作者:Dewhales Research 来源:substack 翻译:善欧巴,区块链网络 1. 简介:什么是 FHE、其历史和应用 FHE 代表完全同态加密,这是一种允许直接对密文执行计算而无需解密的加密方案。这意味着加密数据在整个计算过程中保持加密状态,计算结果也是加密的,任何一方在任何时候都无法访问明文数据。FHE 支持对加密数据进行计算,包括机器学习和人工智能分析,使科学家、研究人员和数据驱动型企业无需解密或泄露底层数据或模型即可提取有价值的见解。完全同态加密是最强大的加密形式,但它有一个很大的缺点,需要大量的计算能力。 事实上,FHE 有很多种类型:BGV、BFV、CKKS、FHEW、NuFHE 和 TFHE。同态加密 (HE) 在 1978 年提出后,最初在前三十年中发展缓慢。FHE 的当前形式是在 2009 年问世的,当时 Craig Gentry 提出了一种实现完全同态加密的方法,尽管该系统在每次操作时都会引入噪音。后来,有人提出了一种具有较小密文的修改版本,但最流行的方案是由 Zvika Brakerski 和他的团队提出的,与早期的 FHE 方法相比,它提供了更好的安全性和性能。经过几次连续的迭代——BGV、BFV 和 CKKS——GSW 诞生了,由此开发出了 FHEW(于 2014 年推出)和 TFHE(于 2016 年推出)。 Chillotti、Gama、Georgieva 和 Izabachene 将每个门引导操作的延迟缩短至不到 0.1 秒。从那时起,该方案就将可编程引导纳入其流程,加速 FHE,使其适用于大多数用例,包括 web2 和 web3 应用。 到目前为止,最终成果是 Zama 的 TFHE-rs,它扩展了原始 TFHE 功能,以支持整数可编程引导。而且,当前的 Privasea 实现中使用的就是 TFHE-rs。 FHE 的用例: 云计算:FHE 允许用户在远程服务器上以加密形式存储和处理数据,从而为云计算带来巨大好处。这意味着用户可以利用云的强大计算能力,同时保证数据的安全和私密。这对所有参与方来说都是双赢的。 金融服务:金融服务也可以利用 FHE 的功能。通过安全地处理财务数据,FHE 允许金融机构对加密数据进行复杂的分析。最好的部分是,客户隐私在整个过程中都保持不变。 机器学习:通过在加密数据上训练模型,FHE 可以极大地促进机器学习。这使组织能够利用机器学习的力量,同时确保数据安全。 2. Privasea 概述 Privasea AI 网络为人工智能数据隐私相关挑战提供了解决方案。该网络代表了一种尖端架构,将全同态加密 (FHE) 与基于区块链的激励相结合,解决了与数据隐私相关的日益增长的担忧,并满足了对协作 AI 计算日益增长的需求。Privasea AI 网络将 FHE 从理论到应用分为以下四个层次:应用层、优化层、算术层和原始层。该网络提供通用和定制解决方案,以弥合 AI 处理中用户隐私和分布式计算资源之间的差距,涵盖 FHE 的所有四个层次。 Privasea AI 网络的一个关键目标是确保遵守数据保护法规,包括欧盟严格的《通用数据保护条例》(GDPR)。这些法规对个人数据的收集、处理和存储提出了严格的要求。 2.1 网络参与者: 网络用户(数据拥有者、结果接收者):发起机器学习任务,安全地提供数据,并与网络交互以获得解密结果。 Privanetix 节点(计算节点):作为 Privasea AI 网络中的服务提供商,为隐私保护机器学习任务提供计算资源。 解密者:确保 Privanetix 节点生成的加密结果安全解密的专门参与者。他们与网络用户协作解密和解释机器学习任务的最终结果,确保解密结果的隐私和完整性。 2.2 Privasea架构: Privasea AI 网络由四个主要组件组成:HESea 库、Privasea API、Privanetix 和 Privasea 智能合约套件。 HESea 库:该组件构成了 Privasea AI 网络的基础,托管了一系列流行的全同态加密方案的高效实现,例如 TFHE、CKKS、BGV、BFV 等。HESea 库为开发人员提供了访问各种功能的权限。 Privasea API:一套基于 HESea 库构建的综合协议和工具。