Mind Network adalah solusi re-staking berbasis FHE pertama yang dirancang untuk jaringan AI dan PoS.

Cawan suci kriptografi - Enkripsi Sepenuhnya Homomorfik

Pada tanggal 5 Mei, pendiri Ethereum Buterin sekali lagi membagikan artikel FHE (enkripsi homomorfik sepenuhnya) 2020 di Twitter, yang juga terus menarik perhatian dan diskusi semua orang mengenai penerapan teknologi FHE. Artikel V God memberikan pengenalan mendalam tentang prinsip matematika yang relevan, versi asli bahasa Inggris.

FHE (Enkripsi Homomorfik Sepenuhnya) dalam bahasa Cina adalah perhitungan enkripsi homomorfik sepenuhnya. Seperti ZK, ini adalah salah satu bidang kriptografi terdepan dan juga dikenal sebagai Cawan Suci kriptografi.

Sederhananya, enkripsi homomorfik sepenuhnya melakukan penghitungan langsung pada data terenkripsi tanpa dekripsi.

Ketika 1+2, mudah untuk mendapatkan hasil 3, tetapi setelah enkripsi, Enkripsi(1)+Enkripsi(2), Anda masih bisa mendapatkan Enkripsi(3), ini FHE, perhitungan ciphertext = perhitungan plaintext terenkripsi.

Berbeda dengan ZK, aplikasi FHE di Web3 lebih fokus pada privasi dan keamanan data. Tidak sulit untuk menemukan dari aplikasi saat ini bahwa ZK lebih fokus pada perluasan.

Meskipun Web3 lebih akrab dengan teknologi ZK terutama ZKRollup, FHE secara bertahap mengeluarkan potensi uniknya di banyak bidang, terutama AI.

Jaringan Pikiran

Mind Network adalah solusi re-staking berbasis FHE pertama yang dirancang untuk jaringan AI dan PoS.

Sama seperti EigenLayer yang merupakan solusi penjaminan ulang untuk ekosistem Ethereum, Mind adalah solusi penjaminan ulang untuk bidang AI. Melalui solusi keamanan re-pledge dan konsensus FHE, keamanan ekonomi token dan keamanan data jaringan AI terdesentralisasi terjamin.

Dilihat dari latar belakang tim, anggota utama Mind adalah profesor dan PhD di bidang AI, keamanan, dan kriptografi, yang berasal dari institusi seperti Cambridge, Google, Microsoft, dan IBM. Anggota inti telah dipilih sebagai salah satu dari 12 Ethereum Foundation Fellows di dunia, dan bekerja dengan tim peneliti Ethereum Foundation untuk melakukan penelitian di bidang kriptografi dan keamanan. Solusi FHE+Stealth Address pertama di dunia dari Mind - MindSAP (tautan makalah penelitian, harap baca sendiri teks aslinya), memecahkan masalah dalam Masalah Terbuka Alamat Stealth yang diusulkan oleh Buterin, dan menyebabkan kegemparan di komunitas Ethereum, dan telah menerbitkan banyak makalah dan pidato.

Mind Network terpilih ke dalam Inkubator Binance pada tahun 2023 dan menyelesaikan putaran awal pendanaan sebesar US$2,5 juta dengan partisipasi dari institusi terkenal seperti Binance. Pada saat yang sama, ia menerima Hibah Beasiswa dari Ethereum Foundation, terpilih dalam Program Pembuatan Chainlink, dan menjadi Mitra Saluran yang ditandatangani oleh Chainlink.

Pada bulan Februari 2024, Mind Network menjadi mitra utama perusahaan kriptografi terkenal ZAMA di bidang FHE.

Baru-baru ini, Mind Network semakin mempercepat perluasan wilayah ekologisnya, menyediakan layanan keamanan konsensus jaringan AI untuk io.net, Singularity, Nimble, Myshell, AIOZ, dll., solusi FHE Bridge untuk Chainlink CCIP, dan IPFS, Arweave, Greenfield, dll. Layanan penyimpanan keamanan data AI.

FHE+AI, menghadapi permasalahan utama AI

Pada Konferensi Web3 Hong Kong pada bulan April tahun ini, Vitalik mengungkapkan harapannya di masa depan untuk FHE dalam skenario seperti Encrypted Voting. Sebagai garda depan kriptografi, FHE juga merupakan arah ekstrim kriptografi yang dikejar oleh Ethereum.

Pendiri ZAMA baru-baru ini menerbitkan sebuah artikel tentang “Rencana Induk” miliknya. Menguraikan visi perusahaan untuk menciptakan jaringan terenkripsi ujung ke ujung HTTPZ (“Z” adalah singkatan dari “Zero Trust”, zero trust), dan mengusulkan agar FHE ada di mana-mana di bidang blockchain dan kecerdasan buatan.

