Я раніше у багатьох статтях говорив, що AI Agent стане "рятівником" багатьох старих наративів у Crypto-індустрії. У попередній хвилі еволюції наративу навколо автономного AI TEE на деякий час був на піку популярності, однак є ще один технічний концепт, який є більш "недооціненим", ніж TEE, навіть ZKP — FHE — повністю гомоморфне шифрування, який також отримає "вторинне життя" завдяки розвитку AI-сфери. Далі, через приклади, розглянемо логіку:
FHE є криптографічною технологією, яка дозволяє виконувати обчислення безпосередньо на зашифрованих даних, вважається «Святим Граалем», у порівнянні з популярними технологіями, такими як ZKP, TEE, вона займає відносно непомітне місце, основні проблеми пов’язані із витратами та сценаріями використання.
А Mind Network зосереджується на інфраструктурі FHE та запустила FHE Chain, орієнтований на AI Agent — MindChain. Незважаючи на те, що вона залучила понад десяток мільйонів доларів і пройшла кілька років технологічних розробок, через обмеження самого FHE ринкова увага все ще недооцінена.
Однак, нещодавно Mind Network представила ряд позитивних новин щодо застосувань ШІ, наприклад, її розроблений FHE Rust SDK був інтегрований у відкриту модель DeepSeek, ставши ключовим елементом у сценах навчання ШІ, забезпечуючи безпечну основу для реалізації надійного ШІ. Чому FHE може проявити себе у приватних обчисленнях ШІ, чи можливо скористатися наративом AI Agent для здійснення обгону на повороті або порятунку?
Простими словами: FHE повністю гомоморфне шифрування - це криптографічна технологія, яка може безпосередньо діяти на поточній архітектурі публічних блокчейнів, дозволяючи виконувати будь-які обчислення, такі як додавання та множення, без попереднього розшифрування даних.
Іншими словами, застосування технології FHE дозволяє забезпечити повне шифрування даних від введення до виведення, навіть вузли, які підтримують консенсус публічної мережі для верифікації, не можуть отримати доступ до відкритої інформації. Це дозволяє FHE використовуватися в медичних, фінансових та інших вертикально сегментованих сценаріях, надаючи технологічну базу для навчання деяких AI LLM.
FHE може стати «кращим» рішенням для традиційного навчання великих моделей штучного інтелекту, збагачення та масштабування вертикальних сценаріїв, а також поєднання з розподіленою архітектурою блокчейну. Незалежно від того, чи йдеться про міжвідомчу співпрацю щодо медичних даних, чи про міркування конфіденційності в сценаріях фінансових транзакцій, FHE може бути додатковим варіантом завдяки своїй унікальності.
Це насправді не абстрактно, зрозуміло на простому прикладі: наприклад, AI Agent як застосунок для кінцевого споживача зазвичай підключається до різних постачальників AI великих моделей, таких як DeepSeek, Claude, OpenAI тощо, але як гарантувати, що в деяких високочутливих фінансових сценаріях процес виконання AI Agent не буде раптово змінений впливом великої моделі бекенду, що змінює правила? Це, безумовно, вимагатиме шифрування введеного Prompt, щоб коли постачальники LLMs безпосередньо обробляють зашифровані дані, не виникало примусового втручання, яке могло б вплинути на справедливість.
Отже, що таке концепція «достовірного ШІ»? Достовірний ШІ – це бачення децентралізованого штучного інтелекту (ШІ) на основі FHE, яке намагається створити мережа Mind, включаючи можливість багатостороннього ефективного навчання моделей та інференції за допомогою розподілених обчислювальних потужностей GPU, без необхідності покладатися на центральні сервери, а також надання перевірки консенсусу на основі FHE для AI Agent. Цей дизайн усуває обмеження традиційного централізованого ШІ, забезпечуючи подвійний захист конфіденційності та автономії для роботи AI Agent у дистрибутивній архітектурі web3.
Це ще більше відповідає наративному напрямку розподіленої блокчейн-архітектури Mind Network. Наприклад, під час спеціального процесу транзакцій на ланцюгу FHE може захищати конфіденційність даних Oracle всіх сторін під час процесу інференції та виконання, дозволяючи AI Agent здійснювати автономне прийняття рішень у торгівлі без необхідності розкривати позиції чи стратегії тощо.
