privasea詳細説明：フルタイム暗号化に基づくAIネットワーク

著者：デカレス研究出典：サブサック翻訳：シャンオバ、ビッチンビジョンレルム

1。はじめに：FHE、その歴史的および応用とは何か

FHEは完全に同一の暗号化を表します。これは、暗号文が復号化なしで直接コンピューティングを実行できるようにする暗号化ソリューションです。これは、暗号化されたデータがコンピューティングプロセス全体で暗号化状態を維持し、計算結果も暗号化できないことを意味します。FHEは、機械学習や人工知能分析を含む暗号化されたデータの計算をサポートしているため、科学者、研究者、データ駆動型企業は、基礎となるデータまたはモデルを復号化したり漏らしたりすることなく、貴重な洞察を抽出できます。完全に同じ状態の暗号化は、暗号化の最も強力な形式ですが、大きな不利な点があり、多くのコンピューティング能力が必要です。

実際、BGV、BFV、CKKS、FHEW、NUFHE、およびTFHEには多くの種類のFHEがあります。1978年に提案された後、同じ州の暗号化（HE）が最初に最初の30年間でゆっくりと発達しました。現在のFHEの形式は2009年に発表されました。当時、クレイグジェントリーは完全に均質な暗号化を果たす方法を提案しましたが、システムは動作するたびにノイズを導入します。その後、一部の人々は小さな暗号文を備えた修正バージョンを提案しましたが、最も人気のあるソリューションは、Zvika Brakerskiと彼のチームと比較して提案されました。いくつかの連続反復-BGV、BFV、およびCKKS -GSWが生まれた後、FHEW（2014年に発売）およびTFHE（2016年に発売）を開発するために開発されました。Chillotti、Gama、Georgieva、およびIzabacheneは、各ドアガイダンス操作の遅延を0.1秒未満に短縮しました。それ以来、このプログラムには、そのプロセスへのプログラミングガイダンス、FHEの加速、Web2およびWeb3アプリケーションなどのほとんどのユースケースに適用できるようになりました。

これまでのところ、最終結果はZamaのTFHE-RSであり、整数プログラミングガイダンスをサポートするために元のTFHE関数を拡張しました。さらに、現在のPRIVASEAの実装はTFHE-RSです。

FHEユースケース：

クラウドコンピューティング：FHEを使用すると、ユーザーはリモートサーバーのリモートサーバー上のデータを保存および処理して、クラウドコンピューティングに大きな利点をもたらします。これは、ユーザーがクラウドの強力なコンピューティング機能を使用しながら、データのセキュリティとプライバシーを確保できることを意味します。これは、すべての参加者にとって勝利の状況です。
金融サービス：金融サービスはFHEの機能を使用することもできます。金融データを安全に処理することにより、FHEは金融機関が複雑な暗号化されたデータを分析することができます。最良の部分は、その顧客のプライバシーですプロセス全体で変更されていません。
機械学習：暗号化データのモデルをトレーニングすることにより、FHEは機械学習を大いに促進できます。これにより、組織はデータセキュリティを確保しながら、機械学習の力を使用できます。

2。Priveaの概要

PRIVASEA AIネットワークは、人工知能データに関連するプライバシーのソリューションを提供します。このネットワークは、データプライバシーの増加する懸念を解決するためのブロックチェーンベースのインセンティブを組み合わせた、カッティングエッジアーキテクチャを表し、AIコンピューティングの増加を満たしていますPRIVASEA AIネットワークは、FHEを理論からアプリケーションに分割し、アプリケーション層、最適化層、算術層、元のレイヤーの4つのレベルに分割します。ネットワークは、ユーザープライバシーとAI処理の分散コンピューティングリソースのギャップを満たすための一般的かつカスタマイズされたソリューションを提供し、4つのレベルのFHEをカバーしています。

PRIVASEA AIネットワークの重要な目標は、EUの厳格な「一般データ保護規則」（GDPR）を含むデータ保護規則への準拠を確保することです。これらの規制は、個人データの収集、処理、保存に関する厳格な要件を提案しました。

2.1ネットワーク参加者：

ネットワークユーザー（データ所有者、結果レシーバー）：機械学習タスクを開始し、データを安全に提供し、インターネットと対話して復号化の結果を得ました。
privnetixノード（ノードの計算）：Privasea AIネットワークのサービスプロバイダーとして、プライバシー保護機械学習タスクのコンピューティングリソースを提供します。
Decryptor：Privanetixノードによって生成された暗号化の結果が、特別な参加者によって特別に復号化されていることを確認してください。ネットワークユーザーと協力して、機械学習タスクの最終結果を復号化して説明し、復号化の結果のプライバシーと整合性を確保します。

