机密 AI 推理实战：在 Intel TDX / AMD SEV-SNP 可信执行环境中部署 LLM 推理服务
深入探讨如何利用现代CPU的可信执行环境（TEE）构建机密AI推理体系，在Intel TDX和AMD SEV-SNP硬件保护下部署LLM推理服务，确保数据在使用过程中（Data-in-Use）始终处于加密保护状态。
隐私计算
从TFHE到CKKS：全同态加密（FHE）的工程化实践与生产落地方案
从TFHE到CKKS：详解全同态加密（FHE）主流方案选型、噪声管理机制、Zama Concrete框架实战、以及ASIC/FPGAs硬件加速最新进展，为2026年隐私计算生产落地提供完整工程指南。
全同态加密 (FHE) 工程化深度实战：从密码学到隐私计算生产落地
全同态加密被视为密码学领域的圣杯，允许在密文上直接进行任意计算。本文深入拆解 FHE 的数学基础、工程实现、性能瓶颈与实战优化路径，涵盖 BGV/BFV/CKKS/TFHE 方案对比、NTT 加速、SIMD 批处理、GPU 加速进展以及隐私保护 ML 推理的端到端实现。
差分隐私工程实战：从 ε-δ 证明到生产级数据流水线
深入拆解差分隐私的数学根基、工程实现陷阱，以及如何在生产环境中构建隐私保护数据流水线。涵盖拉普拉斯/高斯机制、隐私预算会计、平滑敏感度、DP-FL 联邦学习实战等核心内容。
远程证明协议工程深度实战 — 从 TEE 到隐私保护 AI 推理的信任链构建
深入解析远程证明协议的工程挑战与实战经验，涵盖 AMD SEV-SNP、Intel TDX 的证明流程、证书链验证、新鲜性保证、以及在隐私保护 AI 推理中的应用实践。
安全多方计算工程实践：从零构建隐私保护协作系统
深入解析安全多方计算(SMPC)核心密码学原语与现代工程框架，涵盖Shamir秘密共享、混淆电路、茫然传输的工程实现，对比CrypTen、MP-SPDZ等主流框架，详解性能优化三大策略（离线预处理/函数近似/GPU加速），并提供生产级Docker部署架构与完整的隐私保护推理实践方案。附PyTorch CrypTen完整代码示例。
机密计算实战：Intel TDX / AMD SEV-SNP / GPU TEE 的硬件级隐私保护生产部署
深入解析机密计算三大硬件可信执行环境——Intel TDX、AMD SEV-SNP 和 NVIDIA GPU TEE，涵盖架构原理、远程证明协议与生产环境中的容器化部署实践
零知识证明从理论到实战：构建隐私计算时代的信任基础设施
深入剖析零知识证明的理论基础、主流技术方案（zk-SNARKs、zk-STARKs、Bulletproofs）及其工程实践，涵盖隐私投票、ZKML、跨链互操作等前沿应用场景，展望2026年ZKP技术发展趋势。
零知识证明深入浅出：ZK-SNARK 如何让区块链隐私计算成为现实
ZK-SNARK技术深度解析：从数学原理到区块链实践，详解零知识证明的完备性、可靠性、零知识性，涵盖ZK-Rollup、隐私计算、身份认证等应用场景，附动手实践代码示例
2026年隐私计算技术落地全景：从理论突破到大规模商业部署的跨越
2026年隐私计算技术落地全景分析：联邦学习从横向进入纵向融合，多方安全计算突破性能瓶颈，TEE远程证明标准化，三大技术路线在金融、医疗、政务领域规模化落地。
