本文提出 BioZKFHE，一个用于可扩展加密生物特征识别的框架，它结合了 BGV 型全同态加密与委员会中介的证明开/解密及智能合约验证。研究背景是在外包场景下进行大规模生物特征识别，需要同时保证生物模板和查询数据在计算过程中的机密性，以及由不可信计算节点产生的加密相似度输出的可验证正确性。现有基于 FHE 的生物特征系统主要关注机密性，而实际可验证性在底层的加密 1:N 匹配层引入了两个瓶颈：一是相似度评估中大量的旋转操作和带宽开销，二是重复证明同态相似度迹的高成本。为此，作者提出了两种核心方法：(1) 单系数多值（SCMV）打包技术，通过基-T 扩展将多个量化嵌入值绑定到每个明文项中，从而减少加密存储并避免旋转密集的加密 1:N 匹配；(2) 可并行化可验证相似度计算（PVSC），利用 BGV 的双 CRT 执行结构将每个块状相似度迹分解为并行的证明实例，在结果释放前进行打开和检查。在标准格假设和明确的委员会/验证者假设下，分析了可恢复性、噪声增长、机密性、加密输出完整性和最终结果完整性。实验在 FaceNet 和 MobileFaceNet 上进行，展示了近乎无损的生物特征效用、最高 67% 的加密存储减少，以及对于 1 万到 4 万模板的端到端证明验证运行时间约为 22 到 44 秒。