，第一行变为两个输入标签均为偶数的行，第二行第二个标签为奇数，第三行第一个标签为奇数，第四行两个标签均为奇数。我们以相同的方式混淆电路中的每个其他门。
Vitalik Buterin推特发布五个以太坊扩展策略:\tVitalik Buterin在推特上发布了5个扩展策略：1、多条独立链; 2、超大区块; 3、不改变安全模型的逐步升级（例如、用压缩的delta+STARKs替换txs+sigs）;4、双层网络（主区链和Plasma）;5、分片技术。此前Vitalik Buterin推特上称，分片即将到来[2018/6/9]
总之，爱丽丝为电路中的每个门向鲍勃发送了四个约256位的数字。事实证明，4远非最佳值；有关如何将与门的数量减少为3甚至是2，以及将异或门数量减少为零，请参见此处的一些优化。请注意，这些优化确实依赖于某些更改，使用XOR代替加法和减法，尽管为了安全起见还是应该这样做。
当鲍勃收到电路时，他向爱丽丝索要与她的输入相对应的标签，并且他使用称为“1-of-2茫然传输”的协议来向爱丽丝索要与自己的输入相对应的标签，而没有向爱丽丝透露他的输入是什么。然后他一个接一个地通过电路中的各个门，揭露每个中间门的输出线。
假设爱丽丝的输入是两条左线，她给出，而鲍勃的输入是两条右线，他给出。这又是带有标签的电路：
在一开始，鲍勃知道标签6816,3621,4872,5851；
鲍勃评估第一个门，他知道6816和4872，因此他可以提取与对应的输出值并提取第一个输出位1；
鲍勃评估第二个门，他知道6816和4872，因此他可以提取与对应的输出值并提取标签5990；
鲍勃评估第三个门，他知道他知道3621和5851，并学习7504；
鲍勃评估第四个门，他知道3621和5851，并学习6638；
鲍勃评估第五个门，他知道3621和5851，并学习7684；
鲍勃评估第六个门，他知道5990和7504，并学习第二个输出位0；
鲍勃评估第七个门，他知道5990和6638，并且学习了8674；
鲍勃评估第八个门，他知道8674和7684，并学习了第三个输出位1；
这样鲍勃就了解了输出：101。在二进制中，10+11实际上等于101的原因），所以它起作用了！
请注意，加法的使用在混淆电路中是毫无意义的，因为知道101的鲍勃可以减去他自己的输入并得到101-11=10，从而破坏了隐私。但是，一般情况下，混淆电路可用于不可逆的计算，因此请勿以此方式破坏隐私（例如，人们可能会想到一种计算，其中爱丽丝的输入和鲍勃的输入，是他们对个性测验的答案，而输出是一个位，决定算法是否认为它们是兼容的；而这一位的信息不会让爱丽丝和鲍勃知道彼此的个人测验答案。
1-of-2茫然传输
现在让我们更多地讨论1-of-2茫然传输，这是鲍勃用来从爱丽丝那获取与他自己输入对应标签的技术。问题是这样的：聚焦于鲍勃的第一个输入位，爱丽丝有一个对应于0的标签，和一个对应于1的标签。鲍勃有他想要的输入位：1。鲍勃想学习正确的标签，而又不让爱丽丝知道他的输入位是1。平凡的解决方案不起作用，因为爱丽丝只想放弃两个输入标签中的一个，如果鲍勃同时接收两个输入标签，则可能泄漏爱丽丝不想放弃的数据。
下面是一个使用椭圆曲线的简单协议：
爱丽丝生成一个随机椭圆曲线点H；
鲍勃生成两个点P1和P2，要求P1+P2等于H。鲍勃选择P1或P2为G*k。请注意，P1+P2=H的要求可确保鲍勃不能生成P1和P2。这是因为如果在鲍勃知道k1和k2的情况下，如果P1=G*k1和P2=G*k2，则H=G*，因此这意味着鲍勃可提取H的离散对数，这意味着椭圆曲线密码系统的所有部分都被破坏了；
爱丽丝确认P1+P2=H，并使用一些标准公钥加密方案加密P1下的v1和P2下的v2。鲍勃只能解密这两个值中的一个，因为他知道最多对应一个值的私钥，而爱丽丝又不知道是哪一个。
这解决了问题，鲍勃根据输入位的不同，学习两个线标签中的一个，而爱丽丝却不知道鲍勃学习了哪个标签。
应用领域
混淆电路对于很多应用都有潜在的用途，而不仅仅是2-of-2的计算。例如，你可以使用它们进行任意复杂度的多方计算，其中任意数量的参与者提供输入，这些输入可以在恒定数量的交互中运行。产生一个混淆电路是完全并行的，你可以同时进行多个混淆门。
因此，你可以简单地进行大规模多方计算，其中许多参与者计算电路中所有门的混淆，并发布与其输入对应的标签。标签本身是随机的，因此不会透露任何关于输入的信息，但是任何人都可以执行公布的混淆电路，并在“清除”中学习输出。有关使用混淆作为成分的MPC协议的最新示例，请参见此处。
多方计算不是唯一的应用环境，在这种情况下，这种将计算拆分为可并行处理部分的技术可对秘密数据进行操作，然后再进行可明确运行的顺序部分，这是有用的，而混淆电路并不是实现这一点的唯一技术。一般来说，关于随机编码的文献，包括很多更复杂的技术，这一数学分支在函数加密和模糊处理等技术中也是很有用的。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。