Święty Graal kryptografii – szyfrowanie w pełni homomorficzne

5 maja założyciel Ethereum, Buterin, po raz kolejny udostępnił na Twitterze swój artykuł na temat FHE 2020 (w pełni homomorficzne szyfrowanie), który również nadal wzbudzał uwagę wszystkich i dyskusję na temat zastosowania technologii FHE. V Artykuł Boga zawiera szczegółowe wprowadzenie do odpowiednich zasad matematycznych. Oryginalną wersję angielską można znaleźć tutaj.

FHE (Fully Homomorphic Encryption) w języku chińskim oznacza w pełni homomorficzne obliczenia szyfrowania. Podobnie jak ZK, jest to jedna z pionierskich dziedzin kryptografii i jest również znana jako Święty Graal kryptografii.

Mówiąc najprościej, w pełni homomorficzne szyfrowanie wykonuje bezpośrednie obliczenia na zaszyfrowanych danych bez ich deszyfrowania.

Kiedy 1+2, łatwo jest uzyskać wynik 3, ale po zaszyfrowaniu, Encrypt(1)+Encrypt(2), nadal możesz uzyskać Encrypt(3), to jest FHE, obliczenie tekstu zaszyfrowanego = obliczenie zaszyfrowanego tekstu jawnego.

W odróżnieniu od ZK, aplikacja FHE w Web3 skupia się bardziej na prywatności i bezpieczeństwie danych. Z aktualnej aplikacji nietrudno wywnioskować, że ZK skupia się bardziej na rozbudowie.

Choć Web3 bliżej zna technologię ZK głównie ZKRollup, FHE stopniowo uwalnia swój unikalny potencjał w wielu dziedzinach, zwłaszcza AI.

Sieć umysłów

Mind Network to pierwsze rozwiązanie do ponownego obstawiania oparte na FHE, zaprojektowane dla sieci AI i PoS.

Tak jak EigenLayer jest rozwiązaniem do ponownego zaangażowania dla ekosystemu Ethereum, tak Mind jest rozwiązaniem do ponownego zaangażowania w dziedzinie sztucznej inteligencji. Dzięki rozwiązaniom w zakresie ponownego zastawu i konsensusu FHE gwarantuje się symboliczne bezpieczeństwo ekonomiczne i bezpieczeństwo danych zdecentralizowanej sieci sztucznej inteligencji.

Sądząc po pochodzeniu zespołu, głównymi członkami Mind są profesorowie i doktoranci w dziedzinie sztucznej inteligencji, bezpieczeństwa i kryptografii, wywodzący się z takich instytucji jak Cambridge, Google, Microsoft i IBM. Członkowie rdzenia zostali wybrani jako jedni z 12 stypendystów Fundacji Ethereum na świecie i współpracują z zespołem badawczym Fundacji Ethereum w celu prowadzenia badań w dziedzinie kryptografii i bezpieczeństwa. Pierwsze na świecie rozwiązanie Mind FHE+Stealth Address - MindSAP (link do artykułu badawczego, przeczytaj samodzielnie oryginalny tekst), rozwiązało problem związany z problemem Stealth Address Open podniesionym przez Buterina i wywołało spore zamieszanie w społeczności Ethereum, i opublikował wiele artykułów i przemówień.

Mind Network została wybrana do Inkubatora Binance w 2023 roku i zakończyła zalążkową rundę finansowania o wartości 2,5 miliona dolarów z udziałem znanych instytucji, takich jak Binance. W tym samym czasie otrzymał stypendium Fellowship Grant od Fundacji Ethereum, został wybrany do programu Chainlink Build Program i został Channel Partnerem podpisanym przez Chainlink.

W lutym 2024 Mind Network została kluczowym partnerem słynnej firmy kryptograficznej ZAMA w obszarze FHE.

Niedawno firma Mind Network jeszcze bardziej przyspieszyła ekspansję swojego terytorium ekologicznego, świadcząc usługi bezpieczeństwa sieci opartej na konsensusie AI dla io.net, Singularity, Nimble, Myshell, AIOZ itp., rozwiązania FHE Bridge dla Chainlink CCIP oraz IPFS, Arweave, Greenfield, itp. Usługa przechowywania danych w zakresie bezpieczeństwa AI.

FHE+AI w obliczu głównych problemów związanych ze sztuczną inteligencją

Podczas konferencji Web3 w Hongkongu w kwietniu tego roku Vitalik wyraził swoje przyszłe oczekiwania wobec FHE w scenariuszach takich jak głosowanie szyfrowane. Będąc liderem kryptografii, FHE jest także skrajnym kierunkiem kryptografii realizowanym przez Ethereum.

Założyciel ZAMA opublikował niedawno artykuł na temat swojego „Planu Generalnego”. Nakreślił wizję firmy dotyczącą stworzenia szyfrowanej sieci typu end-to-end HTTPZ („Z” oznacza „Zero Trust”, zero trust) i zaproponował, aby FHE stała się wszechobecna w obszarach blockchain i sztucznej inteligencji.

