Privasea 詳解：基於全同態加密的 AI 網絡

作者： Dewhales Research 來源：substack 翻譯：善歐巴，比特鏈視界

1. 簡介：什麼是 FHE、其歷史和應用

FHE 代表完全同態加密，這是一種允許直接對密文執行計算而無需解密的加密方案。這意味著加密數據在整個計算過程中保持加密狀態，計算結果也是加密的，任何一方在任何時候都無法訪問明文數據。FHE 支持對加密數據進行計算，包括機器學習和人工智慧分析，使科學家、研究人員和數據驅動型企業無需解密或洩露底層數據或模型即可提取有價值的見解。完全同態加密是最強大的加密形式，但它有一個很大的缺點，需要大量的計算能力。

事實上，FHE 有很多種類型：BGV、BFV、CKKS、FHEW、NuFHE 和 TFHE。同態加密 (HE) 在 1978 年提出後，最初在前三十年中發展緩慢。FHE 的當前形式是在 2009 年問世的，當時 Craig Gentry 提出了一種實現完全同態加密的方法，儘管該系統在每次操作時都會引入噪音。後來，有人提出了一種具有較小密文的修改版本，但最流行的方案是由 Zvika Brakerski 和他的團隊提出的，與早期的 FHE 方法相比，它提供了更好的安全性和性能。經過幾次連續的迭代——BGV、BFV 和 CKKS——GSW 誕生了，由此開發出了 FHEW（於 2014 年推出）和 TFHE（於 2016 年推出）。 Chillotti、Gama、Georgieva 和 Izabachene 將每個門引導操作的延遲縮短至不到 0.1 秒。從那時起，該方案就將可編程引導納入其流程，加速 FHE，使其適用於大多數用例，包括 web2 和 web3 應用。

到目前為止，最終成果是 Zama 的 TFHE-rs，它擴展了原始 TFHE 功能，以支持整數可編程引導。而且，當前的 Privasea 實現中使用的就是 TFHE-rs。

FHE 的用例：

• 雲計算： FHE 允許用戶在遠程伺服器上以加密形式存儲和處理數據，從而為雲計算帶來巨大好處。這意味著用戶可以利用雲的強大計算能力，同時保證數據的安全和私密。這對所有參與方來說都是雙贏的。

• 金融服務： 金融服務也可以利用 FHE 的功能。通過安全地處理財務數據，FHE 允許金融機構對加密數據進行複雜的分析。最好的部分是，客戶隱私 在整個過程中都保持不變。

• 機器學習： 通過在加密數據上訓練模型，FHE 可以極大地促進機器學習。這使組織能夠利用機器學習的力量，同時確保數據安全。

2. Privasea 概述

Privasea AI 網絡為人工智慧數據隱私相關挑戰提供了解決方案。該網絡代表了一種尖端架構，將全同態加密 (FHE) 與基於區塊鏈的激勵相結合，解決了與數據隱私相關的日益增長的擔憂，並滿足了對協作 AI 計算日益增長的需求。Privasea AI 網絡將 FHE 從理論到應用分為以下四個層次：應用層、優化層、算術層和原始層。該網絡提供通用和定製解決方案，以彌合 AI 處理中用戶隱私和分布式計算資源之間的差距，涵蓋 FHE 的所有四個層次。

Privasea AI 網絡的一個關鍵目標是確保遵守數據保護法規，包括歐盟嚴格的《通用數據保護條例》（GDPR）。這些法規對個人數據的收集、處理和存儲提出了嚴格的要求。

2.1 網絡參與者：

• 網絡用戶（數據擁有者、結果接收者）：發起機器學習任務，安全地提供數據，並與網絡交互以獲得解密結果。

• Privanetix 節點（計算節點）：作為 Privasea AI 網絡中的服務提供商，為隱私保護機器學習任務提供計算資源。

• 解密者：確保 Privanetix 節點生成的加密結果安全解密的專門參與者。他們與網絡用戶協作解密和解釋機器學習任務的最終結果，確保解密結果的隱私和完整性。

2.2 Privasea架構：

Privasea AI 網絡由四個主要組件組成：HESea 庫、Privasea API、Privanetix 和 Privasea 智能合約套件。

• HESea 庫：該組件構成了 Privasea AI 網絡的基礎，託管了一系列流行的全同態加密方案的高效實現，例如 TFHE、CKKS、BGV、BFV 等。HESea 庫為開發人員提供了訪問各種功能的權限。

