Svatý grál kryptografie – plně homomorfní šifrování

5. května zakladatel Etherea Buterin opět sdílel svůj článek 2020 FHE (plně homomorfní šifrování) na Twitteru, který také nadále podněcoval pozornost všech a diskusi o aplikaci technologie FHE. V God’s article poskytuje hloubkový úvod do příslušných matematických principů Původní anglická verze je zde.

FHE (Fully Homomorphic Encryption) v čínštině je plně homomorfní šifrovací výpočet Stejně jako ZK je to jedna z hraničních oblastí kryptografie a je také známá jako Svatý grál kryptografie.

Jednoduše řečeno, plně homomorfní šifrování provádí přímé výpočty na zašifrovaných datech bez dešifrování.

Když je 1+2, je snadné získat výsledek 3, ale po zašifrování, Encrypt(1)+Encrypt(2), můžete stále dostat Encrypt(3), toto je FHE, výpočet šifrovaného textu = výpočet šifrovaného otevřeného textu.

Na rozdíl od ZK se aplikace FHE ve Web3 zaměřuje více na soukromí a bezpečnost dat Není těžké ze současné aplikace zjistit, že ZK se více zaměřuje na expanzi.

Přestože Web3 více zná technologii ZK, především ZKRollup, FHE postupně uvolňuje svůj jedinečný potenciál v mnoha oblastech, zejména AI.

Síť mysli

Mind Network je první řešení re-stakingu založené na FHE navržené pro sítě AI a PoS.

Stejně jako EigenLayer je řešením s novým závazkem pro ekosystém Ethereum, je Mind řešením s novým závazkem pro oblast AI. Prostřednictvím re-pledge a FHE konsensuálních bezpečnostních řešení je zaručeno ekonomické zabezpečení tokenů a zabezpečení dat decentralizované sítě AI.

Soudě podle zázemí týmu jsou hlavními členy Mind profesoři a PhD v oboru AI, zabezpečení a kryptografie, pocházející z institucí jako Cambridge, Google, Microsoft a IBM. Hlavní členové byli vybráni jako jeden z 12 členů nadace Ethereum na světě a spolupracují s výzkumným týmem nadace Ethereum na výzkumu v oblasti kryptografie a bezpečnosti. První řešení FHE+Stealth Address společnosti Mind na světě – MindSAP (odkaz na výzkumný papír, přečtěte si prosím původní text sami), vyřešilo problém v otevřeném problému s adresou Stealth, který vyvolal Buterin, a způsobilo značný rozruch v komunitě Ethereum publikoval mnoho článků a projevů.

Mind Network byla vybrána do inkubátoru Binance v roce 2023 a dokončila počáteční kolo financování ve výši 2,5 milionu USD za účasti známých institucí, jako je Binance. Ve stejné době obdržel grant Fellowship Grant od Ethereum Foundation, byl vybrán do Chainlink Build Program a stal se Channel Partnerem podepsaným Chainlinkem.

V únoru 2024 se Mind Network stala klíčovým partnerem slavné kryptografické společnosti ZAMA v oblasti FHE.

Mind Network v poslední době dále urychlila expanzi svého ekologického území tím, že poskytuje AI síťové konsensuální bezpečnostní služby pro io.net, Singularity, Nimble, Myshell, AIOZ atd., poskytuje řešení FHE Bridge pro Chainlink CCIP a poskytuje IPFS, Arweave, Na zelené louce atd. Služba úložiště zabezpečení dat AI.

FHE+AI, čelící hlavním bolestivým bodům AI

Na hongkongské Web3 konferenci v dubnu tohoto roku Vitalik vyjádřil svá budoucí očekávání ohledně FHE ve scénářích, jako je šifrované hlasování. Jako popředí kryptografie je FHE také extrémním směrem kryptografie, který sleduje Ethereum.

Zakladatel ZAMA nedávno publikoval článek o svém „hlavním plánu“. Nastínil vizi společnosti vytvořit end-to-end šifrovanou síť HTTPZ („Z“ znamená „Zero Trust“, Zero Trust) a navrhl, aby se FHE stal všudypřítomným v oblasti blockchainu a umělé inteligence.