Kilka ogniw, na których koncentruje się dziedzina sztucznej inteligencji, w tym szkolenie, dostrajanie, wykorzystanie i ocena, wszystkie napotykają ten sam problem w procesie decentralizacji, jak usunąć założenie zaufania. Na przykład:

• Kiedy model AI jest szkolony, wymagana jest walidacja krzyżowa, aby wybrać najlepsze wyniki uczenia.

• Przed skorzystaniem z usług AI należy dokonać rankingu istniejących usług, aby określić najlepszą.

• Modele AI wymagają również ciągłego dostrajania i iteracji oraz wymagają niezależnej oceny

Wszystkie te powiązania opierają się na założeniu zgodności i zaufania do dużych firm w scenariuszach scentralizowanych, a duże firmy zapewniają zaufanie i poparcie, aby nie czynić zła.

Jednakże w procesie decentralizacji bez zatwierdzenia kredytu trudno jest zweryfikować, czy współpraca wszystkich uczestników jest uczciwa i skuteczna. Na tym właśnie skupia się wzmocnienie pozycji FHE.

Na przykład

• Gdy model AI wymaga weryfikacji krzyżowej podczas szkolenia, najlepsze wyniki szkolenia wybierane są w drodze tajnego głosowania, usuwając założenia podobne do OpenAI

• Kiedy usługi AI muszą zostać sklasyfikowane przed wykorzystaniem istniejących usług, jakość każdej usługi jest określana na podstawie anonimowej punktacji, co eliminuje założenie zaufania do czegoś takiego jak AI AppStore.

• Modele sztucznej inteligencji należy również stale dostrajać i powtarzać. Jeżeli wymagana jest niezależna ocena, należy przeprowadzić wiarygodne oceny w drodze losowych inspekcji, aby usunąć założenie o zaufaniu do agencji oceniającej.

Udział FHE może również umożliwić AI osiągnięcie zerowego zaufania, rekompensując założenie dotyczące zaufania, że ​​ZK również wymaga agregacji poza łańcuchem.

Można przytoczyć wiele przykładów sztucznej inteligencji, w tym zerowego zaufania, który pozwala agentom AI i multiagentom lepiej realizować inteligentne połączenia wzajemne i osiągnąć łagodne zarządzanie.

Jednocześnie unikalne właściwości obliczeniowe FHE tekstu zaszyfrowanego mogą również rozwiązać dwa inne trudne problemy: prywatność danych i własność danych:

• Kto może zobaczyć nasze dane? =Prywatność danych

• Do kogo należą dane, które przekazuje nam AI? =Własność danych

FHE zdaje sobie sprawę, że dane są zawsze szyfrowane po stronie użytkownika i istnieją wyłącznie w formie zaszyfrowanego tekstu poza użytkownikiem, co obejmuje przechowywanie + transmisję + obliczenia.

Jak dotąd, z wyjątkiem FHE, dane można szyfrować jedynie podczas przechowywania i przesyłania, ale po wykonaniu obliczeń tekst zaszyfrowany musi zostać odszyfrowany do postaci zwykłego tekstu, co powoduje, że użytkownik traci własność danych. Istnieje wiele takich przykładów w życiu. Gdy Twoje dane w postaci zwykłego tekstu zostaną skopiowane przez inne osoby, inni mogą wykonać wiele kopii. Użytkownicy nie mają możliwości sprawdzenia, czy inni korzystają z Twoich danych i mogą polegać jedynie na własnym oświadczeniu Użytkownika - nadzór nad partią. FHE umożliwia kopiowanie danych w postaci zaszyfrowanego tekstu użytkownika, ale do odszyfrowania oraz w przypadku konieczności wyświetlenia danych w postaci zwykłego tekstu wymagana jest zgoda użytkownika. Dzięki temu użytkownicy mogą w dowolnym momencie wyczuć dynamikę danych, dzięki czemu dane są dostępne i zbywalne, ale niewidoczne, co nie tylko chroni prywatność danych, ale także naprawdę chroni własność danych.

Taka funkcja jest pilnie potrzebna w AI + Web3. Umożliwia ona każdemu publiczne wypowiadanie się i osiąganie konsensusu w sposób zaszyfrowany, co może zapobiec czynom zła i marnotrawstwu.

Kolejna wielka rzecz AI

Z tego punktu widzenia połączenie sztucznej inteligencji i Web3 jest nieuniknione. FHE jest dla AI tym, czym najważniejsza jest dla Apple.

Niedawno IO.NET i Mind Network ogłosiły pogłębioną współpracę w celu stworzenia rozwiązań zwiększających bezpieczeństwo i efektywność sztucznej inteligencji. IO.NET wprowadza w pełni homomorficzne rozwiązanie szyfrujące Mind Network na swoją rozproszoną platformę obliczeniową, aby pomóc wzmocnić bezpieczeństwo swoich produktów.

Szczegóły współpracy można znaleźć na stronie: Mind Network oraz io.net Partnerzy w zakresie zaawansowanego bezpieczeństwa i wydajności AI

IO.NET wykorzystuje przetwarzanie rozproszone, aby stanowić dobry początek połączenia sztucznej inteligencji i FHE.