• Privasea API：一套基於 HESea 庫構建的綜合協議和工具。Privasea API 允許開發人員輕鬆地將高級隱私保護功能集成到他們的 AI 應用程式中。

• Privanetix：一個計算節點網絡，可對加密數據進行安全計算。通過將計算分布在多個節點上，Privanetix 確保了 Privasea AI 網絡的可擴展性和效率。

• Privasea 智能合約套件：該套件包括一系列精心設計的智能合約，用於處理網絡管理的各個方面。

此外，根據 GitHub 的說法，Privasea 還包含 Zama AI 的其他幾個組件，可為區塊鏈和 AI 提供最先進的 FHE 解決方案：

• Concrete：一個開源 FHE 編譯器（已更新為 TFHE-rs），可簡化全同態加密 (FHE) 的使用。它允許將 Python 程序轉換為其 FHE 等效程序。對於想要創建接受加密輸入並生成加密輸出的高級應用程式的開發人員來說，Concrete 非常有用。

• TFHE-rs：TFHE 的純 Rust 實現，用於對加密數據進行布爾和整數運算。TFHE-rs 專為希望完全控制 TFHE 功能而不必擔心底層實現細節的開發人員和研究人員而設計。

• Concrete ML：Zama 基於 Concrete 構建的隱私保護機器學習 (PPML) 開源工具集。它旨在簡化數據科學家對全同態加密 (FHE) 的使用，幫助他們自動將機器學習模型轉換為同態等效模型。

2.3 Privasea 工作流程：

1. 用戶創建帳戶，設置機器學習任務，通過機器學習應用的API接口在本地對向量進行加密，並在本地生成交換密鑰。

2. 然後，用戶可以向 Privatenix 網絡提交加密任務並通過區塊鏈支付服務費用。

3. Privatenix節點在用戶的加密域中接收並執行加密任務，然後使用用戶先前生成的切換密鑰將加密結果傳輸到解密者的加密域中。

4. 一旦工作完成，Privanetix 會將結果發送給解密者並獲得報酬

5. 接下來，解密者使用他們的客戶端密鑰對結果進行解密，並使用代理重加密（PRE）方案將解密的結果發送給網絡用戶。

2.4 安全 KYC 用例工作流程：

1. 註冊帶照片的身份證：用戶提供身份證，包括照片。客戶端使用特徵提取算法從身份證照片中提取面部特徵

2. 提交自拍驗證任務：用戶使用相機或行動裝置進行自拍，客戶端使用與身份證登記相同的特徵提取算法，從自拍圖像中提取人臉特徵。

3. 檢索 ID 圖像的加密嵌入：指定的 Privanetix 節點從安全資料庫中檢索與用戶相關的加密 ID 嵌入。

4. 在密文域中處理人臉檢查：利用 FHE 功能，Privanetix 節點對加密的 ID 和自拍嵌入執行計算，例如計算它們之間的距離。Privanetix 節點將距離與預定義的閾值進行比較以確定相似度。結果保留在密文域中。

5. 將加密結果發送給解密器：Privanetix 節點將加密的布爾結果發送給解密器進行進一步處理。

6. 解密和提取結果：解密者擁有私鑰，對收到的結果進行解密以獲得最終的檢查結果（例如是或否）。

7. 結果傳遞：解密器使用代理重加密（PRE）或其他合適方法將最終結果安全地傳遞至需要它的指定機構或實體。

3. GitHub

上面我們已經查看了 Zama AI 的一些存儲庫，現在讓我們來看看一些專有的 Privasea 存儲庫 。首先引起你注意的是，Privasea 存儲庫的最後一次更新是在 2023 年 7 月。這可能是因為目前該領域圍繞 FHE 和 AI/ML 任務分配的競爭非常激烈，因此團隊不會發布更新來保持他們的發展活力。