2.2 Privaseaアーキテクチャ：

PRIVASEA AIネットワークは、HESEAライブラリ、PRIVASEA API、Privanetix、およびPrivaseaスマートコントラクトキットの4つの主要なコンポーネントで構成されています。

HESEAライブラリ：このコンポーネントは、TFHE、CKK、BGV、BFVなどの一連の人気のあるすべての暗号化ソリューションの効率的な実装を拘留します。HESEA Libraryは、開発者にさまざまな機能にアクセスする許可を提供します。

PRIVASEA API：HESEAライブラリに基づく一連の包括的なプロトコルとツール。Privasea APIを使用すると、開発者は高度なプライバシー保護機能をAIアプリケーションに簡単に統合できます。

partanetix：暗号化されたデータで安全に計算できるコンピューティングノードネットワーク。複数のノードで計算を分配することにより、PrivanetixはPRIVASEA AIネットワークのスケーラビリティと効率を保証します。

PRIVASEAスマートコントラクトセット：このキットには、ネットワーク管理のあらゆる側面を処理するための一連の慎重に設計されたスマートコントラクトが含まれています。

さらに、Githubによると、PrivaseaにはZama AIの他のいくつかのコンポーネントも含まれています。

コンクリート：オープンソースFHEコンパイラ（TFHE-RSとして更新）。これにより、フルステート暗号化（FHE）の使用を簡素化できます。これにより、PythonプログラムはそれをFHE同等のプログラムに変換できます。暗号化入力を受け入れ、暗号化された出力を生成する高レベルのアプリケーションを作成したい開発者にとって、コンクリートは非常に便利です。
TFHE-RS：TFHEの純粋な錆の実装は、暗号化されたデータでBURおよび整数操作を実行するために使用されます。TFHE-RSは、最下層の詳細を心配することなく、TFHE機能を完全に制御したい開発者と研究者向けに設計されています。

コンクリートML：Zamaは、コンクリートに基づくプライバシー保護機械学習（PPML）のオープンソースツールです。それは、機械学習モデルを均質な等価モデルに自動的に変換するために、全方向暗号化（FHE）を使用するためにデータサイエンティストの使用を簡素化することを目的としています。

2.3 Privaseaワークフロー：

ユーザーはアカウントを作成し、機械学習タスクをセットアップし、機械学習によって適用されたAPIインターフェイスを介してベクトルをローカルに暗号化し、Exchangeキーをローカルで生成します。
ユーザーは、暗号化タスクをPrivenixネットワークに送信し、ブロックチェーンを通じてサービス料を支払うことができます。
Privenixノードは、ユーザーの暗号化ドメインで暗号化タスクを受信および実行し、ユーザーの以前のスイッチングキーを使用して、暗号化結果を復号化された人の暗号化ドメインに送信します。
作業が完了すると、partaNetixは結果を復号化者に送信し、支払いを受けます
次に、Decryptorはクライアントキーを使用して結果を復号化し、エージェント暗号化（Pre）ソリューションを使用して、復号化結果をネットワークユーザーに送信します。

2.4安全性KYCケースワークフロー：

1。写真にIDカードを登録：ユーザーは写真を含むIDカードを提供します。クライアントの使用機能抽出アルゴリズム抽出IDカード写真から顔の機能を抽出します

2.自撮り検証タスクを提出する：ユーザーはカメラまたはモバイルデバイスを使用してセルフィーに使用し、クライアントはIDカード登録と同じ機能抽出アルゴリズムを使用し、セルフィー画像からフェイス機能を抽出します。

3。ID画像の暗号化の埋め込み：指定されたParimanetixノードは、セキュリティデータベースから暗号化されたID関連暗号化IDを取得します。

4.フェイスチェックのハンドルciphertext：fhe関数を使用すると、parperanetixノードは、それらの間の距離を計算するなど、暗号化されたIDと自己タイマーが埋め込まれた自己タイマーで計算されます。partanetixノードは、事前定義されたしきい値からの距離を比較して、類似性を決定します。結果はciphertevyで保持されます。

5.暗号化された結果を復号化に送信します：Privanetixノードは、さらに処理するために暗号化されたバーリエの結果を復号化に送信します。

6。復号化と抽出の結果：復号化者には秘密鍵があり、受信した結果を復号化して最終的なチェック結果を取得します（など）。

7.結果送信：Decryptorは、プロキシ再結晶（Pre）またはその他の適切な方法を使用して、最終結果をそれを必要とする指定メカニズムまたはエンティティに安全に渡します。

