Я раніше говорив у багатьох статтях, що AI Agent стане "спасінням" для багатьох старих наративів у криптоіндустрії. У попередній хвилі еволюції наративу навколо автономності AI, TEE деякий час перебував у центрі уваги, однак існує ще один технічний концепт, який є "менш відомим", ніж TEE та навіть ZKP — FHE — повністю гомоморфне шифрування, який також отримає "воскресіння" завдяки розвитку AI. Далі, через приклади, я поясню 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 непомітну позицію, основними перешкодами є витрати та сценарії застосування.
А Mind Network спеціалізується на інфраструктурі FHE та запустила FHE Chain, орієнтовану на AI Agent — MindChain. Незважаючи на те, що вона залучила понад десять мільйонів доларів фінансування і пройшла кілька років технічної роботи, через обмеження самого FHE увага ринку все ще недооцінюється.
Проте, нещодавно Mind Network випустила багато позитивних новин навколо застосування AI, наприклад, їх розроблений FHE Rust SDK був інтегрований у відкриту модель DeepSeek, ставши ключовим елементом у навчанні AI, забезпечуючи безпечну основу для реалізації надійного AI. Чому FHE може проявити себе в обчисленнях конфіденційності AI, чи може він завдяки оповіді AI Agent здійснити обхід або спасіння?
Простими словами: FHE повністю гомоморфне шифрування - це криптографічна технологія, яка може безпосередньо діяти на існуючу архітектуру публічних блокчейнів, дозволяючи виконувати довільні обчислення, такі як додавання та множення, без необхідності попереднього розшифрування даних.
Іншими словами, застосування технології FHE може забезпечити повністю зашифровану передачу даних від введення до виведення, навіть вузли, що підтримують консенсус публічної мережі для перевірки, не зможуть отримати доступ до відкритої інформації. Таким чином, FHE може забезпечити технологічну основу для навчання деяких AI LLM у вертикально сегментованих сценаріях, таких як медицина та фінанси.
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, простий приклад допоможе зрозуміти: наприклад, AI Agent як застосунок для кінцевих користувачів зазвичай підключає різних постачальників AI великих моделей, таких як DeepSeek, Claude, OpenAI тощо, але як забезпечити, щоб у деяких високочутливих фінансових сценаріях процес виконання AI Agent не був раптово змінений великими моделями на задньому плані? Це, безумовно, вимагатиме шифрування введеного Prompt, коли постачальники LLMs безпосередньо обробляють зашифровані дані, щоб не було примусових втручань, які можуть вплинути на чесність.
Що ж таке концепція "достовірного ШІ"? Достовірний ШІ – це бачення децентралізованого ШІ з повністю гомоморфним шифруванням, яке намагається реалізувати компанія Mind Network. Це включає можливість кільком сторонам здійснювати ефективне навчання та інференцію моделей за допомогою розподіленої обчислювальної потужності GPU, без необхідності покладатися на центральний сервер, а також забезпечує верифікацію консенсусу на базі повністю гомоморфного шифрування для агентів ШІ. Такий дизайн усуває обмеження централізованого ШІ, забезпечуючи подвійний захист приватності та автономії для агентів ШІ web3 у дистрибутивній архітектурі.
Це ще більше відповідає наративному напрямку дистрибутивної публічної блокчейн-архітектури Mind Network. Наприклад, під час спеціального процесу транзакцій у ланцюгу FHE може захистити конфіденційність даних Oracle, які використовуються сторонами, під час процесу міркування та виконання, дозволяючи AI Agent приймати автономні рішення про торгівлю без необхідності розкривати позиції або стратегії тощо.
То чому ж кажуть, що FHE має подібні шляхи проникнення в галузь, як TEE, і принесе безпосередні можливості через вибухові сценарії застосування 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 подібне екологічне становище, хоча TEE ще не широко застосовується в екосистемі web3, але в області web2 вже є дуже зрілою технологією. У цьому контексті FHE також поступово знайде свою цінність як в web2, так і в web3 під час вибуху цього циклу AI.
Вище.
Отже, можна зробити висновок, що технологія шифрування FHE, яка є священним граалем шифрування, безумовно стане однією з основ безпеки в умовах, коли штучний інтелект стане передумовою майбутнього, і має великий потенціал для подальшого широкого впровадження.
Звичайно, незважаючи на це, не можна уникнути проблеми витрат на алгоритмічну реалізацію FHE. Якщо його можна буде застосувати в сценах web2 AI, а потім пов'язати зі сценами web3 AI, напевно, це несподівано звільнить "ефект масштабування" і знизить загальні витрати, що дозволить йому отримати більш широке застосування.