Privasea API 允许开发人员轻松地将高级隐私保护功能集成到他们的 AI 应用程序中。 Privanetix:一个计算节点网络,可对加密数据进行安全计算。通过将计算分布在多个节点上,Privanetix 确保了 Privasea AI 网络的可扩展性和效率。 Privasea 智能合约套件:该套件包括一系列精心设计的智能合约,用于处理网络管理的各个方面。 此外,根据 GitHub 的说法,Privasea 还包含 Zama AI 的其他几个组件,可为区块链和 AI 提供最先进的 FHE 解决方案: Concrete:一个开源 FHE 编译器(已更新为 TFHE-rs),可简化全同态加密 (FHE) 的使用。它允许将 Python 程序转换为其 FHE 等效程序。对于想要创建接受加密输入并生成加密输出的高级应用程序的开发人员来说,Concrete 非常有用。 TFHE-rs:TFHE 的纯 Rust 实现,用于对加密数据进行布尔和整数运算。TFHE-rs 专为希望完全控制 TFHE 功能而不必担心底层实现细节的开发人员和研究人员而设计。 Concrete ML:Zama 基于 Concrete 构建的隐私保护机器学习 (PPML) 开源工具集。它旨在简化数据科学家对全同态加密 (FHE) 的使用,帮助他们自动将机器学习模型转换为同态等效模型。 2.3 Privasea 工作流程: 用户创建账户,设置机器学习任务,通过机器学习应用的API接口在本地对向量进行加密,并在本地生成交换密钥。 然后,用户可以向 Privatenix 网络提交加密任务并通过区块链支付服务费用。 Privatenix节点在用户的加密域中接收并执行加密任务,然后使用用户先前生成的切换密钥将加密结果传输到解密者的加密域中。 一旦工作完成,Privanetix 会将结果发送给解密者并获得报酬 接下来,解密者使用他们的客户端密钥对结果进行解密,并使用代理重加密(PRE)方案将解密的结果发送给网络用户。 2.4 安全 KYC 用例工作流程: 1. 注册带照片的身份证:用户提供身份证,包括照片。客户端使用特征提取算法从身份证照片中提取面部特征 2. 提交自拍验证任务:用户使用相机或移动设备进行自拍,客户端使用与身份证登记相同的特征提取算法,从自拍图像中提取人脸特征。 3. 检索 ID 图像的加密嵌入:指定的 Privanetix 节点从安全数据库中检索与用户相关的加密 ID 嵌入。 4. 在密文域中处理人脸检查:利用 FHE 功能,Privanetix 节点对加密的 ID 和自拍嵌入执行计算,例如计算它们之间的距离。Privanetix 节点将距离与预定义的阈值进行比较以确定相似度。结果保留在密文域中。 5. 将加密结果发送给解密器:Privanetix 节点将加密的布尔结果发送给解密器进行进一步处理。 6. 解密和提取结果:解密者拥有私钥,对收到的结果进行解密以获得最终的检查结果(例如是或否)。 7. 结果传递:解密器使用代理重加密(PRE)或其他合适方法将最终结果安全地传递至需要它的指定机构或实体。 3. GitHub 上面我们已经查看了 Zama AI 的一些存储库,现在让我们来看看一些专有的Privasea 存储库。首先引起你注意的是,Privasea 存储库的最后一次更新是在 2023 年 7 月。这可能是因为目前该领域围绕 FHE 和 AI/ML 任务分配的竞争非常激烈,因此团队不会发布更新来保持他们的发展活力。 Privasea-general是主要的 Privasea 存储库,包含多个开源软件包。这些软件包包括 HESea_lib,这是一个高级全同态加密 (FHE) 库,为开发人员提供强大、灵活且易于使用的安全计算工具。或者 Privasea-Miscellaneous,其中包含可用于其他 PrivateSea 存储库的源数据。 HESEA_Lib- HESea 是一个尖端的全同态加密 (FHE) 库,为开发人员提供强大、灵活且易于使用的安全计算工具。HESea 采用最先进的加密技术构建,并针对高性能进行了优化,是各种用例的理想选择。HESea 提供各种 FHE 方案,包括 TFHE、CKKS、BGV、BFV 等,使用户无需解密即可对加密数据执行计算。