Explicación detallada de PrivAsea: red de IA basada en el cifrado de tiempo completo

Autor: DeWhales Investigación Fuente: Traducción de subsistencia: Shan Oba, Reino de la Visión de Bittain

1. Introducción: ¿Qué es FHE, sus aplicaciones históricas y

FHE representa un cifrado completamente idéntico, que es una solución de cifrado que permite que el texto cifrado realice la computación directamente sin descifrado.Esto significa que los datos cifrados mantienen el estado de cifrado durante todo el proceso de computación, y el resultado del cálculo también está encriptado.El FHE admite el cálculo de datos cifrados, incluido el aprendizaje automático y el análisis de inteligencia artificial, de modo que los científicos, investigadores y empresas impulsadas por datos pueden extraer información valiosa sin descifrar o filtrar datos o modelos subyacentes.Completamente el mismo cifrado del estado es la forma más poderosa de cifrado, pero tiene una gran desventaja y requiere mucha potencia informática.

De hecho, hay muchos tipos de FHE: BGV, BFV, CKK, FHEW, NUFHE y TFHE.Después de ser propuesto en 1978, el mismo cifrado del estado (HE) inicialmente se desarrolló lentamente en los primeros treinta años.La forma actual de FHE salió en 2009. En ese momento, Craig Gentry propuso un método para cumplir con un cifrado completamente homogéneo, aunque el sistema introduciría ruido cada vez que operaba.Más tarde, algunas personas propusieron una versión modificada con un pequeño texto cifrado, pero la solución más popular fue propuesta por Zvika Brakerski y su equipo.Después de varias iteraciones continuas -BGV, BFV y CKKS -GSW nacieron, y se desarrolló para desarrollar FHEW (lanzado en 2014) y TFHE (lanzado en 2016).Chillotti, Gama, Georgieva e Izabachene acortaron el retraso de la operación de orientación de cada puerta a menos de 0.1 segundos.Desde entonces, el programa ha incluido la orientación de programación en su proceso, acelerando la FHE y haciéndolo aplicable a la mayoría de los casos de uso, incluidas las aplicaciones Web2 y Web3.

Hasta ahora, el resultado final es el TFHE-RS de Zama, que ha extendido la función original de TFHE para admitir la guía de programación entera.Además, la implementación actual de Privasea es TFHE-RS.

Caso de uso:

Computación en la nube:FHE permite a los usuarios almacenar y procesar datos en servidores remotos en un servidor remoto para traer grandes beneficios a la computación en la nube.Esto significa que los usuarios pueden usar las potentes capacidades informáticas de la nube al tiempo que garantizan la seguridad y la privacidad de los datos.Esta es una situación ganadora para todos los participantes.
Servicios financieros:Los servicios financieros también pueden usar la función de FHE.A través del procesamiento de datos financieros, el FHE permite a las instituciones financieras analizar datos encriptados complejos.La mejor parte es que la privacidad del clientePermanece sin cambios durante todo el proceso.
Aprendizaje automático:Al capacitar al modelo en datos de cifrado, la FHE puede promover enormemente el aprendizaje automático.Esto permite a la organización utilizar el poder del aprendizaje automático al tiempo que garantiza la seguridad de los datos.

2. Descripción general de privacos

Privasea AI Network proporciona soluciones para la privacidad relacionada con los datos de inteligencia artificial.Esta red representa una arquitectura de corte que combina el cifrado completo del estado (FHE) con un incentivo basado en blockchain para resolver la creciente preocupación de la privacidad de los datos y satisface la creciente demanda de cooperación AI Computing.La red Privasea AI divide la teoría a la aplicación en los siguientes cuatro niveles: capa de aplicación, capa de optimización, capa aritmética y capa original.La red proporciona soluciones generales y personalizadas para cumplir con la brecha entre la privacidad del usuario y los recursos informáticos distribuidos en el procesamiento de IA, que cubre los cuatro niveles de FHE.

Un objetivo clave de la red de IA Privasea es garantizar el cumplimiento de las regulaciones de protección de datos, incluidas las estrictas «regulaciones generales de protección de datos» (GDPR) de la UE.Estas regulaciones presentan requisitos estrictos para recopilar, procesar y almacenar datos personales.

2.1 Participantes de la red:

Usuarios de la red (propietarios de datos, receptores de resultados): tareas iniciadas de aprendizaje automático, proporcionaron datos de forma segura e interactuaron con Internet para obtener resultados de descifrado.
PrivNetix Node (nodo de cálculo): como proveedor de servicios en la red de AI Privasea, proporciona recursos informáticos para tareas de aprendizaje automático de protección de privacidad.
Decryptor: asegúrese de que los resultados de cifrado generados por el nodo Privanetix sean especialmente descifrados por participantes especiales.Colaboran con los usuarios de la red para descifrar y explicar el resultado final de las tareas de aprendizaje automático para garantizar la privacidad y la integridad de los resultados del descifrado.