Několik odkazů, na které se oblast AI zaměřuje, včetně školení, ladění, používání a hodnocení, se všechny potýkají se stejným problémem v procesu decentralizace, jak odstranit předpoklad důvěry. například:

• Když se trénuje model umělé inteligence, je vyžadována křížová validace pro výběr nejlepších výsledků školení.

• Před použitím služeb AI je třeba seřadit stávající služby, aby bylo možné určit nejlepší službu.

• Modely AI také vyžadují průběžné ladění a iteraci a vyžadují nezávislé vyhodnocování

Všechny tyto vazby jsou založeny na předpokladu souladu a důvěry ve velké společnosti v centralizovaných scénářích a velké společnosti poskytují důvěru a podporu, aby nepáchaly zlo.

V procesu decentralizace bez podpory úvěru je však obtížné ověřit, zda je spolupráce všech účastníků spravedlivá a efektivní.

Například

• Když je třeba model umělé inteligence během školení křížově ověřit, nejlepší výsledky školení se vyberou tajným hlasováním, čímž se odstraní předpoklady podobné OpenAI.

• Když služby AI potřebují seřadit existující služby před jejich použitím, určete kvalitu služby každé služby pomocí anonymního hodnocení a odstraňte předpoklad důvěry v něco, jako je AI ​​AppStore.

• Modely umělé inteligence je také třeba neustále ladit a opakovat. Je-li vyžadováno nezávislé hodnocení, měla by být provedena důvěryhodná hodnocení prostřednictvím náhodných výběrových inspekcí, aby se odstranil předpoklad důvěry v hodnotící agenturu.

Účast FHE může také umožnit AI dosáhnout nulové důvěry, čímž se vyrovná předpoklad důvěry, že ZK také vyžaduje agregaci mimo řetězec.

Existuje mnoho příkladů umělé inteligence, které lze uvést, včetně takové nulové důvěry, která umožňuje agentům umělé inteligence a multiagentům lépe realizovat inteligentní propojení a dosáhnout vlídného řízení.

Jedinečné vlastnosti šifrovaného textu FHE mohou zároveň vyřešit dva další obtížné problémy: soukromí dat a vlastnictví dat:

• Kdo může vidět naše data? = Ochrana osobních údajů

• Komu patří data, která nám AI poskytuje? = Vlastnictví dat

FHE si dokáže uvědomit, že data jsou na straně uživatele vždy zašifrována a existují pouze ve formě šifrovaného textu mimo uživatele, včetně uložení + přenosu + výpočtu.

Dosud, s výjimkou FHE, lze data šifrovat pouze během ukládání a přenosu, ale jakmile je zapojen výpočet, je třeba šifrovaný text dešifrovat na prostý text, čímž uživatel ztratí vlastnictví dat. Existuje mnoho takových příkladů v reálném životě, jakmile jsou vaše data ve formátu prostého textu zkopírována ostatními, ostatní uživatelé nemají možnost zjistit, zda ostatní používají vaše data, a mohou se spolehnout pouze na vlastní prohlášení uživatele - party dohled. FHE umožňuje kopírování dat šifrovaného textu uživatele, ale pro dešifrování a v případě, kdy je potřeba vidět data v otevřeném textu, musí být vyžadován souhlas uživatele. Uživatelé pak mohou kdykoli vnímat dynamiku dat, díky čemuž jsou data dostupná a obchodovatelná, ale neviditelná, což nejen chrání soukromí dat, ale také skutečně chrání vlastnictví dat.

Taková funkce je naléhavě potřebná pro AI + Web3. Umožňuje každému sázet veřejným způsobem a dosáhnout konsensu šifrovaným způsobem, což může zabránit zlovolnému jednání a plýtvání.

Další velká věc AI

Z tohoto pohledu je kombinace AI a Web3 nevyhnutelná pro AI tím, co je pro Apple další velká věc.

Nedávno IO.NET a Mind Network oznámily hloubkovou spolupráci na vytvoření řešení pro zvýšení bezpečnosti a efektivity umělé inteligence. IO.NET přináší plně homomorfní šifrovací řešení Mind Network do své distribuované výpočetní platformy, aby pomohla posílit zabezpečení jejích produktů.

Podrobnosti o spolupráci najdete na: Mind Network a io.net Partners up for Advanced AI Security and Efficiency

IO.NET používá distribuované výpočty, aby byl dobrý začátek pro kombinaci AI a FHE.