这可确保敏感数据保持安全并免受隐私泄露和安全威胁。 Comparison_demo- 这是使用 HESEA 库进行密文排序的演示。此演示程序将要排序的明文序列加密为相应的密文序列,并通过比较密文序列对该序列进行排序。然后,程序解密密文序列并输出排序后的明文序列。 dinn_demo- 这是使用 HESEA 库进行安全手写数字识别的演示。它代表了一种使用 TFHE 加密方案的隐私保护深度学习方法。DINN 的主要优势在于,它通过创新地使用离散神经网络,在保持正常操作效率的同时实现了具有竞争力的准确性。这些网络量化了权重和偏移量,降低了底层计算的复杂性并简化了初始 TFHE 引导程序。因此,同态估计得到进一步改进,从而提高了效率。 4. 代币经济学 PRVA 代币是 Privasea Al 网络中的实用代币,在促进交易、激励参与者和实现链上治理方面发挥着至关重要的作用。它还充当交换媒介,使用户能够访问隐私 Al 服务并解锁生态系统内的各种功能。PRVA 代币的价值主要由对网络服务的需求驱动,其中包括保护隐私的机器学习和其他基于 Al 的功能。 具体来说,PRVA 代币在生态系统中发挥以下作用: - 交易便利化 代币分配: 挖矿/质押(45%)-将分配给项目内提供完全同态加密(FHE)和其他隐私服务的质押节点。 团队分配(10%) 支持者(20%) 营销和社区发展分配(15%)-这些代币将专用于营销和社区发展计划。 储备(6%)——此类别主要适用于无法计划的项目,例如需要满足的未来法规或需要申请的许可证。 流动性(4%)——这种流动性至关重要,因为它可以确保参与者能够在不引起价格大幅波动的情况下进入或退出其头寸,从而促进市场的增长。 5. 团队 LinkedIn首席执行官 David Jiao是一位经验丰富的企业家,具有在复杂系统开发方面的强大背景,2010 年在 Simplight Nanoelectronics 担任软件工程师,随后加入 Cybercom Group。2015 年至 2020 年,David 担任 Golden Ridge Robotic AB 的联合创始人兼首席产品官,这是一家主要专注于 Cyber-Physical 家用机器人系统的初创研发公司。与此同时,他还参与了沃尔沃的软件开发——作为沃尔沃的系统设计师,我负责设计和原型设计沃尔沃全新 SPA2 架构中车辆配置的系统功能。2021 年,他推出了 Nulink,通过 API 为去中心化应用程序提供 PRE+ZK 技术。此外,David 在沃尔沃的经验使 Privasea 能够参与与 RISE(一家瑞典研究机构)和 Alkit Communications AB 为汽车行业开展的联合项目。 Ting Gao,领英首席研究科学家- 拥有深厚的应用数学和数学建模背景:自 2010 年以来,他一直担任伊利诺伊理工学院的研究员,自 2015 年以来,他担任 M3 的数据分析师和数据科学家,然后担任 Twitter 的 ML 工程师。自 2021 年以来,他担任华中科技大学应用数学、随机建模、深度学习及其在数学金融中的应用的助理教授 Alex (R) Gaidarski,LinkedIn增长经理- 自 2006 年以来拥有丰富的系统管理员经验,这使他成为一名具有技术倾向的营销人员。在加入 Privasea 之前,他曾在 NuiLink 与 David Jiao 一起担任营销团队成员。 Zean Darren,社区发展和管理,LinkedIn- 拥有丰富的社区管理经验,曾担任 Manta、Polyhedra、Tanssi Network 的大使,并在 Arcomia 和 Story Chain 担任过主持人和助手。 6. 合作、整合和应用 Privasea 目前的主要实际应用是 ImHuman,这款应用已经在 Google Play 和 AppStore 上架。它是 PoH(人类证明)技术的一种实现,可以确认人类身份,保护您的数字存在免受机器人和人工智能模仿的侵害。在此应用中,通过面部生物识别技术确认身份是通过 NFT 个性化人类身份证明。生物特征数据通过用户设备上的加密向量进行网络化。