2.2 Arquitectura de Privasea:

La red de AI Privasea consta de cuatro componentes principales: la biblioteca Hesea, la API de Privasea, Privanetix y los kits de contratos inteligentes de Privasea.

Biblioteca Hesea: este componente constituye la base de la red de AI Privasea.Hesea Library ofrece a los desarrolladores permisos para acceder a diversas funciones.

API de Privasea: un conjunto de protocolos y herramientas integrales basados en la biblioteca Hesea.La API de Privasea permite a los desarrolladores integrar fácilmente las funciones avanzadas de protección de la privacidad en sus aplicaciones de IA.

Privanetix: una red de nodo informática, que se puede calcular de forma segura en datos cifrados.Al distribuir cálculos en múltiples nodos, Privanetix garantiza la escalabilidad y la eficiencia de la red de IA Privasea.

Conjunto de contratos inteligentes de Privasea: este kit incluye una serie de contratos inteligentes cuidadosamente diseñados para manejar todos los aspectos de la gestión de redes.

Además, según Github, Privasea también contiene varios otros componentes de Zama AI, que pueden proporcionar la solución FHE más avanzada para blockchain e IA:

Concreto: un compilador de código abierto FHE (actualizado como TFHE-RS), que puede simplificar el uso de cifrado de estado completo (FHE).Permite que el programa Python lo convierta en su programa equivalente.Para los desarrolladores que desean crear una aplicación de alto nivel que acepte la entrada de cifrado y genere salida encriptada, el concreto es muy útil.
TFHE-RS: la implementación de Rust de TFHE se utiliza para realizar operaciones de Bur e Integer en datos cifrados.TFHE-RS está diseñado para desarrolladores e investigadores que desean controlar completamente la función TFHE sin tener que preocuparse por los detalles de la capa inferior.

Concreto ML: Zama es una herramienta de código abierto para el aprendizaje automático de protección de la privacidad (PPML) basada en concreto.Su objetivo es simplificar el uso de científicos de datos para el uso de cifrado omnidireccional (FHE) para ayudarlos a convertir automáticamente los modelos de aprendizaje automático en modelos equivalentes homogéneos.

2.3 flujo de trabajo de privasea:

Los usuarios crean cuentas, configuran tareas de aprendizaje automático, cifre los vectores localmente a través de la interfaz API aplicada por el aprendizaje automático y generan la clave de intercambio localmente.
Los usuarios pueden enviar tareas de cifrado a Privenix Network y pagar tarifas de servicio a través de blockchain.
El nodo Privenix recibe y ejecuta la tarea de cifrado en el dominio de cifrado del usuario, y luego utiliza la clave de conmutación anterior del usuario para transmitir el resultado de cifrado al dominio de cifrado de la persona descifrada.
Una vez que se complete el trabajo, Privanetix enviará el resultado al Decryptor y se le paga
A continuación, el Decryptor usa su clave de cliente para descifrar los resultados y utilizar la solución de cifrado de agente (pre) para enviar el resultado de descifrado a los usuarios de la red.

2.4 Safety KYC Case Case Workflow:

1. Registre la tarjeta de identificación con fotos: los usuarios proporcionan tarjetas de identificación, incluidas las fotos.Algoritmo de extracción de uso del cliente Extracto de algoritmo Características faciales de la foto de la tarjeta de identificación

2. Envíe una tarea de verificación de selfies: los usuarios usan la cámara o el dispositivo móvil para selfie, el cliente usa el mismo algoritmo de extracción de características que el registro de la tarjeta de identificación, y extrae las características de la cara de la imagen selfie.

3. RetRo La incrustación de cifrado de la imagen de identificación: el nodo privado especificado recupera el ID de cifrado relacionado con la ID cifrado de la base de datos de seguridad.

4. Manejar la verificación de la cara de la cara en el texto cifrado: utilizando la función FHE, el nodo Privanetix se calcula en la ID encriptada y el autotimero incrustado, como calcular la distancia entre ellos.El nodo Privanetix compara la distancia del umbral predefinido para determinar la similitud.El resultado se retiene en la cifrada.

5. Envíe el resultado encriptado al Decryrator: el nodo Privanetix enviará los resultados encriptados al Decryrator para su posterior procesamiento.

6. Resultados de descifrado y extracción: el descifrador tiene una clave privada y descifra los resultados recibidos para obtener el resultado de la verificación final (como o no).

7. Transmisión de resultados: el descifrador utiliza la rehripción proxy (pre) u otros métodos apropiados para pasar el resultado final de manera segura al mecanismo o entidad designado que lo necesita.

