本文针对全同态加密（TFHE）方案中可编程自举（PBS）的字长限制问题提出了一种新的解决方案。TFHE因其低计算成本和简单的设置要求而被视为安全计算的有力候选方案，其核心特性PBS允许在较小域上高效评估任意函数。然而，为了保证数据安全，PBS的域大小受到TFHE字长限制的约束，这给将同态函数评估扩展到更大域带来了可扩展性挑战。现有方法要么依赖计算成本高昂的电路自举（如垂直打包技术，Chillotti等人，2020），要么引入显著的额外开销（如基于树的方法，Guimarães等人，2021，需O(2^W)次PBS调用处理W比特域）。本文提出的噪声校准方法旨在克服这些局限，在不使用电路自举的前提下实现更高效的函数评估，从而突破字长限制。该方法通过精心校准噪声分布，在不牺牲安全性的条件下扩大了可处理函数的域大小。实验结果表明，与现有技术相比，所提方法显著降低了计算开销，为TFHE在更大规模同态计算中的应用提供了可行路径。本文适合密码学研究人员、全同态加密实现者以及对安全计算性能优化感兴趣的从业者阅读。

全同态加密（FHE）允许在加密数据上直接执行计算，同时保护数据机密性，但其实际应用受到高计算成本和开发复杂性的限制。本文提出 ComputeFHE，一个基于 TFHE 密码系统的开源 C++ 库，旨在简化隐私保护应用的开发。该库提供加密整数和定点数据类型，以及算术、逻辑、比较、条件和数组隐式访问操作，使开发者能够使用熟悉的命令式编程范式实现算法。ComputeFHE 支持两种算术后端：传统的基于双输入逻辑门的 TFHE 算术，以及利用 FHE 友好逻辑原语的优化算术逻辑单元（ALU）架构。实验结果表明，对于选定操作，所需的引导操作数量显著减少，性能提升高达 3.9 倍。此外，该库包含模拟模式，可在不进行实际密码计算的情况下进行测试、调试和复杂度分析，同时提供电路复杂度和引导成本。ComputeFHE 建立在 OpenFHE 之上，为开发和评估隐私保护算法与应用提供了一个实用且易于访问的框架。