Отже, чому стверджують, що повністю гомоморфне шифрування матиме подібні шляхи проникнення в галузь, як і TEE, і принесе прямі можливості внаслідок вибуху застосувань ШІ?
Раніше TEE змогла скористатися можливістю AI Agent завдяки апаратному середовищу TEE, яке може реалізувати зберігання даних у приватному стані, а потім дозволити AI Agent самостійно розміщувати приватні ключі, щоб AI Agent міг досягти модного наративу автономного управління активами. Однак у зберіганні приватних ключів TEE є недолік: довіра покладається на сторонніх постачальників обладнання (наприклад, Intel). Для того, щоб TEE працювали, потрібна архітектура розподіленого ланцюга, щоб приєднати додатковий набір відкритих і прозорих обмежень «консенсусу» до середовища TEEs. Навпаки, PHE можуть бути засновані на децентралізованій архітектурі ланцюга, не покладаючись на третю сторону.
FHE та TEE мають подібні екологічні ніші; незважаючи на те, що TEE ще не отримала широкого застосування в екосистемі web3, вона вже давно є дуже зрілою технологією в області web2. У порівнянні, FHE також поступово знайде свою цінність в обох web2 та web3 на фоні вибуху цього циклу AI.
Вищезазначене.
Отже, можна зробити висновок, що така шифрувальна технологія, як FHE, що є свого роду святий граль шифрування, безумовно, стане однією з основ безпеки в умовах, коли ШІ стає передумовою майбутнього, і, ймовірно, буде ще більше широко впроваджена.
Звичайно, незважаючи на це, не можна уникнути проблеми витрат на реалізацію алгоритмів FHE, якщо його можна буде застосувати в сценаріях web2 AI, а потім зв'язати зі сценаріями web3 AI, це, безсумнівно, несподівано вивільнить «масштабний ефект» і зменшить загальні витрати, що дозволить йому стати більш поширеним.
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Від "Святого Грааля" до основи: як FHE переформатовує екосистему приватних обчислень Web3?
Я раніше у багатьох статтях говорив, що AI Agent стане "рятівником" багатьох старих наративів у Crypto-індустрії. У попередній хвилі еволюції наративу навколо автономного AI TEE на деякий час був на піку популярності, однак є ще один технічний концепт, який є більш "недооціненим", ніж TEE, навіть ZKP — FHE — повністю гомоморфне шифрування, який також отримає "вторинне життя" завдяки розвитку AI-сфери. Далі, через приклади, розглянемо логіку:
FHE є криптографічною технологією, яка дозволяє виконувати обчислення безпосередньо на зашифрованих даних, вважається «Святим Граалем», у порівнянні з популярними технологіями, такими як ZKP, TEE, вона займає відносно непомітне місце, основні проблеми пов’язані із витратами та сценаріями використання.
А Mind Network зосереджується на інфраструктурі FHE та запустила FHE Chain, орієнтований на AI Agent — MindChain. Незважаючи на те, що вона залучила понад десяток мільйонів доларів і пройшла кілька років технологічних розробок, через обмеження самого FHE ринкова увага все ще недооцінена.
Однак, нещодавно Mind Network представила ряд позитивних новин щодо застосувань ШІ, наприклад, її розроблений FHE Rust SDK був інтегрований у відкриту модель DeepSeek, ставши ключовим елементом у сценах навчання ШІ, забезпечуючи безпечну основу для реалізації надійного ШІ. Чому FHE може проявити себе у приватних обчисленнях ШІ, чи можливо скористатися наративом AI Agent для здійснення обгону на повороті або порятунку?
Простими словами: FHE повністю гомоморфне шифрування - це криптографічна технологія, яка може безпосередньо діяти на поточній архітектурі публічних блокчейнів, дозволяючи виконувати будь-які обчислення, такі як додавання та множення, без попереднього розшифрування даних.