3. Github

Arriba hemos revisado parte del repositorio de Zama AI.Repositorio de privacosEsenciaLo primero que atrae su atención es que la última actualización del repositorio de Privasea fue en julio de 2023.Esto puede deberse a que la competencia actual en torno a las tareas FHE y AI/ML es muy feroz, por lo que el equipo no publicará actualizaciones para mantener su vitalidad del desarrollo.

Privasea GeneralEs el principal repositorio de Privasea con múltiples paquetes de software de código abierto.Estos paquetes de software incluyen Hesea_Lib, que es una biblioteca de cifrado de nivel completo de alto nivel (FHE), que proporciona a los desarrolladores herramientas de computación de seguridad fuertes, flexibles y fáciles de usar.O Privasea-Miscelanous, que contiene datos de origen que pueden usarse para otro repositorio de private.

Hesea_lib-Hesea es una biblioteca de cifrado de estado completo (FHE) de Cutting -Edge, que proporciona a los desarrolladores herramientas de computación de seguridad fuertes, flexibles y fáciles de usar.Hesea está construido con la tecnología encriptada más avanzada y el alto rendimiento optimizado.Hesea proporciona una variedad de soluciones FHE, incluidas TFHE, CKK, BGV, BFV, etc., y el uso de datos de cifrado se puede calcular sin descifrado.Esto asegura que los datos confidenciales se mantengan seguros y eviten la fuga de privacidad y las amenazas de seguridad.

Comparación_demo-Esta es una demostración que usa la biblioteca Hesea para la clasificación de texto cifrado.Este programa de demostración cifrará las secuencias explícitas que se clasificarán en la secuencia de texto cifrado correspondiente, y ordenar la secuencia a través de una secuencia comparativa de texto cifrado.Luego, el programa descompondrá la secuencia de texto densa y generará la secuencia explícita después de la clasificación.

dinn_demo-Esta es una demostración que utiliza la biblioteca Hesea para el reconocimiento digital de escritura de seguridad.Representa un método de aprendizaje profundo de protección de la privacidad utilizando el esquema de cifrado TFHE.La principal ventaja de DINN es que tiene la precisión de la competitividad al tiempo que utiliza redes neuronales discretas para mantener la eficiencia operativa normal mientras se mantiene la eficiencia operativa normal.Estas redes de pesos cuantitativos y compensaciones reducen la complejidad del cálculo subyacente y simplifican el programa de guía TFHE inicial.Por lo tanto, la misma estimación de estado se ha mejorado aún más, mejorando así la eficiencia.

4. Tokens

Los tokens PRVA son un tokens práctico en la red privada.También actúa como un medio de intercambio, y los usuarios pueden acceder a los servicios de privacidad Al y desbloquear varias funciones en el ecosistema.El valor de los tokens PRVA está impulsado principalmente por la demanda de servicios de red, incluido el aprendizaje automático para proteger la privacidad y otras funciones basadas en Al.

Específicamente, el token PRVA juega el siguiente papel en el ecosistema:

-La facilitación de transacciones
-Cope y recompensa
-Apirato y votación
-Pamel y seguridad de red
-Las características exclusivas

Distribución del token:

Minería/compromiso (45%)-En la asignación al nodo de compromiso proporcionado en el proyecto con un cifrado homogéneo completo (FHE) y otros servicios de privacidad.
Asignación de equipo (10%)
Supportr (20%)
Distribución de marketing y desarrollo comunitario (15 %)-Esta moneda se utilizará para los planes de marketing y desarrollo comunitario.
Reserva (6%)—La esta categoría es principalmente aplicable a proyectos que no se pueden planificar, como las regulaciones futuras que necesitan ser satisfechas o licencias que deben aplicarse.
Liquidez (4%)—— Esta liquidez es crítica, porque puede garantizar que los participantes puedan ingresar o salir de sus posiciones sin causar grandes fluctuaciones en los precios, promoviendo así el crecimiento del mercado.

5. Equipo

LinkedInCEO David JiaoEs un emprendedor experimentado con una sólida experiencia en el desarrollo de sistemas complejos.De 2015 a 2020, David se desempeñó como cofundador y director de productos de Golden Ridge Robotic AB.Al mismo tiempo, también participó en el desarrollo de software de Volvo, como diseñador de sistemas de Volvo, fui responsable de diseñar y diseñar la función del sistema de la configuración del vehículo en la nueva arquitectura SPA2 de Volvo.En 2021, lanzó Nulink para proporcionar tecnología Pre+ZK para aplicaciones descentralizadas a través de API.Además, la experiencia de David en Volvo permite a Privasea participar en proyectos conjuntos llevados a cabo por Rise (una institución de investigación sueca) y Alkit Communications AB para la industria automotriz.

