J'ai précédemment mentionné dans plusieurs articles que l'Agent AI serait la "rédemption" de nombreux vieux récits de l'industrie Crypto. Lors de l'évolution du récit autour de l'autonomisation de l'IA, le TEE a été mis sur le devant de la scène, mais il existe un concept technologique encore plus "obscur" que le TEE, voire que le ZKP, à savoir le FHE — chiffrement homomorphe complet — qui pourrait également connaître une "renaissance" grâce à la dynamique du secteur de l'IA. Ci-dessous, je vais vous expliquer la logique à travers des exemples :
Le FHE est une technique cryptographique qui permet de calculer directement sur des données chiffrées, considérée comme le "Saint Graal". Comparé à des technologies populaires comme le ZKP et le TEE, il occupe une position relativement moins en vue, principalement en raison des coûts et des cas d'utilisation.
Mind Network se concentre sur l'infrastructure FHE et a lancé la chaîne FHE axée sur les agents IA - MindChain. Bien qu'elle ait levé plus de dix millions de dollars et ait connu des années de développement technologique, l'attention du marché reste sous-estimée en raison des limitations inhérentes au FHE.
Cependant, récemment, Mind Network a lancé de nombreuses bonnes nouvelles autour des scénarios d'application de l'IA, par exemple, son SDK FHE Rust développé a été intégré au modèle open source DeepSeek, devenant un élément clé dans les scénarios de formation IA, fournissant une base sécurisée pour la réalisation d'une IA fiable. Pourquoi le FHE peut-il se démarquer dans le calcul de la confidentialité de l'IA, et peut-il réaliser un dépassement dans le virage ou une rédemption grâce à la narration de l'Agent IA ?
En termes simples : le chiffrement homomorphe complet (FHE) est une technique cryptographique qui peut agir directement sur l'architecture actuelle des chaînes de blocs publiques, permettant de réaliser des calculs arbitraires tels que l'addition et la multiplication sur des données chiffrées, sans avoir besoin de déchiffrer les données au préalable.
En d'autres termes, l'application de la technologie FHE permet de réaliser un chiffrement complet des données, de l'entrée à la sortie, de sorte que même les nœuds qui maintiennent le consensus de la chaîne publique pour la vérification ne peuvent pas accéder aux informations en clair. Cela permet à la technologie FHE d'offrir un soutien technique de base pour l'entraînement de certains modèles LLM d'IA dans des scénarios verticaux tels que la santé et la finance.
Permettre à FHE de devenir une solution "préférée" pour l'entraînement de grands modèles d'IA dans des scénarios verticaux riches et en combinaison avec une architecture distribuée de blockchain. Que ce soit pour la collaboration inter-institutions sur des données médicales ou pour le raisonnement sur la confidentialité dans des scénarios de transactions financières, FHE peut, grâce à ses particularités, devenir une option complémentaire.
Par exemple, en tant qu’application orientée C-end, le backend d’AI Agent est généralement connecté à de grands modèles d’IA fournis par différents fournisseurs, notamment DeepSeek, Claude, OpenAI, etc., mais comment s’assurer que dans certains scénarios d’application financière très sensibles, le processus d’exécution d’AI Agent ne sera pas affecté par le backend de grands modèles qui falsifient soudainement les règles ? Cela nécessite inévitablement le chiffrement de l’invite d’entrée, et lorsque le fournisseur de services LLM calcule et traite directement le texte chiffré, il n’y aura pas d’interférence forcée pour affecter l’équité.
Alors, qu'en est-il du concept de "IA fiable" ? L'IA fiable est une vision d'IA décentralisée FHE que Mind Network tente de construire, comprenant la possibilité pour plusieurs parties de réaliser un entraînement et un raisonnement de modèle efficaces via une puissance de calcul distribuée GPU, sans avoir à dépendre d'un serveur central, fournissant une validation de consensus basée sur FHE pour les agents IA, entre autres. Cette conception élimine les limitations de l'IA centralisée, offrant une double garantie de confidentialité et d'autonomie pour le fonctionnement des agents IA web3 dans une architecture distribuée.
Cela correspond davantage à la direction narrative de l'architecture de la blockchain distribuée de Mind Network elle-même. Par exemple, lors de transactions spéciales sur la chaîne, le FHE peut protéger la confidentialité des inférences et des processus d'exécution des données Oracle des différentes parties, permettant à l'Agent IA de prendre des décisions commerciales de manière autonome sans avoir à révéler ses positions ou ses stratégies, etc.