Beberapa link yang menjadi fokus bidang AI, antara lain pelatihan, tuning, penggunaan dan evaluasi, semuanya menghadapi permasalahan yang sama dalam proses desentralisasi, bagaimana menghilangkan asumsi kepercayaan. Misalnya:

  • Saat model AI dilatih, diperlukan validasi silang untuk memilih hasil pelatihan terbaik.

  • Sebelum menggunakan layanan AI, layanan yang ada perlu dilakukan pemeringkatan untuk menentukan layanan terbaik.

  • Model AI juga memerlukan penyesuaian dan iterasi berkelanjutan, serta memerlukan evaluasi independen

Tautan ini semua didasarkan pada asumsi kepatuhan dan kepercayaan pada perusahaan besar dalam skenario terpusat, dan perusahaan besar memberikan kepercayaan dan dukungan untuk tidak berbuat jahat.

Namun, dalam proses desentralisasi, tanpa dukungan kredit, sulit untuk memverifikasi apakah kolaborasi seluruh peserta sudah adil dan efektif. Hal inilah yang menjadi fokus pemberdayaan FHE.

Misalnya

  • Ketika model AI perlu divalidasi silang selama pelatihan, hasil pelatihan terbaik dipilih melalui pemungutan suara rahasia, menghilangkan asumsi yang mirip dengan OpenAI

  • Ketika layanan AI perlu diberi peringkat sebelum layanan yang ada digunakan, kualitas layanan dari setiap layanan ditentukan melalui penilaian anonim, menghilangkan asumsi kepercayaan pada sesuatu seperti AI AppStore.

  • Model AI juga perlu terus disesuaikan dan diulangi. Ketika evaluasi independen diperlukan, evaluasi yang kredibel harus diselesaikan melalui inspeksi pengambilan sampel secara acak untuk menghilangkan asumsi kepercayaan terhadap lembaga evaluasi.

Partisipasi FHE juga dapat memungkinkan AI mencapai zero trust, menggantikan asumsi kepercayaan bahwa ZK juga memerlukan agregasi off-chain.

Ada banyak contoh AI yang bisa dikutip, termasuk zero trust yang memungkinkan Agen AI dan Multi-Agen mewujudkan interkoneksi cerdas dengan lebih baik dan mencapai tata kelola yang baik.

Pada saat yang sama, karakteristik komputasi ciphertext unik FHE juga dapat memecahkan dua masalah sulit lainnya: privasi data dan kepemilikan data:

  • Siapa yang dapat melihat data kami? = Privasi Data

  • Milik siapa data yang diberikan AI kepada kita? =Kepemilikan data

FHE dapat menyadari bahwa data selalu terenkripsi di sisi pengguna dan hanya ada dalam bentuk ciphertext di luar pengguna, termasuk penyimpanan + transmisi + perhitungan.

Sejauh ini, kecuali FHE, data hanya dapat dienkripsi selama penyimpanan dan transmisi, namun setelah perhitungan dilakukan, ciphertext perlu didekripsi menjadi plaintext, yang hanya membuat pengguna kehilangan kepemilikan data. Ada banyak contoh seperti itu di kehidupan nyata. Setelah data teks biasa Anda disalin oleh orang lain, orang lain dapat membuat banyak salinan. Pengguna tidak memiliki cara untuk mengetahui apakah orang lain menggunakan data Anda dan hanya dapat mengandalkan data tersebut -pengawasan pihak. FHE mengizinkan data ciphertext pengguna untuk disalin, namun persetujuan pengguna harus diperlukan untuk dekripsi dan kapan data plaintext perlu dilihat. Kemudian pengguna dapat merasakan dinamika data kapan saja, menjadikan data tersedia dan dapat diperdagangkan namun tidak terlihat, yang tidak hanya melindungi privasi data tetapi juga benar-benar melindungi kepemilikan data.

Fitur seperti itu sangat dibutuhkan untuk AI + Web3. Fitur ini memungkinkan setiap orang untuk melakukan staking secara publik dan mencapai konsensus dengan cara terenkripsi, yang dapat mencegah kejahatan dan pemborosan.

Hal besar berikutnya bagi AI

Dari sudut pandang ini, kombinasi AI dan Web3 tidak bisa dihindari. Bagi AI, FHE adalah hal besar berikutnya bagi Apple.

Baru-baru ini, IO.NET dan Mind Network mengumumkan kerja sama mendalam untuk menciptakan solusi guna meningkatkan keamanan dan efisiensi kecerdasan buatan. IO.NET menghadirkan solusi enkripsi homomorfik Mind Network ke platform komputasi terdistribusi untuk membantu memperkuat keamanan produknya.

