作者:Xinwei, MT Capital

MT Capital一贯致力于投资具有颠覆性技术潜力的创新企业,我们认为全同态加密(FHE)与AI相结合的去中心化物理基础设施网络(DePIN)是未来的重要赛道。FHE技术能够在保持数据加密状态下进行计算,确保数据处理全过程中的隐私和安全。AI与DePIN的结合不仅能高效利用外部计算资源,还能在无需担忧数据泄露的情况下进行复杂的数据分析和机器学习任务。Privasea在这一领域的领先地位和技术优势与MT Capital的投资战略高度契合,我们相信通过支持Privasea,将推动FHE AI DePIN赛道的发展,助力全球数字经济的安全和可持续发展。

1.什么是全同态加密(FHE)?

全同态加密(Fully Homomorphic Encryption,简称FHE)是一种允许在密文上直接执行算术或逻辑运算的加密技术,同时保持数据的加密状态。这意味着可以对加密的数据进行复杂的处理,而无需将其解密成明文,这在维护数据隐私和安全性方面具有革命性的意义。

在传统的数据处理场景中,为了进行计算,必须首先解密数据,这个过程暴露了敏感信息,增加了数据被窃取或滥用的风险。而FHE技术的应用则彻底改变了这一切。通过FHE,加密数据可以直接输入到计算过程中,而计算结果仍保持加密形式,直到需要查看结果时才进行解密。这个特性对于需要处理敏感数据的行业非常重要,如金融、医疗和政府部门。

FHE还能使得数据处理的外包成为可能,同时不会牺牲数据的机密性。企业可以将加密数据发送给第三方服务提供商进行复杂的数据分析或机器学习任务,而无需担心数据泄露问题,因为服务提供商在整个过程中都无法看到原始数据。

2.Privasea:首个使用FHE的AI+DePIN网络

Privasea采用FHE技术来提供数据隐私和安全性,利用AI和分布式网络架构,允许在保持数据完全加密的状态下进行复杂的数据处理和分析。这意味着用户可以在不暴露原始数据的情况下进行机器学习和其他高级计算,这在传统的云计算中是不可能实现的,颠覆了隐私计算。

Privasea平台采用了几种先进的FHE方案,如TFHE和CKKS,这些都是在保障计算准确性和效率的同时,提供高度数据隐私保护的方案。其中,TFHE方案支持在单个指令周期内进行快速的比特操作,而CKKS方案则优化了处理浮点数的能力,从而可以让Privasea能够有效支持各种复杂的科研和商业应用,如金融分析、医疗数据处理和机器学习任务。

此外,Privasea还实现了一个高度可扩展的分布式计算网络Privanetix。这个网络由多个计算节点组成,每个节点都能执行FHE操作,提供必要的计算资源。这种分布式架构不仅增强了平台的处理能力,也提高了系统的冗余性和故障容忍度,确保服务的高可用和可靠性。这种AI与分布式网络的集成,允许Privasea处理如深度学习、模式识别和机器学习等高级AI任务,而这些任务通常需要庞大的算力和高度的数据保护。比如,医疗健康行业的用户可以利用Privasea安全地分析患者的敏感数据,进行疾病预测和治疗方案的优化,而不用担心违反数据保护法规。

MT Capital研报:Privasea将全同态加密带向Mass Adoption?

Privasea还提供了一个独特的智能合约套件,使得用户在保持数据加密状态的同时,通过智能合约来管理和自动化数据处理流程,包括数据验证、结果输出以及计算任务的分配和奖励。这些智能合约在分布式账本上执行,不仅确保了过程的透明性和可追溯性,而且还能够根据节点提供的计算资源自动化地进行激励分配。这种基于区块链的激励机制,进一步提高了网络的参与度和计算效率,因为各个节点都有动力提供可靠的服务。这使得Privasea不仅仅是一个数据加密和处理平台,也是一个完整的加密数据生态系统。

通过Privasea的API,开发者可以轻松接入这一复杂的系统,利用其强大的功能来开发和部署自己的AI应用。这些应用能够利用分布式网络来分散计算负载,同时确保数据的完整性和安全性,这对于需要处理大量敏感数据的区块链应用尤其重要。

3.与Solana的合作彰显Mass Adoption潜力

Privasea利用FHE技术,开创性地推出了ImHuman应用,这不仅展示了FHE在反女巫攻击中的应用,也标志着其在加密领域的Mass Adoption潜力。女巫攻击是去中心化网络中的一大威胁,特别是空投领域,攻击者通过创建大量虚假身份来操纵网络或获得不正当的优势。ImHuman应用通过安全且保护隐私的方式来有效对抗此类攻击。

Privasea计划将其技术部署到Solana网络,成为Solana上第一个Proof of Human的应用。Solana的高效能和低延迟特性使其成为理想的区块链平台,能够支持Privasea的FHE技术和AI计算需求。这一部署不仅将增强Solana生态系统的安全性,还将展示FHE在Web3应用中的潜力。通过在Solana上运行,Privasea的ImHuman应用能够更广泛地验证用户身份,确保网络的安全和可靠性,同时保护用户隐私。

MT Capital研报:Privasea将全同态加密带向Mass Adoption?