Alors, pourquoi dit-on que le chiffrement homomorphe complet aura une trajectoire d'infiltration similaire à celle des TEE et qu'il apportera des opportunités directes en raison de l'explosion des scénarios d'application de l'IA ?
Auparavant, la TEE a pu saisir l'opportunité des agents d'IA grâce à l'environnement matériel de la TEE qui permet de gérer les données dans un état de confidentialité, permettant ainsi à l'agent d'IA de gérer de manière autonome les clés privées, et permettant à l'agent d'IA d'atteindre un nouveau récit de gestion autonome des actifs. Cependant, la gestion des clés privées par la TEE présente en réalité un défaut majeur : la confiance doit reposer sur un fournisseur de matériel tiers (par exemple : Intel). Pour que la TEE puisse jouer son rôle, il est nécessaire d'avoir une architecture de chaîne distribuée pour ajouter un ensemble de contraintes de "consensus" supplémentaires, publiques et transparentes, à l'environnement des TEE. En revanche, le PHE peut totalement exister sur une architecture de chaîne décentralisée sans dépendre d'un tiers.
FHE et TEE ont des positions écologiques similaires. Ne vous laissez pas tromper par le fait que TEE n'est pas encore largement utilisé dans l'écosystème web3 ; c'est déjà une technologie très mature dans le domaine web2. En comparaison, FHE trouvera également progressivement sa valeur d'existence à la fois dans le web2 et le web3 sous l'impact de cette nouvelle vague d'IA.
Ci-dessus.
En résumé, il est clair que la technologie de chiffrement FHE, en tant que saint Graal du chiffrement, deviendra sans aucun doute l'une des pierres angulaires de la sécurité dans un avenir dominé par l'IA, avec une possibilité d'adoption plus large.
Bien sûr, malgré cela, il est également inévitable de ne pas éviter le problème du coût d'implémentation de FHE dans les algorithmes. Si cela peut être appliqué dans des scénarios d'IA web2, puis en lien avec des scénarios d'IA web3, cela libérera sans aucun doute un "effet de mise à l'échelle" inattendu et diluera le coût global, permettant ainsi une application plus large.
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
De "Saint Graal" à pierre angulaire : Comment FHE redéfinit l'écosystème de calcul privé de Web3 ?
J'ai précédemment mentionné dans plusieurs articles que l'Agent AI serait la "rédemption" de nombreux vieux récits de l'industrie Crypto. Lors de l'évolution du récit autour de l'autonomisation de l'IA, le TEE a été mis sur le devant de la scène, mais il existe un concept technologique encore plus "obscur" que le TEE, voire que le ZKP, à savoir le FHE — chiffrement homomorphe complet — qui pourrait également connaître une "renaissance" grâce à la dynamique du secteur de l'IA. Ci-dessous, je vais vous expliquer la logique à travers des exemples :
Le FHE est une technique cryptographique qui permet de calculer directement sur des données chiffrées, considérée comme le "Saint Graal". Comparé à des technologies populaires comme le ZKP et le TEE, il occupe une position relativement moins en vue, principalement en raison des coûts et des cas d'utilisation.
Mind Network se concentre sur l'infrastructure FHE et a lancé la chaîne FHE axée sur les agents IA - MindChain. Bien qu'elle ait levé plus de dix millions de dollars et ait connu des années de développement technologique, l'attention du marché reste sous-estimée en raison des limitations inhérentes au FHE.
Cependant, récemment, Mind Network a lancé de nombreuses bonnes nouvelles autour des scénarios d'application de l'IA, par exemple, son SDK FHE Rust développé a été intégré au modèle open source DeepSeek, devenant un élément clé dans les scénarios de formation IA, fournissant une base sécurisée pour la réalisation d'une IA fiable. Pourquoi le FHE peut-il se démarquer dans le calcul de la confidentialité de l'IA, et peut-il réaliser un dépassement dans le virage ou une rédemption grâce à la narration de l'Agent IA ?
En termes simples : le chiffrement homomorphe complet (FHE) est une technique cryptographique qui peut agir directement sur l'architecture actuelle des chaînes de blocs publiques, permettant de réaliser des calculs arbitraires tels que l'addition et la multiplication sur des données chiffrées, sans avoir besoin de déchiffrer les données au préalable.