然后使用用户的客户端密钥对这些向量进行安全加密,并将其发送到 Privasea 的安全网络服务器。Privasea 目前正计划在 Linea、Movement、Gate 中实施其 PoH 解决方案,并与 Telegra、/Discord/Reddit 集成。 与TG机器人集成的示例: Mind Network 是去中心化零信任数据湖的先驱。Privasea 目前正在构建一个针对完全同态加密的核心操作进行优化的微调库,为 web2 和 web3 客户提供高效便捷的解决方案。另一方面,Mind Network 专注于安全的数据驱动智能合约和加密数据的 AI。此次合作的关键方面之一是 Mind Network 将 Mind Network 的 FHE 数据湖集成到 Privasea 的 AI 网络中。 BNB Grienfield - 将数据管理与 BNB 智能链 (BSC) 中的去中心化金融 (DeFi) 潜力相结合。Privasea AI Network 和 BNB Greenfield 联手改变了数据存储和隐私的格局。Privasea 的 FHE 技术将实现网络上用户数据的持久加密。此外,BNB Greenfield 平台上的开发人员可以无缝地使用加密数据执行计算,涵盖数据统计、逻辑分析和机器学习模型评估等操作,而无需深入研究加密方法的复杂细节,包括利用 Privanetix 强大节点的能力。 Ton Network - Privasea 推出了 Secure LivenessCheck Bot,这是 TON Netwok 的解决方案,旨在通过利用先进的面部识别技术结合完全同态加密 [FHE] 来重新定义用户身份验证。 Pri-Auto 是一个可持续汽车行业的项目,瑞典 Vinnova Fordonsstrategisk Forskning och Innovation (FFI) 已选择在 2023 年为其提供资金。在 Pri-Auto 项目下,Privasea 将构建基础设施,为汽车行业创建安全的数据源,并通过智能访问权限管理实现 OEM、MaaS 和保险公司等多方之间的数据共享。对于这个项目,Privasea 正在与 RISE(一家瑞典研究机构)和 Alkit Communications AB(一家为沃尔沃集团和沃尔沃汽车等 OEM 提供数据收集服务的供应商)合作。 7. 支持者 Privasea 已从 Dewhales Capital、Binance Labs、Gate Labs、OKX Ventures、MH Ventures、K300 Ventures、QB Ventures、Crypto Times、Basic Capital、DuckDAO 等支持者以及一些来自行业的商业天使(例如 Zakaria (zak) Aves 和 Luke Sheng(来自 Chainlink))获得 500 万美元的投资承诺。 8. 结论 通过解决效率问题并专注于改进现有算法,Privasea 为 FHE 的广泛采用铺平了道路,确保了数据安全和隐私在这个数据驱动的世界中可以共存的未来。他们的解决方案允许用户利用区块链提供的多种分布式计算资源,同时在处理 AI 时保持对数据和模型的完全控制。当今的世界变得越来越复杂,web3 与 AI 的联系越来越紧密。 查看更多 —- 编译者/作者:金色精选 玩币圈申明:玩币圈作为开放的资讯翻译/分享平台,所提供的所有资讯仅代表作者个人观点,与玩币圈平台立场无关,且不构成任何投资理财建议。文章版权归原作者所有。 |
Privasea详解:基于全同态加密的AI网络
2024-08-30 金色精选 来源:区块链网络
- 上一篇:国内RWA应用合规研究
- 下一篇:Vitalik谈「空投」:令人着迷的身份认证范例
LOADING...
相关阅读:
- Vitalik谈「空投」:令人着迷的身份认证范例2024-08-30
- 国内RWA应用合规研究2024-08-30
- 前Meta大佬打造一文详解Sui的技术架构与未来规划2024-08-30
- 市场热议链抽象如何拉动行情?2024-08-30
- Grayscale:探索以太坊生态系统有哪些资产值得关注2024-08-29