Biorąc za przykład IO.NET, użytkownicy zapewniają moc obliczeniową, a twórcy sztucznej inteligencji ją wynajmują.

Kiedy programista przychodzi do projektu AI i stawia wymagania, jest ono rozdzielane przez system i obliczane na podstawie mocy obliczeniowej dostarczonej przez użytkownika.

W tym momencie pojawia się kilka kwestii: Czyja moc obliczeniowa jest wynajmowana? Czy obliczone wyniki są prawidłowe? Czy przy wynajmie mocy obliczeniowej ujawniona zostanie prywatność obu stron?

1. Czyją moc obliczeniową wynająć?

W normalnych okolicznościach zadanie testowe służy do wybrania węzła, co oznacza, że ​​od czasu do czasu publikowane są wymagania w celu sprawdzenia, które węzły są online i gotowe do zaakceptowania wymagań.

Podczas tego procesu może nastąpić ukierunkowana manipulacja odpowiednimi węzłami w celu uzyskania priorytetu, podobnie jak w przypadku ataków MEV.

W związku z tym Mind zapewnia mechanizm sprawiedliwej dystrybucji za pośrednictwem FHE. Ponieważ żądania i dane są szyfrowane, węzły nie mogą na tej podstawie dokonywać korzystnych wyborów.

2. Czy obliczone wyniki są prawidłowe?

W przetwarzaniu rozproszonym zapewnienie poprawności wyników obliczeń wymaga pewnego konsensusu, czyli głosowania.

Gdy węzły znają wzajemnie wyniki selekcji, mogą nastąpić kolejne głosowania, co skutkuje nieuczciwymi i nieprawidłowymi wynikami.

Obliczenia szyfrowane FHE, wyniki głosowania pomiędzy węzłami są wzajemnie szyfrowane, ale nadal mogą uczestniczyć w ostatecznych obliczeniach, zapewniając uczciwość wyników.

3. Czy przy wynajmie mocy obliczeniowej zostanie ujawniona prywatność obu stron?

Istotą FHE jest bezpieczeństwo danych. Są one szyfrowane podczas obliczeń, a obliczane problemy również są szyfrowane. Naturalnie nie nastąpi wyciek danych.

Patrząc na to z perspektywy Restakingu

Sam IO.NET można uznać za sieć PoS. Węzły muszą zadeklarować tokeny IO, aby otrzymać nagrody za IO ze swojej mocy obliczeniowej.

Wtedy możliwy problem jest następujący: cena zastawionego tokena waha się zbyt mocno, co będzie miało wpływ na weryfikatory i bezpieczeństwo sieci.

Rozwiązaniem firmy Mind jest Dual Staking lub nawet Triple Staking.

Staking obsługuje płynne tokeny stakingowe BTC/ETH i tokeny sieciowe AI blue chip, dywersyfikując ryzyko i zwiększając ogólne bezpieczeństwo sieci. Jest to zasadniczo zaawansowana wersja wspólnego bezpieczeństwa Restaking.

Jednocześnie Mind obsługuje również zdalne stakowanie. W przypadku aktywów LST/LRT nie jest wymagane żadne rzeczywiste połączenie między łańcuchami, aby zapewnić bezpieczeństwo aktywów.

Kilka dni temu firma Mind właśnie zakończyła zadanie sieci testowej Glaxe. W projekcie wzięło udział ponad 650 000 aktywnych użytkowników, generując 3,2 miliona danych transakcyjnych w sieci testowej.

Według oficjalnych wiadomości w najbliższej przyszłości zostanie uruchomiony także oficjalny protokół sieciowy Mind, więc będzie można na niego zwrócić uwagę.

Streszczać

Ogólnie rzecz biorąc, odkryliśmy, że chociaż Mind mówi o FHE i sztucznej inteligencji, słowem kluczowym jest w rzeczywistości „bezpieczeństwo” i wykorzystuje kryptografię do rozwiązywania różnych podstawowych problemów związanych z bezpieczeństwem.

Restaking to symboliczne bezpieczeństwo ekonomiczne; Remote Staking to bezpieczeństwo aktywów; FHE to bezpieczeństwo danych; AI+FHE to bezpieczeństwo konsensusu.

Budowa blockchaina opiera się na kryptografii i być może przyszłe odpowiedzi można znaleźć w kryptografii.

Oprócz sieci AI, Mind Network rozszerza również zakres zastosowania rozwiązania i współpracuje w wielu kierunkach, takich jak zdecentralizowane przechowywanie, sieć EigenLayer AVS, Bittensor Subnet i mosty międzyłańcuchowe, demonstrując ogromny potencjał z FHE.

Jeśli w Web3 w 2024 roku ZK zainauguruje dziedzinę kryptografii, to w drugiej połowie roku tematem przewodnim będzie FHE. Jednocześnie popularność sztucznej inteligencji pozostaje wysoka Dzięki potrójnemu błogosławieństwu narracyjnemu AI+FHE+Restaking, a także inwestycjom Fundacji Ethereum i Binance, czy Mind może przejąć przywództwo nad FHE? mainnet, zostanie ujawnione wkrótce.