Іншими словами, застосування технології FHE дозволяє забезпечити повне шифрування даних від введення до виведення, навіть вузли, які підтримують консенсус публічної мережі для верифікації, не можуть отримати доступ до відкритої інформації. Це дозволяє FHE використовуватися в медичних, фінансових та інших вертикально сегментованих сценаріях, надаючи технологічну базу для навчання деяких AI LLM.
FHE може стати «кращим» рішенням для традиційного навчання великих моделей штучного інтелекту, збагачення та масштабування вертикальних сценаріїв, а також поєднання з розподіленою архітектурою блокчейну. Незалежно від того, чи йдеться про міжвідомчу співпрацю щодо медичних даних, чи про міркування конфіденційності в сценаріях фінансових транзакцій, FHE може бути додатковим варіантом завдяки своїй унікальності.
Це насправді не абстрактно, зрозуміло на простому прикладі: наприклад, AI Agent як застосунок для кінцевого споживача зазвичай підключається до різних постачальників AI великих моделей, таких як DeepSeek, Claude, OpenAI тощо, але як гарантувати, що в деяких високочутливих фінансових сценаріях процес виконання AI Agent не буде раптово змінений впливом великої моделі бекенду, що змінює правила? Це, безумовно, вимагатиме шифрування введеного Prompt, щоб коли постачальники LLMs безпосередньо обробляють зашифровані дані, не виникало примусового втручання, яке могло б вплинути на справедливість.
Отже, що таке концепція «достовірного ШІ»? Достовірний ШІ – це бачення децентралізованого штучного інтелекту (ШІ) на основі FHE, яке намагається створити мережа Mind, включаючи можливість багатостороннього ефективного навчання моделей та інференції за допомогою розподілених обчислювальних потужностей GPU, без необхідності покладатися на центральні сервери, а також надання перевірки консенсусу на основі FHE для AI Agent. Цей дизайн усуває обмеження традиційного централізованого ШІ, забезпечуючи подвійний захист конфіденційності та автономії для роботи AI Agent у дистрибутивній архітектурі web3.
Це ще більше відповідає наративному напрямку розподіленої блокчейн-архітектури Mind Network. Наприклад, під час спеціального процесу транзакцій на ланцюгу FHE може захищати конфіденційність даних Oracle всіх сторін під час процесу інференції та виконання, дозволяючи AI Agent здійснювати автономне прийняття рішень у торгівлі без необхідності розкривати позиції чи стратегії тощо.
Отже, чому стверджують, що повністю гомоморфне шифрування матиме подібні шляхи проникнення в галузь, як і TEE, і принесе прямі можливості внаслідок вибуху застосувань ШІ?
Раніше TEE змогла скористатися можливістю AI Agent завдяки апаратному середовищу TEE, яке може реалізувати зберігання даних у приватному стані, а потім дозволити AI Agent самостійно розміщувати приватні ключі, щоб AI Agent міг досягти модного наративу автономного управління активами. Однак у зберіганні приватних ключів TEE є недолік: довіра покладається на сторонніх постачальників обладнання (наприклад, Intel). Для того, щоб TEE працювали, потрібна архітектура розподіленого ланцюга, щоб приєднати додатковий набір відкритих і прозорих обмежень «консенсусу» до середовища TEEs. Навпаки, PHE можуть бути засновані на децентралізованій архітектурі ланцюга, не покладаючись на третю сторону.
FHE та TEE мають подібні екологічні ніші; незважаючи на те, що TEE ще не отримала широкого застосування в екосистемі web3, вона вже давно є дуже зрілою технологією в області web2. У порівнянні, FHE також поступово знайде свою цінність в обох web2 та web3 на фоні вибуху цього циклу AI.
Вищезазначене.
Отже, можна зробити висновок, що така шифрувальна технологія, як FHE, що є свого роду святий граль шифрування, безумовно, стане однією з основ безпеки в умовах, коли ШІ стає передумовою майбутнього, і, ймовірно, буде ще більше широко впроваджена.
Звичайно, незважаючи на це, не можна уникнути проблеми витрат на реалізацію алгоритмів FHE, якщо його можна буде застосувати в сценаріях web2 AI, а потім зв'язати зі сценаріями web3 AI, це, безсумнівно, несподівано вивільнить «масштабний ефект» і зменшить загальні витрати, що дозволить йому стати більш поширеним.