Privasea-general 是主要的 Privasea 存儲庫，包含多個開源軟體包。這些軟體包包括 HESea_lib，這是一個高級全同態加密 (FHE) 庫，為開發人員提供強大、靈活且易於使用的安全計算工具。或者 Privasea-Miscellaneous，其中包含可用於其他 PrivateSea 存儲庫的源數據。

HESEA_Lib – HESea 是一個尖端的全同態加密 (FHE) 庫，為開發人員提供強大、靈活且易於使用的安全計算工具。HESea 採用最先進的加密技術構建，並針對高性能進行了優化，是各種用例的理想選擇。HESea 提供各種 FHE 方案，包括 TFHE、CKKS、BGV、BFV 等，使用戶無需解密即可對加密數據執行計算。這可確保敏感數據保持安全並免受隱私洩露和安全威脅。

Comparison_demo – 這是使用 HESEA 庫進行密文排序的演示。此演示程序將要排序的明文序列加密為相應的密文序列，並通過比較密文序列對該序列進行排序。然後，程序解密密文序列並輸出排序後的明文序列。

dinn_demo – 這是使用 HESEA 庫進行安全手寫數字識別的演示。它代表了一種使用 TFHE 加密方案的隱私保護深度學習方法。DINN 的主要優勢在於，它通過創新地使用離散神經網絡，在保持正常操作效率的同時實現了具有競爭力的準確性。這些網絡量化了權重和偏移量，降低了底層計算的複雜性並簡化了初始 TFHE 引導程序。因此，同態估計得到進一步改進，從而提高了效率。

4. 代幣經濟學

PRVA 代幣是 Privasea Al 網絡中的實用代幣，在促進交易、激勵參與者和實現鏈上治理方面發揮著至關重要的作用。它還充當交換媒介，使用戶能夠訪問隱私 Al 服務並解鎖生態系統內的各種功能。PRVA 代幣的價值主要由對網絡服務的需求驅動，其中包括保護隱私的機器學習和其他基於 Al 的功能。

具體來說，PRVA 代幣在生態系統中發揮以下作用：

– 交易便利化
– 激勵和獎勵
– 治理和投票
– 質押和網絡安全
– 訪問獨家功能

代幣分配：

• 挖礦/質押（45%） -將分配給項目內提供完全同態加密（FHE）和其他隱私服務的質押節點。

• 團隊分配（10%）

• 支持者（20%）

• 營銷和社區發展分配（15％） -這些代幣將專用於營銷和社區發展計劃。

• 儲備（6%） ——此類別主要適用於無法計劃的項目，例如需要滿足的未來法規或需要申請的許可證。

• 流動性（4%） ——這種流動性至關重要，因為它可以確保參與者能夠在不引起價格大幅波動的情況下進入或退出其頭寸，從而促進市場的增長。

5. 團隊

LinkedIn 執行長 David Jiao 是一位經驗豐富的企業家，具有在複雜系統開發方面的強大背景，2010 年在 Simplight Nanoelectronics 擔任軟體工程師，隨後加入 Cybercom Group。2015 年至 2020 年，David 擔任 Golden Ridge Robotic AB 的聯合創始人兼首席產品官，這是一家主要專注於 Cyber-Physical 家用機器人系統的初創研發公司。與此同時，他還參與了沃爾沃的軟體開發——作為沃爾沃的系統設計師，我負責設計和原型設計沃爾沃全新 SPA2 架構中車輛配置的系統功能。2021 年，他推出了 Nulink，通過 API 為去中心化應用程式提供 PRE+ZK 技術。此外，David 在沃爾沃的經驗使 Privasea 能夠參與與 RISE（一家瑞典研究機構）和 Alkit Communications AB 為汽車行業開展的聯合項目。

Ting Gao，領英 首席研究科學家 – 擁有深厚的應用數學和數學建模背景：自 2010 年以來，他一直擔任伊利諾伊理工學院的研究員，自 2015 年以來，他擔任 M3 的數據分析師和數據科學家，然後擔任 Twitter 的 ML 工程師。自 2021 年以來，他擔任華中科技大學應用數學、隨機建模、深度學習及其在數學金融中的應用的助理教授