Ting Gao, persistiendoCientífico principal de investigación-Los antecedentes con el modelado de matemáticas y matemáticas aplicadas profundas: desde 2010, ha sido investigador en el Instituto de Tecnología de Illinois, ha servido como analistas de datos y científicos de datos de M3, y luego se ha desempeñado como ingeniero de ML de Twitter.Desde 2021, se ha desempeñado como profesor asistente de matemáticas aplicadas, modelado aleatorio, aprendizaje profundo y su aplicación en finanzas matemáticas

Alex (R) Gaidarski, LinkedInEl gerente de crecimiento tiene una rica experiencia en administradores de sistemas desde 2006, lo que lo ha convertido en un personal de marketing técnico.Antes de unirse a Privasea, fue miembro del equipo de marketing con Nuilink y David Jiao.

Zean Darren, Desarrollo y gestión comunitaria, LinkedIn-Con una rica experiencia en gestión comunitaria, ha servido como anfitriones y asistentes de Manta, Poliedra, Tansi Network, y como anfitriones y asistentes en Arcomia y Story Chain.

6. Cooperación, integración y aplicación

La aplicación principal actual actual de Privasea es imhumana, y esta aplicación se ha lanzado en Google Play y AppStore.Es una implementación de la tecnología POH (certificado humano) que puede confirmar la identidad humana y proteger su número de violaciones de los robots y la imitación de inteligencia artificial.En esta aplicación, la confirmación de la identidad a través de la tecnología biométrica facial es una prueba de identidad humana a través de NFT.Los datos bio -característicos son red a través del vector de cifrado en el dispositivo de usuario.Luego use la clave del cliente del usuario para cifrar estos vectores y enviarlos al servidor de red de seguridad de Privasea.Actualmente, Privasea planea implementar su solución POH en Linea, Movimiento y Gate, y se integra con Telegra,/Discord/Reddit.

Ejemplo con TG Robot Integration:

Mind Network es el pionero del lago de datos de confianza cero descentralizado.Actualmente, PrivAsea está construyendo una biblioteca de fina que optimiza el funcionamiento central del cifrado completamente homogénico para proporcionar soluciones de alta eficiencia y convenientes para los clientes de Web2 y Web3.Por otro lado, Mind Network se centra en contratos inteligentes con datos seguros y IA de datos cifrados.Uno de los aspectos clave de esta cooperación es que la red mental integró la red de datos de FHE en la red de IA de Privasea.

BNB Grienfield -Combine Gestión de datos con potencial de finanzas descentralizadas (DEFI) en BNB Smart Chain (BSC).Privasea AI Network y BNB Greenfield unieron fuerzas para cambiar el patrón de almacenamiento y privacidad de datos.La tecnología FHE de Privasea logrará un cifrado duradero de datos de usuarios en la red.Además, los desarrolladores en la plataforma BNB Greenfield pueden usar los datos encriptados sin problemas para realizar cálculos, cubriendo operaciones como estadísticas de datos, análisis lógico y evaluación del modelo de aprendizaje automático.

Ton Network -Privasea ha lanzado Bot LivityCheck seguro, que es una solución de red TON para redefinir la verificación de identidad del usuario mediante el uso de tecnología avanzada de reconocimiento facial combinada con el mismo cifrado de estado.

Pri-Auto es un proyecto de industria automotriz sostenible.Según el proyecto PRI-AUTO, Privasea creará infraestructura para crear fuentes de datos de seguridad para la industria automotriz y realizar el intercambio de datos entre OEM, MAAS y compañías de seguros a través de permisos de acceso inteligente.Para este proyecto, Privasea está trabajando con Rise (una institución de investigación sueca) y Alkit Communications AB (un proveedor que proporciona servicios de recopilación de datos para OEM como Volvo Group y Volvo Automobile).

7. Supportr

Privasea ha sido apoyado de DeWhales Capital, Binance Labs, Gate Labs, OKX Ventures, MH Ventures, K300 Ventures, QB Ventures, Crypto Times, Basic Capital, Duckdao y otros seguidores, así como algunos negocios de negocios de la industria. como Zakaria (Zak) Aves y Luke Sheng (de ChainLink) para obtener un compromiso de inversión de $ 5 millones.

8. Conclusión

Al resolver el problema de la eficiencia y centrarse en mejorar el algoritmo existente, Privasea ha pavimentado el camino para los ampliamente utilizado de la FHE, asegurando que la seguridad de los datos y la privacidad puedan coexistir en este mundo impulsado por los datos.Sus soluciones permiten a los usuarios utilizar una variedad de recursos informáticos distribuidos proporcionados por la cadena de bloques, al tiempo que mantienen el control completo de los datos y los modelos al procesar la IA.El mundo de hoy se está volviendo cada vez más complicado, y la conexión entre Web3 y la IA se está acercando.