Sui推出亚秒级MPC网络lka：解析FHE、TEE、ZKP与MPC的技术竞争格局

Ika网络概述与定位

图源：Ika

在Sui基金会的战略支持下，Ika网络近期公布了其技术定位与发展方向。这个基于多方安全计算(MPC)技术的创新基础设施最引人注目的特点是其亚秒级的响应速度，这在同类MPC解决方案中尚属首创。Ika与Sui区块链展现出独特的技术适配性，两者在并行处理、去中心化架构等底层设计理念上高度契合。未来Ika将直接集成至Sui开发生态，为Sui Move智能合约提供即插即用的跨链安全模块。

从功能定位来看，Ika正在构建一个新型安全验证层：既作为Sui生态的专用签名协议，又面向全行业输出标准化跨链解决方案。其分层设计巧妙平衡了协议灵活性与开发便利性，有望成为MPC技术在多链场景中大规模应用的重要实践案例。

核心技术解析

Ika网络的技术实现围绕高性能分布式签名展开，其创新之处在于将2PC-MPC门限签名协议与Sui的并行执行和DAG共识相结合，实现了真正的亚秒级签名能力和大规模去中心化节点参与。通过2PC-MPC协议、并行分布式签名和与Sui共识结构的深度整合，Ika致力于打造一个同时满足超高性能与严格安全需求的多方签名网络。

2PC-MPC签名协议采用改进的两方MPC方案，将用户私钥签名操作分解为”用户”与”Ika网络”两个角色共同参与的过程。这种设计将原本需要节点两两通信的复杂流程转变为广播模式，使计算通信开销保持恒定，与网络规模无关，从而确保签名延迟维持在亚秒级。

并行处理机制将单次签名操作分解为多个并发子任务，在节点间同时执行，大幅提升了处理速度。这一机制与Sui的对象并行模型(object-centric model)完美结合，使得网络无需对每笔交易达成全局顺序共识，可以同时处理大量事务，显著提高吞吐量并降低延迟。Sui的Mysticeti共识采用DAG结构消除了区块认证延时，允许即时出块提交，为Ika提供了亚秒级最终确认的技术基础。

在节点网络方面，Ika突破了传统MPC方案通常只能支持4-8个节点的限制，实现了上千个节点参与签名。每个节点仅持有密钥碎片的一部分，即使部分节点被攻破也无法单独恢复私钥。只有当用户和网络节点共同参与时才能生成有效签名，这种设计构成了Ika零信任模型的核心。

跨链控制与链抽象功能允许其他链上的智能合约直接控制Ika网络中的账户(dWallet)。通过在自身网络中部署相应链的轻客户端(state proofs)，Ika实现了跨链验证。目前Sui状态证明已率先实现，使得Sui上的合约可以将dWallet作为构件嵌入业务逻辑，并通过Ika网络完成对其他链资产的签名和操作。

Ika对Sui生态的赋能潜力

图源：Ika

Ika上线后，将为Sui区块链拓展能力边界，为整个生态基础设施提供有力支持。SUI和IKA代币将协同使用，其中IKA用于支付签名服务费并作为节点质押资产。

Ika为Sui生态带来的最显著影响是跨链互操作能力。其MPC网络支持以较低延迟和较高安全性将比特币、以太坊等链上资产接入Sui网络，实现流动性挖矿、借贷等跨链DeFi操作，显著提升Sui在该领域的竞争力。凭借快速的确认速度和强大的扩展性，Ika已被多个Sui项目接入，有效推动了生态发展。

在资产安全方面，Ika提供了去中心化的托管机制。用户和机构可以通过其多方签名方式管理链上资产，相比传统中心化托管方案更加灵活安全。即使是链下发起的交易请求，也能在Sui上安全执行。

链抽象层设计让Sui上的智能合约可以直接操作其他链上的账户和资产，无需经过繁琐的桥接或资产封装流程，大幅简化了跨链交互过程。原生比特币的直接接入，使BTC能够直接在Sui上参与DeFi和托管操作。

此外，Ika还为AI自动化应用提供了多方验证机制，有效防止未经授权的资产操作，提升AI执行交易时的安全性和可信度，为Sui生态未来在AI方向的拓展开辟了可能性。

Ika面临的挑战

尽管Ika与Sui紧密绑定，但要成为跨链互操作的”通用标准”，仍需获得其他区块链和项目的广泛接纳。当前市场上已有Axelar、LayerZero等跨链方案在不同场景中得到应用。Ika要在竞争中突围，需要在”去中心化”和”性能”之间找到更优平衡点，吸引更多开发者和资产接入。

