Zama 发布了 TFHE-rs v1.1 版本，GPU 后端升级，采用与 CPU 相同的默认加密参数，降低了计算错误的概率。多 GPU 支持也得到了显著改善，开发者可以选择要使用的 GPU，在 8×H100 GPU 上每秒可进行接近 500 次加密的 64 位加法。CPU 方面，此版本通过支持更多标量情况扩展了运算符集，从而使同态计算更加通用和高效。

Zama发布 Concrete ML v1.9 版本，该版本支持 TFHE-rs 密文格式，支持开发者使用 Rust 生态系统进行加密机器学习工作流程，能够将 Concrete ML 模型无缝集成到基于 Rust 的 FHE 管道中。同时，LoRA LLM 微调协议也得到了性能上的改进，并推出了新的 SDK，旨在构建支持 FHE 的浏览器和移动应用程序，使移动用户能够安全地处理敏感数据。

文章讨论了在私募股权通证化中，保密性的重要性，以及全同态加密（FHE）等隐私保护技术如何实现保密。文章指出，私募股权的私有性是其本质，投资者和公司都不希望敏感信息公开。FHE允许在加密数据上进行计算，从而在不泄露敏感信息的情况下，进行资格证明、收益分配和治理投票。Zama正在与OpenZeppelin和Inco合作开发保密的ERC-20通证标准。

Zama团队在EUROCRYPT 2025上展示了其在全同态加密(FHE)方面的最新研究成果，该研究旨在通过控制密文漂移来提高FHE的安全性及效率，特别是在IND-CPAD安全模型下。他们提出了一系列新技术，能够在不显著增加计算成本的前提下，降低解密错误的概率，从而提升FHE在实际应用中的安全性，并引入了更强的安全模型sIND-CPAD。

本文介绍了Zama Bounty Program Season 7的获奖方案，该方案使用全同态加密（FHE）和Concrete ML实现了加密图像的隐形水印。该方案包含一个编码器神经网络（用于嵌入水印）和一个解码器神经网络（用于提取水印）。文章还讨论了该方案的性能和水印提取方法，以及其在版权保护、身份验证和篡改检测等方面的应用潜力。

本文介绍了Zama团队的fhEVM在token销售拍卖中的应用，重点介绍了社区成员Palra利用同态加密技术构建的链上保密单价拍卖系统，该系统允许参与者进行保密的竞标，同时确定统一的结算价格。文章还深入探讨了该方案中Fenwick树数据结构的使用，以及如何在保密性和可扩展性之间找到平衡。

本文讨论了稳定币的现状和未来，认为目前稳定币面临的最大挑战是缺乏隐私性。文章提出利用全同态加密（FHE）技术创建具有内置隐私功能的稳定币，使得交易双方的身份和交易金额都得到加密保护，同时保持智能合约的完整功能。文章最后呼吁稳定币发行方、银行和资产管理公司考虑采用FHE技术。

Zama 发布了 TFHE-rs v1.0 稳定版，该版本稳定了 x86 CPU 后端的高级 API，并确保向后兼容，提升了密码学安全性，优化了分布式协议的性能。此外，还发布了 TFHE-rs 手册，详细介绍了后端的实现，并简化了贡献流程。通过贡献 Zama Bounty Program 还可以获得奖励，此外，GPU 后端也在开发中。

本文主要介绍了Zama推出的基于全同态加密(FHE)技术的区块链协议fhEVM，旨在解决DeFi领域中机构和高净值用户对交易隐私的需求。通过加密ERC-20代币、实现非抵押贷款和减少MEV攻击，fhEVM为DeFi带来了更高的隐私性和资本效率，有望吸引更多机构参与。文章呼吁开发者利用该技术构建下一代保密借贷协议。

本文介绍了Zama的FHE State OS，这是一个基于区块链的IT基础设施，旨在通过全同态加密保护公民隐私，同时管理税收、公共支出等政府职能。文章还讨论了使用FHE构建的几个应用案例，包括：加密的ERC-20 token，使用加密投票的DAO，以及去中心化身份系统。