陈智罡博士团队一直致力于全同态加密与技能的研发。· 同态加密（Rivest，Adleman和Dertouzos 1978年）答允对加密的数据举办数学运算（譬喻，，对加密的余额付出利钱）。
诸如零常识证明之类的暗码技能尚处于起步阶段，仍然是活泼的研究规模。利用它们所需的技术并不像在更成熟的技能规模那样遍及。很少有系统在业务中陈设这些技能，甚至在私营企业中也是如此。这里的风险是它们的技能巨大性和不成熟性大概掩盖裂痕。
新兴暗码技能的风险
按照Cavoukian（2011）的概念，从一开始就将具有合规性的隐私设计到系统中很是重要。通过设计得到隐私是一种众所周知的要领，要求在整个设计进程中主动设计隐私。另一种选择是先举办成果设计，然后再增加隐私和礼貌遵从性，这会带来不须要的折衷风险。
系统设计人员可以摸索更多没有在这里先容的技能，以供潜在利用：譬喻，密文信息检索（Chor等人，1998）和能否定加密（Canetti等人，1997年）。个中大大都都足够机动，可以跨各类技能平台（譬喻会合式、漫衍式账本技能和基于设备的平台）利用，而且可以组合和定制以实现细粒度的CBDC隐私方针。
另外，隐私技能的选择将取决于所选择的平台。典范的证明系统由证明者（譬喻最终用户）构成，证明者生成证明和检讨者（譬喻系统）来对其举办查抄。在DLT系统中，多个节点执行验证，因此系统设计人员需要确保验证协议高效。会合式系统可以容忍较慢的验证。另一个思量因素是证明者效率与证明巨细之间的衡量，实现快速证明生成的算法凡是会发生大量证明。在受限的存储限制下，基于设备的办理方案大概谋面对挑战。基于设备的办理方案还必需确保所选的方案可以在零散的CBDC网络毗连和有限的计较本领的限制内运行。
要求CBDC系统切合礼貌（譬喻KYC和AML）。这可以抉择隐私级别和隐私技能的选择。KYC大概会要求实体存储具有适当分类的小我私家数据。凡是，在遵守礼貌的同时实现高度隐私是很巨大的。可是，设计人员可以构建具有殽杂隐私级此外系统。在这种环境下，不加限制的托管和生意业务（为用户提供最大的私密性）将在限制（譬喻最大金额）之内，而无限制的托管和生意业务则将被答允。
设计隐私
· 奥秘共享（Shamir1979）或多重签名（Itakura and Nakamura 1983）可以确保只有在足够数量的实体（譬喻五个实体中的三个）同意时才披露敏感数据。
譬喻，思量一个系统，个中私有事务由MSB验证。假如贸易模式声明MSB是高度可信的，那么可以通过假设验证者是厚道的来简化隐私协议。不然，所选择的协议必需防备不厚道的验证者，这将带来更高的巨大性。假如金额是埋没的，而且政谋划定了计息的CBDC，那么所选择的方案必需支持加密的利钱付出计较。
· 差分隐私（Dwork和Roth 2014）和匿名化是确保无法从敏感数据会合提取小我私家可识别信息的技能。为研究和数据阐明之类的用途提供了安详且私有的数据。
相识CBDC的业务模子、属性和技能平台对付选择正确的布局并适内地组合它们至关重要。
一般来说，较低的隐私级别更容易实现，因为必需掩护的信息更少。为了得到更高的隐私，系统必需将信息封装在靠得住的控件中。这增加了巨大性，增加了运营本钱。它还增加了计较开销，因此无论是DLT平台还长短DLT平台，扩展到一个总体局限都是具有挑战性或不切实际的。譬喻，（Nakamoto 2008）是一种果真的DLT，生意业务完全可见。Zcash（Hopwood等人。2020年）也是一个民众DLT，但完全私有生意业务成立在零常识证明的基本上。这些隐私结构很是巨大，不行扩展，而且为用户带来比通例事务慢得多的计较开销。
遵守隐私和技能礼貌的影响
贸易模式、属性僻静台的最佳组合
隐私权设计可以应用各类组件，而且思量其成熟度举办衡量：
另外，还没有任何已知的陈设可以或许包围到全国人口。在这种环境下，风险是将这些技能应用于加拿大及今后的人群以供未来利用的未知技能障碍，譬喻物联网端点的小额付出。
· 零常识证明（Blum，Feldman和Micali 1988）可以证明有关数据的债权而无需透露它们（譬喻，他们可以证明账户余额足以举办生意业务而无需透露余额）。
· 群签名（Chaum和van Heyst 1991）答允一组实体在掩盖其身份的同时举办生意业务，从而仅展现了“该集体中有人”的生意业务。
自界说和组合隐私布局以实现所需的设计
更高隐私级此外衡量
衡量与风险
· 多方计较（Yao1982）答允多个实体安详地将其数据分享出来以举办欺诈检测，同时保持其数据互相之间的隐私性。
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。