MPC技术本身也存在一定争议，特别是签名权限撤销问题。传统MPC钱包一旦分发私钥碎片，即使重新分片，持有旧片段者理论上仍可能恢复原始私钥。虽然2PC-MPC方案通过用户持续参与提高了安全性，但在安全高效更换节点方面仍有改进空间。

Ika的性能表现依赖于Sui网络的稳定性和自身网络状况。未来如果Sui进行重大升级，比如将Mysticeti共识更新为MVs2版本，Ika必须做出相应适配。基于DAG的Mysticeti共识虽然支持高并发和低手续费，但由于缺乏主链结构，可能使网络路径更复杂、交易排序更困难。异步记账机制虽然提高了效率，但也带来了新的排序和共识安全问题。此外，DAG模型对网络活跃度要求较高，如果使用率不足，容易出现交易确认延迟和安全性下降等问题。

隐私计算技术对比：FHE、TEE、ZKP与MPC

不同隐私计算方案概述

图源：@tpcventures

隐私计算作为区块链与数据安全领域的热点技术，主要包括全同态加密(FHE)、可信执行环境(TEE)、零知识证明(ZKP)和多方安全计算(MPC)等方案。

全同态加密(FHE)允许在不解密的情况下对加密数据进行任意计算，实现输入、计算过程和输出的全程加密。其安全性基于复杂的数学难题(如格问题)，具备理论上的完备计算能力，但计算开销极大。近年来，通过算法优化、专用库(如Zama的TFHE-rs、Concrete)及硬件加速(Intel HEXL、FPGA/ASIC)等手段，FHE性能有所提升，但仍属于”缓行快攻”的技术。

可信执行环境(TEE)是处理器提供的受信任硬件模块(如Intel SGX、AMD SEV、ARM TrustZone)，能够在隔离的安全内存区域运行代码，防止外部软件和操作系统窥视执行数据和状态。TEE依赖硬件信任根，性能接近原生计算，通常只有少量开销。虽然能为应用提供机密执行环境，但其安全性依赖于硬件实现和厂商固件，存在潜在后门和侧信道风险。

多方安全计算(MPC)利用密码学协议，允许多方在不泄露各自私有输入的前提下共同计算函数输出。MPC不依赖单点信任硬件，但计算需要多方交互，通信开销大，性能受网络延迟和带宽限制。相比FHE，MPC计算开销较小，但实现复杂度高，需要精心设计协议和架构。

零知识证明(ZKP)是一种密码学技术，允许验证方在不获取额外信息的情况下验证某个陈述的真实性。证明者可以向验证者证明自己掌握某项秘密信息(如密码)，而无需直接公开该信息。典型实现包括基于椭圆曲线的zk-SNARK和基于哈希的zk-STARK。

不同技术的适配场景

图源：biblicalscienceinstitute

各种隐私计算技术各有所长，关键在于应用场景的具体需求。在跨链签名场景中，需要多方协同且避免单点私钥暴露，MPC就显示出明显优势。例如门限签名(Threshold Signature)允许多个节点各自保存部分密钥碎片，共同完成签名，没有单一节点能控制完整私钥。Ika网络采用的2PC-MPC并行签名方案可同时处理上千笔签名，且具备横向扩展能力，节点越多速度越快。相比之下，TEE虽然也能实现跨链签名(通过SGX芯片运行签名逻辑)，速度快且部署方便，但一旦硬件被攻破，私钥就会泄露，完全依赖芯片和制造商的可信度。FHE在这一领域表现较弱，因为签名计算不属于其擅长的”加法乘法”模式，虽然理论上可行，但开销过大，实际系统中很少采用。

在DeFi应用场景如多签钱包、金库保险和机构托管中，多签本身提供了安全性，但关键在于私钥存储和签名风险分担。MPC是目前的主流方案，例如Fireblocks等服务提供商将签名拆分为多份，由不同节点参与签名，即使单个节点被攻破也不会危及整体安全。Ika的两方模型设计实现了私钥的”不可合谋”，减少了传统MPC中”多方共谋作恶”的可能性。TEE在此领域也有应用，如硬件钱包或云钱包服务利用可信执行环境保障签名隔离，但仍无法摆脱硬件信任问题。FHE在托管层面的直接作用有限，更多用于保护交易细节和合约逻辑隐私，例如实现隐私交易中隐藏金额和地址信息，这与私钥托管关系不大。因此在这一场景下，MPC侧重分散信任，TEE强调性能，FHE则主要应用于上层隐私逻辑。