Detail mengenai kerja sama ini dapat ditemukan di: Mind Network dan io.net Bermitra untuk Keamanan dan Efisiensi AI Tingkat Lanjut

IO.NET menggunakan komputasi terdistribusi sebagai awal yang baik untuk kombinasi AI dan FHE.

Mengambil IO.NET sebagai contoh, pengguna menyediakan daya komputasi dan pengembang AI menyewakan daya komputasi.

Ketika pengembang datang ke proyek AI dan mengajukan persyaratan, persyaratan tersebut dibagi oleh sistem dan dihitung dengan daya komputasi yang disediakan oleh pengguna.

Beberapa isu yang terlibat saat ini: Kekuatan komputasi siapa yang disewa? Apakah hasil perhitungannya benar? Akankah privasi kedua belah pihak terungkap saat menyewa daya komputasi?

1. Daya komputasi siapa yang harus saya sewa?

Dalam keadaan normal, tugas pengujian digunakan untuk memilih node mana, yaitu persyaratan dilepaskan dari waktu ke waktu untuk menguji node mana yang online dan siap menerima persyaratan.

Selama proses ini, mungkin ada manipulasi yang ditargetkan pada node yang relevan untuk mendapatkan prioritas, serupa dengan serangan MEV.

Dalam hal ini, Mind menyediakan mekanisme distribusi yang adil melalui FHE Karena permintaan dan data dienkripsi, node tidak dapat membuat pilihan yang menguntungkan berdasarkan hal ini.

2. Apakah hasil perhitungannya benar?

Dalam komputasi terdistribusi, memastikan kebenaran hasil perhitungan memerlukan konsensus tertentu, yaitu pemungutan suara.

Ketika node mengetahui hasil seleksi satu sama lain, pemungutan suara lanjutan dapat terjadi, sehingga menghasilkan hasil yang tidak adil dan salah.

Perhitungan terenkripsi FHE, hasil pemungutan suara antar node saling terenkripsi, namun mereka masih dapat berpartisipasi dalam perhitungan akhir, memastikan keadilan hasilnya.

3. Apakah privasi kedua belah pihak akan terungkap saat menyewa daya komputasi?

Inti dari FHE adalah keamanan data, dienkripsi selama perhitungan dan masalah yang akan dihitung juga dienkripsi.

Melihatnya dari sudut pandang Restaking:

IO.NET sendiri dapat dianggap sebagai jaringan PoS. Node perlu menjanjikan token IO untuk mendapatkan imbalan IO dari kontribusi daya komputasi mereka.

Maka masalah yang mungkin terjadi adalah: harga token yang dijanjikan berfluktuasi terlalu banyak, dan pemverifikasi serta keamanan jaringan akan terpengaruh.

Solusi Mind untuk ini adalah Dual Staking atau bahkan Triple Staking.

Staking mendukung token staking cair BTC/ETH dan token jaringan AI blue-chip, mendiversifikasi risiko dan meningkatkan keamanan jaringan secara keseluruhan. Ini pada dasarnya adalah versi lanjutan dari keamanan bersama Restaking.

Pada saat yang sama, Mind juga mendukung Remote Staking. Untuk aset LST/LRT, tidak diperlukan lintas rantai untuk memastikan keamanan aset.

Beberapa hari yang lalu, Mind juga baru saja menyelesaikan tugas testnet Glaxe. Lebih dari 650.000 pengguna aktif berpartisipasi, menghasilkan 3,2 juta data transaksi testnet.

Menurut kabar resminya, protokol jaringan resmi Mind juga akan diluncurkan dalam waktu dekat, jadi Anda bisa memperhatikannya.

Meringkaskan

Secara umum, kami menemukan bahwa meskipun Mind berbicara tentang FHE dan AI, kata kuncinya sebenarnya adalah “keamanan” dan menggunakan kriptografi untuk menyelesaikan berbagai masalah keamanan inti.

Restaking adalah keamanan ekonomi token; Remote Staking adalah keamanan aset; FHE adalah keamanan data;

Pembangunan blockchain didasarkan pada kriptografi, dan mungkin jawaban di masa depan akan ditemukan dalam kriptografi.

Selain jaringan AI, Mind Network juga memperluas cakupan penerapan solusi, dan bekerja sama dalam berbagai arah seperti penyimpanan terdesentralisasi, jaringan AVS EigenLayer, Subnet Bittensor, dan jembatan lintas rantai, menunjukkan potensi yang sangat besar. dari FHE.

Di Web3 tahun 2024, jika bidang kriptografi digebrak oleh ZK, maka FHE akan menjadi tema utama di paruh kedua tahun ini. Pada saat yang sama, popularitas AI tetap tinggi. Dengan berkat tiga narasi dari AI+FHE+Restaking, serta investasi dari Ethereum Foundation dan Binance, dapatkah Mind mengambil kepemimpinan FHE? mainnet, akan segera terungkap.