本文针对同态加密（HE）在实际应用中面临的权衡问题——轻量级部分同态加密（PHE）计算高效但功能有限，而全同态加密（FHE）功能强大但计算开销巨大——提出并分析了介于两者之间的 Boneh-Goh-Nissim（BGN）密码系统。BGN 属于适度同态加密（SWHE），支持无限次加法运算和一次密文乘法，理论上可以桥接 PHE 与 FHE 之间的性能与能力鸿沟。然而，由于缺乏易用的软件实现，BGN 在实际系统中的采用率一直很低。为此，作者将 BGN 集成到 Python 的 lightphe 框架中，使得用户仅需几行代码即可部署该方案，并基于此开展系统性比较实验。论文在 80 位、112 位和 128 位安全级别下，对加密的 128 维向量运算进行了基准测试，对比对象包括 Paillier、Damgard-Jurik、Okamoto-Uchiyama 等 PHE 方案，以及基于 TenSEAL 的 CKKS FHE 方案。实验结果显示了一个计算与通信之间的权衡：由于双线性对运算，BGN 的计算速度慢于 PHE 和采用 SIMD 优化的 FHE，但其公钥尺寸仅有 3-6 KB，比 FHE 小最多五个数量级。更重要的是，BGN 在完成一次乘法后可以实现无限制的同态聚合，从而支持线性回归推理、余弦相似度和平方欧氏距离等复杂任务。论文还发现，仅需优化到 2 位小数的精度，BGN 加密计算结果就能与明文排序基准匹配，从而解决了目标群离散对数解密瓶颈。作者已将完整流程开源到 lightphe 框架中，表明 BGN 是一种适用于带宽受限、去中心化架构的实用引擎。本文的贡献在于：首次在统一框架内对 BGN 与多种 PHE/FHE 方案进行公平比较，验证了其实际可用性，并提供了可复现的软件实现，为隐私保护数据分析场景中的方案选型提供了重要参考。