En d'autres termes, l'application de la technologie FHE permet de réaliser un chiffrement complet des données, de l'entrée à la sortie, de sorte que même les nœuds qui maintiennent le consensus de la chaîne publique pour la vérification ne peuvent pas accéder aux informations en clair. Cela permet à la technologie FHE d'offrir un soutien technique de base pour l'entraînement de certains modèles LLM d'IA dans des scénarios verticaux tels que la santé et la finance.
Permettre à FHE de devenir une solution "préférée" pour l'entraînement de grands modèles d'IA dans des scénarios verticaux riches et en combinaison avec une architecture distribuée de blockchain. Que ce soit pour la collaboration inter-institutions sur des données médicales ou pour le raisonnement sur la confidentialité dans des scénarios de transactions financières, FHE peut, grâce à ses particularités, devenir une option complémentaire.
Par exemple, en tant qu’application orientée C-end, le backend d’AI Agent est généralement connecté à de grands modèles d’IA fournis par différents fournisseurs, notamment DeepSeek, Claude, OpenAI, etc., mais comment s’assurer que dans certains scénarios d’application financière très sensibles, le processus d’exécution d’AI Agent ne sera pas affecté par le backend de grands modèles qui falsifient soudainement les règles ? Cela nécessite inévitablement le chiffrement de l’invite d’entrée, et lorsque le fournisseur de services LLM calcule et traite directement le texte chiffré, il n’y aura pas d’interférence forcée pour affecter l’équité.
Alors, qu'en est-il du concept de "IA fiable" ? L'IA fiable est une vision d'IA décentralisée FHE que Mind Network tente de construire, comprenant la possibilité pour plusieurs parties de réaliser un entraînement et un raisonnement de modèle efficaces via une puissance de calcul distribuée GPU, sans avoir à dépendre d'un serveur central, fournissant une validation de consensus basée sur FHE pour les agents IA, entre autres. Cette conception élimine les limitations de l'IA centralisée, offrant une double garantie de confidentialité et d'autonomie pour le fonctionnement des agents IA web3 dans une architecture distribuée.
Cela correspond davantage à la direction narrative de l'architecture de la blockchain distribuée de Mind Network elle-même. Par exemple, lors de transactions spéciales sur la chaîne, le FHE peut protéger la confidentialité des inférences et des processus d'exécution des données Oracle des différentes parties, permettant à l'Agent IA de prendre des décisions commerciales de manière autonome sans avoir à révéler ses positions ou ses stratégies, etc.
Alors, pourquoi dit-on que le chiffrement homomorphe complet aura une trajectoire d'infiltration similaire à celle des TEE et qu'il apportera des opportunités directes en raison de l'explosion des scénarios d'application de l'IA ?
Auparavant, la TEE a pu saisir l'opportunité des agents d'IA grâce à l'environnement matériel de la TEE qui permet de gérer les données dans un état de confidentialité, permettant ainsi à l'agent d'IA de gérer de manière autonome les clés privées, et permettant à l'agent d'IA d'atteindre un nouveau récit de gestion autonome des actifs. Cependant, la gestion des clés privées par la TEE présente en réalité un défaut majeur : la confiance doit reposer sur un fournisseur de matériel tiers (par exemple : Intel). Pour que la TEE puisse jouer son rôle, il est nécessaire d'avoir une architecture de chaîne distribuée pour ajouter un ensemble de contraintes de "consensus" supplémentaires, publiques et transparentes, à l'environnement des TEE. En revanche, le PHE peut totalement exister sur une architecture de chaîne décentralisée sans dépendre d'un tiers.
FHE et TEE ont des positions écologiques similaires. Ne vous laissez pas tromper par le fait que TEE n'est pas encore largement utilisé dans l'écosystème web3 ; c'est déjà une technologie très mature dans le domaine web2. En comparaison, FHE trouvera également progressivement sa valeur d'existence à la fois dans le web2 et le web3 sous l'impact de cette nouvelle vague d'IA.
Ci-dessus.
En résumé, il est clair que la technologie de chiffrement FHE, en tant que saint Graal du chiffrement, deviendra sans aucun doute l'une des pierres angulaires de la sécurité dans un avenir dominé par l'IA, avec une possibilité d'adoption plus large.
Bien sûr, malgré cela, il est également inévitable de ne pas éviter le problème du coût d'implémentation de FHE dans les algorithmes. Si cela peut être appliqué dans des scénarios d'IA web2, puis en lien avec des scénarios d'IA web3, cela libérera sans aucun doute un "effet de mise à l'échelle" inattendu et diluera le coût global, permettant ainsi une application plus large.