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 наріжного каменю: як FHE змінює екосистему обчислень з приватності Web3?
Я раніше говорив у багатьох статтях, що AI Agent стане "спасінням" для багатьох старих наративів у криптоіндустрії. У попередній хвилі еволюції наративу навколо автономності AI, TEE деякий час перебував у центрі уваги, однак існує ще один технічний концепт, який є "менш відомим", ніж TEE та навіть ZKP — FHE — повністю гомоморфне шифрування, який також отримає "воскресіння" завдяки розвитку AI. Далі, через приклади, я поясню 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 непомітну позицію, основними перешкодами є витрати та сценарії застосування.
А Mind Network спеціалізується на інфраструктурі FHE та запустила FHE Chain, орієнтовану на AI Agent — MindChain. Незважаючи на те, що вона залучила понад десять мільйонів доларів фінансування і пройшла кілька років технічної роботи, через обмеження самого FHE увага ринку все ще недооцінюється.
Проте, нещодавно Mind Network випустила багато позитивних новин навколо застосування AI, наприклад, їх розроблений FHE Rust SDK був інтегрований у відкриту модель DeepSeek, ставши ключовим елементом у навчанні AI, забезпечуючи безпечну основу для реалізації надійного AI. Чому FHE може проявити себе в обчисленнях конфіденційності AI, чи може він завдяки оповіді AI Agent здійснити обхід або спасіння?
Простими словами: FHE повністю гомоморфне шифрування - це криптографічна технологія, яка може безпосередньо діяти на існуючу архітектуру публічних блокчейнів, дозволяючи виконувати довільні обчислення, такі як додавання та множення, без необхідності попереднього розшифрування даних.
Іншими словами, застосування технології FHE може забезпечити повністю зашифровану передачу даних від введення до виведення, навіть вузли, що підтримують консенсус публічної мережі для перевірки, не зможуть отримати доступ до відкритої інформації. Таким чином, FHE може забезпечити технологічну основу для навчання деяких AI LLM у вертикально сегментованих сценаріях, таких як медицина та фінанси.
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, простий приклад допоможе зрозуміти: наприклад, AI Agent як застосунок для кінцевих користувачів зазвичай підключає різних постачальників AI великих моделей, таких як DeepSeek, Claude, OpenAI тощо, але як забезпечити, щоб у деяких високочутливих фінансових сценаріях процес виконання AI Agent не був раптово змінений великими моделями на задньому плані? Це, безумовно, вимагатиме шифрування введеного Prompt, коли постачальники LLMs безпосередньо обробляють зашифровані дані, щоб не було примусових втручань, які можуть вплинути на чесність.
Що ж таке концепція "достовірного ШІ"? Достовірний ШІ – це бачення децентралізованого ШІ з повністю гомоморфним шифруванням, яке намагається реалізувати компанія Mind Network. Це включає можливість кільком сторонам здійснювати ефективне навчання та інференцію моделей за допомогою розподіленої обчислювальної потужності GPU, без необхідності покладатися на центральний сервер, а також забезпечує верифікацію консенсусу на базі повністю гомоморфного шифрування для агентів ШІ. Такий дизайн усуває обмеження централізованого ШІ, забезпечуючи подвійний захист приватності та автономії для агентів ШІ web3 у дистрибутивній архітектурі.
Це ще більше відповідає наративному напрямку дистрибутивної публічної блокчейн-архітектури Mind Network. Наприклад, під час спеціального процесу транзакцій у ланцюгу FHE може захистити конфіденційність даних Oracle, які використовуються сторонами, під час процесу міркування та виконання, дозволяючи AI Agent приймати автономні рішення про торгівлю без необхідності розкривати позиції або стратегії тощо.
То чому ж кажуть, що FHE має подібні шляхи проникнення в галузь, як TEE, і принесе безпосередні можливості через вибухові сценарії застосування 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 подібне екологічне становище, хоча TEE ще не широко застосовується в екосистемі web3, але в області web2 вже є дуже зрілою технологією. У цьому контексті FHE також поступово знайде свою цінність як в web2, так і в web3 під час вибуху цього циклу AI.
Вище.
Отже, можна зробити висновок, що технологія шифрування FHE, яка є священним граалем шифрування, безумовно стане однією з основ безпеки в умовах, коли штучний інтелект стане передумовою майбутнього, і має великий потенціал для подальшого широкого впровадження.
Звичайно, незважаючи на це, не можна уникнути проблеми витрат на алгоритмічну реалізацію FHE. Якщо його можна буде застосувати в сценах web2 AI, а потім пов'язати зі сценами web3 AI, напевно, це несподівано звільнить "ефект масштабування" і знизить загальні витрати, що дозволить йому отримати більш широке застосування.