Vezmeme-li příklad IO.NET, uživatelé poskytují výpočetní výkon a vývojáři AI si výpočetní výkon pronajímají.

Když vývojář přijde na projekt AI a předloží požadavek, je systémem rozdělen a vypočítán s výpočetním výkonem, který poskytuje uživatel.

V současné době se jedná o několik problémů: Čí výpočetní výkon je pronajímán? Jsou vypočtené výsledky správné? Odkryje se soukromí obou stran při pronájmu výpočetního výkonu?

1. Čí výpočetní výkon si mám pronajmout?

Za normálních okolností se testovací úloha používá k výběru, který uzel, to znamená, že požadavky se čas od času uvolňují, aby se otestovaly, které uzly jsou online a připravené přijmout požadavky.

Během tohoto procesu může dojít k cílené manipulaci s relevantními uzly za účelem získání priority, podobně jako u útoků MEV.

V tomto ohledu poskytuje Mind spravedlivý distribuční mechanismus prostřednictvím FHE, protože požadavky a data jsou šifrována, nemohou uzly na základě toho činit příznivá rozhodnutí.

2. Jsou vypočtené výsledky správné?

V distribuovaném počítání vyžaduje zajištění správnosti výsledků výpočtu určitý konsensus, tedy hlasování.

Když uzly navzájem znají výsledky výběru, může dojít k následným hlasováním, což má za následek nespravedlivé a nesprávné výsledky.

FHE šifrovaný výpočet, výsledky hlasování mezi uzly jsou vzájemně zašifrovány, ale přesto se mohou podílet na konečném výpočtu, čímž je zajištěna spravedlivost výsledků.

3. Bude odhaleno soukromí obou stran při pronájmu výpočetního výkonu?

Jádrem FHE je zabezpečení dat. Při výpočtu jsou šifrovány a také problémy, které mají být vypočítány, nedochází k úniku soukromí.

Díváme se na to z pohledu Restakingu

Samotnou IO.NET lze považovat za síť PoS, aby uzly zavázaly IO tokeny, aby získaly odměny za IO ze svého příspěvku na výpočetní výkon.

Pak je možný problém: cena zastaveného tokenu příliš kolísá a budou ovlivněni ověřovatelé a zabezpečení sítě.

Řešením mysli je Dual Staking nebo dokonce Triple Staking.

Staking podporuje tekuté sázkové tokeny BTC/ETH a AI síťové tokeny, které diverzifikují rizika a zvyšují celkové zabezpečení sítě. Jde v podstatě o pokročilou verzi sdíleného zabezpečení Restaking.

Současně Mind také podporuje vzdálené vytyčování U aktiv LST/LRT není k zajištění bezpečnosti aktiv vyžadován žádný skutečný cross-chain.

Před několika dny Mind také dokončila úlohu Glaxe testnetu, které se zúčastnilo více než 650 000 aktivních uživatelů, kteří vygenerovali 3,2 milionu dat o transakcích testnet.

Podle oficiálních zpráv bude v blízké budoucnosti spuštěn také oficiální síťový protokol Mind, takže mu můžete věnovat pozornost.

Shrnout

Obecně jsme zjistili, že ačkoli Mind mluví o FHE a AI, klíčové slovo je ve skutečnosti „bezpečnost“ a používá kryptografii k řešení různých základních bezpečnostních problémů.

Restaking je token ekonomické zabezpečení; FHE je zabezpečení dat;

Budování blockchainu je založeno na kryptografii a možná budoucí odpovědi najdeme v kryptografii.

Kromě sítě AI, Mind Network také rozšiřuje rozsah aplikace řešení, spolupracuje v mnoha směrech, jako je decentralizované úložiště, síť EigenLayer AVS, Bittensor Subnet a cross-chain bridge, což demonstruje obrovský potenciál FHE. .

Pokud ve Web3 v roce 2024 odstartuje oblast kryptografie ZK, pak FHE bude hlavním tématem druhé poloviny roku. Zároveň zůstává popularita AI vysoká Díky trojitému narativnímu požehnání AI+FHE+Restaking, stejně jako investici od Ethereum Foundation a Binance, může Mind převzít vedení FHE? mainnet, bude brzy odhalen.