3。github

上記のZama AIリポジトリの一部を確認しましたprivaseaリポジトリエッセンスあなたの注意を引く最初のことは、Privaseaリポジトリの最後の更新が2023年7月だったことです。これは、FHEおよびAI/MLタスクをめぐる現在の競争が非常に激しいため、チームは開発の活力を維持するための更新をリリースしないためかもしれません。

Privasea-General複数のオープンソースソフトウェアパッケージを備えた主要なPrivaseaリポジトリです。これらのソフトウェアパッケージには、HESEA_LIBが含まれます。HESEA_LIBは、高レベルのフルレベル暗号化（FHE）ライブラリであり、開発者に強力で柔軟で簡単なセキュリティコンピューティングツールを提供します。または、他のPrivateseaリポジトリに使用できるソースデータを含むPrivasea-Miscellaneous。

hesea_lib-HESEAは、切断 – エッジフルステート暗号化（FHE）ライブラリであり、開発者に強力で柔軟で簡単なセキュリティコンピューティングツールを提供します。HESEAは、最も高度な暗号化されたテクノロジーで構築されており、さまざまなケースに最適な高性能です。HESEAは、TFHE、CKK、BGV、BFVなどを含むさまざまなFHEソリューションを提供し、暗号化データの使用を復号化なしで計算できます。これにより、機密データが安全に保たれ、プライバシーの漏洩とセキュリティの脅威が回避されます。

比較_demo– これは、ciphertextソートのためにHESEAライブラリを使用したデモです。このデモンストレーションプログラムは、明示的なシーケンスを暗号化して、対応する暗号文シーケンスにソートされ、比較暗号文シーケンスを使用してシーケンスをソートします。次に、プログラムは密なテキストシーケンスを分解し、ソート後に明示的なシーケンスを出力します。

dinn_demo– これは、セキュリティ手書きのデジタル認識のためにHESEAライブラリを使用したデモです。これは、TFHE暗号化スキームを使用したプライバシー保護ディープラーニング方法を表しています。DINNの主な利点は、通常の運用効率を維持しながら、通常の運用効率を維持するために個別のニューラルネットワークを使用しながら、競争力の精度があることです。これらのネットワークの定量的重みとオフセットは、基礎となる計算の複雑さを軽減し、最初のTFHEガイドプログラムを簡素化します。したがって、同じ状態の推定がさらに改善され、それにより効率が向上しました。

4。トークン

PRVAトークンは、Privasea alネットワークの実用的なトークンです。また、交換媒体として機能し、ユーザーはプライバシーALサービスにアクセスし、エコシステム内のさまざまな機能のロックを解除できます。PRVAトークンの価値は、主に、プライバシーやその他のALベースの機能を保護するための機械学習など、ネットワークサービスの需要によって推進されています。

具体的には、PRVAトークンは生態系で次の役割を果たしています。

– トランザクションファシリテーション
– コープと報酬
– アピラートと投票
– パメルとネットワークセキュリティ
– 排他的な機能

トークン分布：

マイニング/誓約（45％）– プロジェクトで提供された完全な均一な暗号化（FHE）およびその他のプライバシーサービスを備えた誓約ノードへの割り当て。
チームの割り当て（10％）
サポート（20％）
マーケティングとコミュニティ開発の分布（15％）– この通貨は、マーケティングおよびコミュニティ開発計画に使用されます。
予備（6％）– このカテゴリは、主に計画できないプロジェクトに適用できます。たとえば、満たす必要がある将来の規制や適用が必要なライセンスなどです。
流動性（4％）– この流動性は重要です。なぜなら、参加者は価格に大きな変動を引き起こすことなく、市場の成長を促進することなく、ポジションに出入りできることを保証できるからです。

5。チーム

LinkedInCEOのDavid Jiao彼は、2010年にSimplight Nanoelectronicsのソフトウェアエンジニアを務め、その後Cybercom Groupに参加した経験豊富な起業家です。2015年から2020年にかけて、DavidはGolden Ridge Robotic ABの共同設立者兼最高製品責任者を務めました。同時に、彼はボルボのシステム設計者としてボルボのソフトウェア開発にも参加しました。私は、ボルボの新しいSPA2アーキテクチャで車両構成のシステム機能を設計および設計する責任がありました。2021年、彼はNulinkを立ち上げ、APIを介して分散型アプリケーションにPre+ZKテクノロジーを提供しました。さらに、ボルボでのDavidの経験により、PrivaseaはRise（スウェーデンの研究機関）とAlkit Communications ABが自動車産業のAlkit Communications ABが実施した共同プロジェクトに参加できます。