ImHuman应用的工作原理是使用用户的生物特征数据来创建一个独一无二的数字身份。首先,用户需要通过应用的前置摄像头扫描自己的面部向量,这个过程完全在用户的设备上完成,确保敏感数据不会外泄。随后,这些数据被加密并转化为一个代表用户的加密生物特征向量的NFT。这一点利用了FHE的特性,即在不解密数据的情况下进行复杂计算,保证了数据的安全性和隐私性。

在用户身份验证时,ImHuman应用再次扫描用户的面部特征,并将新采集的数据与存储在区块链上的加密数据进行比对。这一过程同样使用FHE技术,确保在验证过程中数据不会被解密,从而有效避免了数据泄露的风险。此外,由于每个用户的NFT是基于其独特的生物特征生成的,因此很难被复制或伪造,大大增加了执行女巫攻击的难度。

通过ImHuman应用,Privasea不仅提供了一款强大的工具来增强去中心化网络的安全性,也展示了全同态加密技术在现实世界应用中的可行性。这种基于生物特征和FHE的认证方法,为去中心化网络提供了一个安全同时又保护隐私的解决方案,使Privasea的ImHuman成为了FHE领域第一个有Mass Adoption潜力的应用。此外,通过向参与者发放空投奖励,ImHuman还能激励用户参与和持续使用,进一步推动其广泛应用。这种创新的解决方案提供了一种新的防御女巫攻击的策略。

4.Privasea和现有Proof of Human方案的对比

在当前的Proof of Human方案中,诸如Worldcoin和Human Protocol都面临着合规性风险和隐私问题。以Worldcoin为例,香港私隐专员公署近期完成的调查结果表明,Worldcoin在香港的运作违反了《私隐条例》。调查发现,参与Worldcoin项目的人士需要通过虹膜扫描收集面容及虹膜影像以验证人类身份,这种做法涉及严重的个人资料私隐风险。因此,香港私隐专员要求Worldcoin停止在香港收集市民的虹膜及面容影像。

Human Protocol则通过采集用户的任务响应数据、交互数据、设备和浏览器信息、地理位置和用户行为数据来进行验证。虽然这些数据在使用前进行匿名化处理并加密传输,但仍涉及大量的个人数据收集,存在一定的隐私和合规性风险。

相比之下,Privasea在设计上更加注重用户隐私保护。Privasea的DApp“ImHuman”采用FHE技术进行用户身份验证,不需要收集用户的面容或虹膜影像等敏感信息。验证过程完全在用户的移动设备上进行,面部向量数据被加密处理,不会传输到任何服务器。这样,Privasea在确保验证安全性的同时,也最大限度地保护了用户的隐私,避免了数据泄露的风险。

MT Capital研报:Privasea将全同态加密带向Mass Adoption?

Privasea不仅在隐私保护方面领先,还通过FHE、DePIN和ZK技术的整合,提供了强大的数据隐私和安全解决方案。这些技术使Privasea能够在不暴露用户数据的前提下,进行复杂的数据处理和分析,进一步降低了合规性风险。这种无与伦比的隐私保护和数据安全能力,使Privasea在竞争中脱颖而出,成为业界领先的Proof of Human解决方案。

5.Accseal与Privasea携手深耕隐私计算

Privasea以其卓越的FHE、DePIN和ZK技术能力,在隐私计算领域树立了新的标准。作为AI DePIN领域的先驱,Privasea通过其创新的FHE机器学习(FHEML)解决方案,将分布式计算网络与高级安全措施无缝结合,为数据隐私和安全设立了新的标杆。Privasea引入的DApp“ImHuman”利用FHE技术安全执行“Proof of Humanity”(PoH),在用户移动设备上直接加密面部向量数据,不通过服务器传输,从而极大地增强了隐私保护和用户数据的安全性。

MT Capital研报:Privasea将全同态加密带向Mass Adoption?

在这一背景下,Privasea与Accseal达成战略合作,进一步强化其技术优势。Accseal作为隐私计算硬件加速的领先企业,将为Privasea提供硬件加速支持,提升其FHE操作的效率和性能。双方将共同探索整合ZK和FHE技术的可能性,旨在提高隐私计算的效率并扩大其应用范围。

通过此次合作,Privasea不仅展示了其在FHE领域的领导地位,还将其DePIN项目提升到新的高度。Accseal将开发新的硬件加速产品,为Privasea这样的上层应用提供计算加速支持,进一步推动隐私计算技术的发展。双方的合作预示着隐私计算领域将迎来新的突破,特别是在DePIN项目中的应用将会更加广泛和深入。