在AI和数据隐私领域，情况又有所不同，FHE的优势在此更加凸显。它能让数据全程保持加密状态，例如将医疗数据用于链上AI推理时，FHE可使模型在不接触明文数据的情况下完成判断并输出结果，整个过程无人能窥视原始数据。这种”加密中计算”的能力特别适合敏感数据处理，尤其是在跨链或跨机构协作场景。Mind Network正在探索让PoS节点通过FHE在互不知情状态下完成投票验证，防止节点抄袭，确保整个过程的私密性。MPC也可用于联合学习，例如不同机构合作训练模型时各自保留本地数据不共享，仅交换中间结果。但这种方式在参与方增多时，通信成本和同步问题会变得突出，目前仍以实验性项目为主。TEE虽然能在受保护环境中直接运行模型，也有联邦学习平台用它进行模型聚合，但其内存限制和侧信道攻击风险不容忽视。因此在AI相关场景中，FHE的”全程加密”能力最为突出，MPC和TEE可作为辅助工具，但需要具体方案配合。

技术方案的差异化

在性能与延迟方面，FHE(如Zama/Fhenix)由于频繁的Bootstrapping操作，延迟较高，但能提供最强的加密态数据保护；TEE(如Oasis)延迟最低，接近普通执行，但需要硬件信任；ZKP(如Aztec)批量证明时延迟可控，单笔交易延迟介于两者之间；MPC(如Partisia)延迟中等偏低，受网络通信影响最大。

信任假设方面，FHE与ZKP都基于数学难题，无需信任第三方；TEE依赖硬件与厂商，存在固件漏洞风险；MPC则依赖半诚实或至多t异常模型，对参与方数量和行为假设较为敏感。

扩展性上，ZKP Rollup(如Aztec)和MPC分片(如Partisia)天然支持水平扩展；FHE和TEE的扩展需要考虑计算资源和硬件节点供给。

集成难度方面，TEE项目接入门槛最低，对编程模型改动最少；ZKP与FHE都需要专门电路与编译流程；MPC则需要协议栈集成与跨节点通信。

市场观点：FHE是否优于TEE、ZKP或MPC？

FHE、TEE、ZKP和MPC在解决实际问题时似乎都存在一个不可能三角：”性能、成本、安全性”。虽然FHE在理论隐私保障方面颇具吸引力，但并非在所有方面都优于其他方案。其性能劣势导致推广困难，计算速度远落后于其他技术。在对实时性和成本敏感的应用中，TEE、MPC或ZKP往往更具可行性。

不同技术的信任模型和适用场景也存在差异：TEE和MPC提供了不同的信任模型和部署便利性，而ZKP专注于验证正确性。正如业界共识所示，各类隐私工具各有所长，没有放之四海而皆准的最优方案。例如，对于链下复杂计算的验证，ZKP能高效解决；多方共享私有状态的计算，MPC更为直接；TEE在移动端和云环境中提供成熟支持；而FHE适合极度敏感的数据处理，但目前仍需硬件加速才能发挥实用价值。

FHE并非”普适优越”，技术选择应基于具体应用需求和性能权衡。未来的隐私计算很可能是多种技术互补集成的结果，而非单一方案胜出。例如Ika设计侧重密钥共享和签名协调(用户始终保留部分私钥)，其核心价值在于实现无需托管的去中心化资产控制。相比之下，ZKP擅长生成数学证明供链上验证状态或计算结果。这两种技术并非简单替代关系，而是互为补充：ZKP可用于验证跨链交互的正确性，减少对桥接方的信任需求；而Ika的MPC网络则提供”资产控制权”的底层基础，可与ZKP结合构建更复杂系统。此外，Nillion等项目开始融合多种隐私技术，其盲计算架构无缝集成了MPC、FHE、TEE和ZKP，在安全性、成本和性能之间寻求平衡。这表明未来隐私计算生态将趋向于采用最适合的技术组件组合，构建模块化解决方案。