Alex (R) Gaidarski，LinkedIn 增長經理- 自 2006 年以來擁有豐富的系統管理員經驗，這使他成為一名具有技術傾向的營銷人員。在加入 Privasea 之前，他曾在 NuiLink 與 David Jiao 一起擔任營銷團隊成員。

Zean Darren，社區發展和管理，LinkedIn – 擁有豐富的社區管理經驗，曾擔任 Manta、Polyhedra、Tanssi Network 的大使，並在 Arcomia 和 Story Chain 擔任過主持人和助手。

6. 合作、整合和應用

Privasea 目前的主要實際應用是 ImHuman，這款應用已經在 Google Play 和 AppStore 上架。它是 PoH（人類證明）技術的一種實現，可以確認人類身份，保護您的數字存在免受機器人和人工智慧模仿的侵害。在此應用中，通過面部生物識別技術確認身份是通過 NFT 個性化人類身份證明。生物特徵數據通過用戶設備上的加密向量進行網絡化。然後使用用戶的客戶端密鑰對這些向量進行安全加密，並將其發送到 Privasea 的安全網絡伺服器。Privasea 目前正計劃在 Linea、Movement、Gate 中實施其 PoH 解決方案，並與 Telegra、/Discord/Reddit 集成。

與TG機器人集成的示例：

Mind Network 是去中心化零信任數據湖的先驅。Privasea 目前正在構建一個針對完全同態加密的核心操作進行優化的微調庫，為 web2 和 web3 客戶提供高效便捷的解決方案。另一方面，Mind Network 專注於安全的數據驅動智能合約和加密數據的 AI。此次合作的關鍵方面之一是 Mind Network 將 Mind Network 的 FHE 數據湖集成到 Privasea 的 AI 網絡中。

BNB Grienfield – 將數據管理與 BNB 智能鏈 (BSC) 中的去中心化金融 (DeFi) 潛力相結合。Privasea AI Network 和 BNB Greenfield 聯手改變了數據存儲和隱私的格局。Privasea 的 FHE 技術將實現網絡上用戶數據的持久加密。此外，BNB Greenfield 平臺上的開發人員可以無縫地使用加密數據執行計算，涵蓋數據統計、邏輯分析和機器學習模型評估等操作，而無需深入研究加密方法的複雜細節，包括利用 Privanetix 強大節點的能力。

Ton Network – Privasea 推出了 Secure LivenessCheck Bot，這是 TON Netwok 的解決方案，旨在通過利用先進的面部識別技術結合完全同態加密 [FHE] 來重新定義用戶身份驗證。

Pri-Auto 是一個可持續汽車行業的項目，瑞典 Vinnova Fordonsstrategisk Forskning och Innovation (FFI) 已選擇在 2023 年為其提供資金。在 Pri-Auto 項目下，Privasea 將構建基礎設施，為汽車行業創建安全的數據源，並通過智能訪問權限管理實現 OEM、MaaS 和保險公司等多方之間的數據共享。對於這個項目，Privasea 正在與 RISE（一家瑞典研究機構）和 Alkit Communications AB（一家為沃爾沃集團和沃爾沃汽車等 OEM 提供數據收集服務的供應商）合作。

7. 支持者

Privasea 已從 Dewhales Capital、Binance Labs、Gate Labs、OKX Ventures、MH Ventures、K300 Ventures、QB Ventures、Crypto Times、Basic Capital、DuckDAO 等支持者以及一些來自行業的商業天使（例如 Zakaria (zak) Aves 和 Luke Sheng（來自 Chainlink））獲得 500 萬美元的投資承諾。

8. 結論

通過解決效率問題並專注於改進現有算法，Privasea 為 FHE 的廣泛採用鋪平了道路，確保了數據安全和隱私在這個數據驅動的世界中可以共存的未來。他們的解決方案允許用戶利用區塊鏈提供的多種分布式計算資源，同時在處理 AI 時保持對數據和模型的完全控制。當今的世界變得越來越複雜，web3 與 AI 的聯繫越來越緊密。