Nie teoria. Produkcja.

Goldman Sachs we współpracy z IBM wdrożył FHE (schemat BGV/HElib) do obliczania scoringu kredytowego klientów instytucjonalnych bez ujawniania modelu scoringowego ani danych klienta żadnej ze stron. Bank przesyła zaszyfrowane parametry modelu — klient przesyła zaszyfrowane dane finansowe — wynik wraca zaszyfrowany do banku.

Wartość biznesowa: bank nie ujawnia algorytmu scoring (IP). Klient nie ujawnia pełnych danych finansowych (privacy). Obie strony dostają wynik bez wzajemnego zaufania. Zero data breach risk — bo żadna strona nie widzi danych drugiej.

Dark pool to giełda instytucjonalna gdzie zlecenia są ukryte do momentu realizacji — żeby duże transakcje nie ruszały rynku przed wykonaniem. Tradycyjne dark poole są scentralizowane — operator widzi wszystkie zlecenia. FHE eliminuje tę lukę.

OctraEx to działający przykład: zlecenia są szyfrowane przez HFHE i matchowane bezpośrednio na sieci. Matching operuje na ct_gte — porównuje zaszyfrowane ceny bez ich ujawniania. Żaden uczestnik nie widzi cudzego zlecenia przed rozliczeniem.

Duality Technologies (startup FHE z MIT CSAIL) przeprowadziła pilotaż z bankiem centralnym: aukcja obligacji skarbowych gdzie oferty uczestników były zaszyfrowane przez cały czas trwania aukcji. Wynik: cena rozliczeniowa i alokacje — bez ujawnienia indywidualnych ofert.

Dlaczego to ważne: w tradycyjnych aukcjach operator aukcji widzi wszystkie oferty — i może czerpać z tej wiedzy. Sealed FHE auction eliminuje to ryzyko strukturalnie, nie przez regulacje i zaufanie.

Publiczne głosowanie w DAO (Compound, Aave, Uniswap) ma jeden fundamentalny problem: każdy widzi jak głosujesz zanim głosowanie się skończy. Wieloryby kopiują głosy influencerów. Lobbyści wiedzą komu zapłacić. FHE to naprawia: głosy są zaszyfrowane do zakończenia głosowania. Wynik zliczany homomorficznie — i dopiero wtedy ujawniony.

Konkretnie: total_yes = ct_add(vote_1, vote_2, ..., vote_N) — serwer zlicza głosy bez widzenia żadnego z nich. Decrypt tylko sumy — nigdy indywidualnych głosów.

Estonia — lider e-votingu — eksperymentuje z FHE jako następcą obecnego systemu (który ujawnia głosy operatorom). MIT Voting Project i IACR pracują nad schematami gdzie głos jest zaszyfrowany od momentu oddania — serwery zliczają bez deszyfrowania — wynik ujawniony po zamknięciu urny.

Kluczowe wymaganie matematyczne: suma zaszyfrowanych głosów (ct_add) jest homomorficzna w BGV, CKKS i TFHE. Weryfikowalność — dowód zero-knowledge że głos jest binarny (0 lub 1) — wymaga dodatkowych protokołów, ale jest osiągalna.

ING Bank przeprowadził pilotaż z Accenture: weryfikacja AML (Anti-Money Laundering) gdzie model sprawdza zaszyfrowane transakcje klienta względem zaszyfrowanej listy wzorców podejrzanych transakcji — bez ujawniania ani jednych, ani drugich. Wynik: "suspicious / clean" — bez dostępu do danych.

Wartość regulacyjna: banki muszą współdzielić wzorce AML między sobą — ale nie mogą ujawniać danych klientów konkurencji. FHE umożliwia porównanie bez ujawnienia: bank A sprawdza transakcje swoich klientów względem wzorców banku B, nie widząc wzorców B ani danych klientów A. Wzajemna ślepota przy pełnej weryfikacji.

Nowe regulacje EU (MiCA, DORA, AI Act) wymagają od firm udowodnienia że ich systemy spełniają określone parametry — bez konieczności ujawniania wewnętrznych danych regulatorom. FHE umożliwia "audyt bez wglądu": regulator dostaje kryptograficzny dowód spełnienia wymogów, bez dostępu do surowych danych.

Przykład MiCA: crypto exchange musi udowodnić że ma wystarczające rezerwy (Proof of Reserves) bez ujawniania pełnego bilansu. FHE: zaszyfrowane saldo ≥ zaszyfrowane zobowiązania → weryfikowalny bool bez ujawnienia liczb.