ティンガオ、リンギングチーフ研究科学者– 深い応用数学と数学モデリングの背景：2010年以来、彼はイリノイ工科大学の研究者であり、M3のデータアナリストおよびデータ科学者を務め、その後TwitterのMLエンジニアを務めました。2021年以来、彼は応用数学、ランダムモデリング、ディープラーニング、および数学金融の適用の助教授を務めてきました

アレックス（r）ガイダルスキー、リンキン2006年以来、システム管理者の成長マネージャーは豊富な経験であり、彼は技術的なマーケティング担当者になりました。Privaseaに入社する前は、NuilinkとDavid Jiaoのマーケティングチームのメンバーでした。

Zean Darren、コミュニティ開発と管理、LinkedIn– コミュニティ管理の豊富な経験を持つ彼は、Manta、Polyhedra、Tansi Network、およびArcomiaおよびStory Chainのホストとアシスタントのホストおよびアシスタントを務めました。

6。協力、統合、およびアプリケーション

Privaseaの現在の主要な実際のアプリケーションはImhumanであり、このアプリケーションはGoogle PlayとAppstoreで開始されました。これは、人間のアイデンティティを確認し、ロボットや人工知能の模倣から違反の数を保護できるPOH（人間の証明書）テクノロジーの実装です。このアプリケーションでは、顔の生体認証技術によるアイデンティティの確認は、NFTによる人間のアイデンティティの証拠です。Bio -Characteristicデータは、ユーザーデバイスの暗号化ベクトルを介したネットワークです。次に、ユーザーのクライアントキーを使用して、これらのベクトルを暗号化し、Privaseaのセキュリティネットワークサーバーに送信します。Privaseaは現在、Linea、Movement、およびGateにPOHソリューションを実装することを計画しており、Telegra、/Discord/Redditと統合しています。

TGロボット統合の例：

マインドネットワークは、分散化されたゼロトラストデータレイクの先駆者です。Privaseaは現在、Web2およびWeb3の顧客に高い効率と便利なソリューションを提供するために、完全に均質な暗号化のコア操作を最適化する素晴らしい調整ライブラリを構築しています。一方、Mind Networkは、安全なデータ駆動型のスマートコントラクトと暗号化されたデータAIに焦点を当てています。この協力の重要な側面の1つは、マインドネットワークがマインドネットワークのFHEデータをAI NetworkのAIネットワークに統合したことです。

BNB Grienfield -Combine Data Management BNB Smart Chain（BSC）の分散財務（DEFI）の可能性。Privasea AIネットワークとBNB Greenfieldは、データストレージとプライバシーのパターンを変更するために力を合わせました。PRIVASEAのFHEテクノロジーは、ネットワーク上のユーザーデータの耐久性のある暗号化を実現します。さらに、BNB Greenfieldプラットフォームの開発者は、暗号化されたデータをシームレスに使用して、データ統計、論理分析、機械学習モデルの評価などの操作をカバーできます

TON Network -Privaseaは、Secure LivensionCheckボットを開始しました。これは、同じ状態の暗号化[FHE]と組み合わせた高度なフェイシャル認識技術を使用して、ユーザーIDの検証を再定義するTONネットワークソリューションです。

Pri-autoは、持続可能な自動車産業プロジェクトです。PRI-Autoプロジェクトの下で、Privaseaはインフラストラクチャを構築して、自動車産業のセキュリティデータソースを作成し、Intelligent Access Permissionsを通じてOEM、MAA、および保険会社の間のデータ共有を実現します。このプロジェクトでは、PrivaseaはRise（スウェーデンの研究機関）およびAlkit Communications AB（Volvo GroupやVolvo AutomobileなどのOEMにデータ収集サービスを提供するサプライヤー）と協力しています。

7。サポルト

Privaseaは、Dewhales Capital、Binance Labs、Gate Labs、Okx Ventures、MH Ventures、K300 Ventures、Crypto Times、Basic Capital、Duckdao、その他の支持者、および業界のビジネスマンからサポートされています（業界のビジネスマン。 Zakaria（Zak）AvesやLuke Sheng（ChainLinkから）など、500万ドルの投資コミットメントを得ることができます。

8。結論

効率の問題を解決し、既存のアルゴリズムの改善に焦点を当てることにより、PrivaseaはFHEの広く使用されている道路を舗装し、データセキュリティとプライバシーがこのデータ駆動型の世界で共存できるようにします。それらのソリューションにより、ユーザーはブロックチェーンが提供するさまざまな分散コンピューティングリソースを使用することができ、AIを処理する際にデータとモデルの完全な制御を維持することができます。今日の世界はますます複雑になりつつあり、Web3とAIの関係は近づいています。

privasea詳細説明：フルタイム暗号化に基づくAIネットワーク