lightphe 的 paillier 实现默认将浮点数转为整数处理，导致解密后精度丢失或结果异常；本文详解通过列表封装浮点数、启用张量模式实现精确浮点同态计算与解密。
lightphe 的 paillier 实现默认将浮点数转为整数处理，导致解密后精度丢失或结果异常；本文详解通过列表封装浮点数、启用张量模式实现精确浮点同态计算与解密。
在使用 LightPHE 进行同态加密求和时，常见误区是直接传入 float 类型的金额（如 123.45）调用 cs.encrypt(plaintext=float(row[1])) —— 此时 LightPHE 会自动截断小数部分，仅保留整数部分（例如 123.45 → 123），导致最终解密结果严重失真，看似“无法解密”，实则解密成功但数值已错误。
根本原因在于：Paillier 加密方案原生仅支持整数运算。LightPHE 默认对浮点数执行 int() 强制转换，而非科学缩放（如 ×100 后转整数再还原）。因此，要保留小数精度，必须显式绕过该隐式转换机制。
✅ 正确做法：将浮点数包装为单元素列表（即 plaintext=[x]）
LightPHE 支持以 Python 列表形式传入浮点数，此时底层会将其视为一维张量（tensor），跳过整数截断逻辑，完整保留浮点精度：
# ✅ 正确：保留浮点精度 encrypted_amount = cs.encrypt(plaintext=[float(row[1])]) # 注意方括号！ # 解密后得到列表，需取索引 [0] decrypted_value = cs.decrypt(encrypted_amount)[0] # → 原始 float 值（如 123.45）
? 应用于您的主函数 compute_total_amount_homomorphic()，需同步修改三处关键代码：
- 加密阶段：将 cs.encrypt(plaintext=float(...)) 改为 cs.encrypt(plaintext=[float(...)])
- 累加阶段：确保所有加密值类型一致（均为单元素向量）
- 解密阶段：从返回的列表中提取首个元素，再累加（注意：同态加法作用于加密向量，解密后仍为列表）
修正后的核心逻辑如下：
def compute_total_amount_homomorphic():
try:
start_time = time.time()
filename = "transaction_history.csv"
cs = LightPHE(algorithm_name="Paillier")
encrypted_values = []
with open(filename, 'r') as file:
reader = csv.reader(file)
next(reader) # skip header
for row in reader:
if row[0] == 'Deposit':
amount = float(row[1])
# ✅ 关键修改：用列表包装浮点数
encrypted_amount = cs.encrypt(plaintext=[amount])
encrypted_values.append(encrypted_amount)
# 同态累加（支持向量）
total_encrypted = encrypted_values[0]
for enc in encrypted_values[1:]:
total_encrypted += enc
# ✅ 关键修改：解密后取 [0] 获取原始浮点值
total_decrypted_list = cs.decrypt(total_encrypted) # 返回 [sum_float]
total_sum = total_decrypted_list[0] # 提取浮点数
end_time = time.time()
result_label.config(
text=f"Total amount (homomorphic): ${total_sum:.2f}\nTime taken: {end_time - start_time:.6f} seconds"
)
except Exception as e:
result_label.config(text="Error: " + str(e))⚠️ 注意事项：
- 不要对浮点数做 int() 或 round() 预处理，否则精度永久丢失；
- 若需更高精度（如 4 位小数），可先放大（amount * 10000）、加密整数、解密后再除（/10000.0），但列表方案更简洁安全；
- LightPHE 当前版本（v0.3+）稳定支持浮点列表加密，无需额外配置；
- 同态加法结果仍是加密向量，解密后为单元素列表，务必用 [0] 访问。
通过此方法，您将获得与传统计算完全一致的浮点总和结果（如 $3842.67），真正实现「加密中计算、解密后可用」的端到端同态验证。
