密碼學的聖杯－全同態加密Fully Homomorphic Encryption
5月5日，以太坊創辦人V神再次在推特分享了2020年的FHE(全同態加密)文章，也持續點燃大家對FHE技術應用的關注與探討。 V神文章深入介紹了相關的數學原理，英文原版在此。
FHE（Fully Homomorphic Encryption）中文是全同態加密計算，和ZK一樣，是密碼學的前沿領域之一，也被稱為密碼學的聖杯。
簡單來說，全同態加密就是將加密的資料直接計算，無需解密。
當1+2時，很容易得到結果3，但當加密後，Encrypt(1)+Encrypt(2)，仍然能得出Encrypt(3)，這才是FHE，密文計算=加密後的明文計算。
和ZK不同，FHE在Web3的應用更著重資料隱私與安全，從目前的應用不難發現，ZK更多還是體現在擴容方向。
儘管Web3更熟知的是以ZKRollup為主的ZK技術，但FHE正在多個領域中逐步釋放出自己的獨特潛力，尤其是AI。
Mind Network
Mind Network是首個基於FHE，為AI和PoS網路設計的再質押解決方案。
正如EigenLayer 作為以太坊生態的再質押解決方案，Mind 則是AI 領域的再質押方案。透過再質押和FHE 共識安全解決方案，保障了去中心化AI 網路的代幣經濟安全和資料安全。
從團隊背景來看，Mind的主要成員以AI、安全、密碼學的教授和博士為主，來自劍橋、Google、微軟和IBM 等機構。核心成員曾入選全球12位以太坊基金會Fellow 之一，與以太坊基金會研究團隊共同在密碼學與安全領域進行研究。 Mind 世界首創的FHE+Stealth Address 解決方案——MindSAP （研究論文鏈接，原文燒腦大家自行研讀），解決了V神提出的Stealth Address Open Problem中的問題，在以太坊社區中引起了不小的關注度，多次發表論文及演講。
Mind Network 在2023年入選了幣安孵化器，並完成了由幣安等知名機構參與的250萬美元種子輪融資。同時獲得以太坊基金會Fellowship Grant，入選Chainlink Build Program，並成為Chainlink 簽約的Channel Partner。
2024年2月，Mind Network 成為著名密碼公司ZAMA 在FHE 領域的重點合作夥伴。
近期，Mind Network 進一步加速生態版圖的擴張，為io.net、Singularity、 Nimble、Myshell、AIOZ等提供了AI網路共識安全服務，為Chainlink CCIP 提供FHE Bridge 的解決方案，為IPFS、Arweave、Greenfield 等提供了AI資料安全儲存服務。
FHE+AI，直面AI核心痛點
在今年4月香港Web3大會，Vitalik 表示了對FHE 在Encrypted Voting 等場景的未來期望。 FHE 作為密碼學的前沿，也是以太坊所追求的密碼學極限方向。
ZAMA 創辦人最近發表了一篇關於其「Master Plan」 的文章。概述了公司創建端對端加密網路HTTPZ（“Z” 即“Zero Trust”，零信任）的願景，並提出要讓FHE 在區塊鏈和人工智慧領域無處不在。
AI 領域重點關注的幾個環節，包括訓練，調優，使用和評估，在去中心化的過程中都面臨同一個難題，如何移除信任假設。比方說：
-
當AI 模型在訓練時，需要進行交叉驗證以選出最佳訓練結果
-
當AI 服務在使用前，需要對已有服務進行排名確定最佳服務
-
AI 模型還需要不斷調優和迭代，需要進行獨立評估
這些環節在中心化場景中都基於對大公司的合規信任假設，由大公司做信任背書不作惡。
但在去中心化的過程中，沒有信用背書，如何驗證所有參與者的協作是否公平有效，是一個難點，這恰好是FHE 賦能的發力點。
例如
-
當AI 模型在訓練時，需要進行交叉驗證的時候，透過不記名投票選出最佳訓練結果，移除對類似OpenAI 的假設
-
當AI 服務在使用前，需要對已有服務進行排名的時候，透過匿名評分確定每個服務的服務質量，移除對類似於AI AppStore 的信任假設
-
AI 模型還需要不斷調優和迭代，需要進行獨立評估的時候，透過隨機抽樣檢查完成可信評估，移除對評估機構的信任假設
FHE 的參與還可以讓AI 實現零信任，彌補了ZK 還需要鏈下聚合的信任假設。
可以舉的AI 例子還有很多，也包括這樣的零信任可以讓AI Agent 和Multi-Agents 更好的實現智慧互聯，實現良性治理。
同時，FHE 獨特的密文運算特性，還能實現兩個其他難題：資料隱私和資料所有權：
-
我們的數據誰能看？ =資料隱私
-
AI給我們的資料屬於誰？ =資料所有權
FHE 可以實現資料始終在用戶側加密，在用戶外只以密文形式存在，包括儲存+傳輸+計算。
目前為止，除了FHE, 資料只在儲存和傳輸中能被加密，但是一旦涉及計算，就需要把密文解密成明文才行，而這恰好讓用戶失去了資料的所有權。現實生活中有很多這樣的例子，你的明文數據一旦被別人copy 走了，別人就可以在copy 出很多份，其他人到底有沒有在用你的數據，用戶完全無法得知，只能靠數據使用方的自我聲明和三方監管。 FHE 能夠讓使用者的密文資料即使在被copy 走的情況下，解密的時候和需要看到明文資料的時候必須要需要使用者同意。那用戶就可以隨時感知資料的動態，實現了資料可用可交易但不可看，保護了資料隱私的同時也真正保護了資料所有權。
這樣的特性是AI + Web3 迫切需要的，既可以讓大家可以公開的方式來stake，又能以加密的方式來做共識，可以防止作惡和浪費。
AI 的next big thing（下一件大事）
從這裡來看，AI和Web3的結合勢在必得，FHE 之於AI，就像是【next big thing】之於Apple。
近日，IO.NET 與Mind Network 宣布了深度合作，在增強人工智慧的安全和效率上共創解決方案。 IO.NET 將Mind Network的全同態加密解決方案引入其分散式運算平台中，以協助加強其產品的安全性。
關於合作的詳情可參閱：Mind Network and io.net Partners up for Advanced AI Security and Efficiency
IO.NET 以分散式計算為AI和FHE的結合起了一個好頭。
以IO.NET 為例，使用者提供算力，AI開發者租用算力。
當一個開發者來到AI 專案後，提出了一個需求，被系統拆分後，由使用者提供的算力計算。
這時候牽涉到幾個問題，租用誰的算力？算出來的結果正確嗎？租用算力時會洩漏雙方隱私嗎？
1.租用誰的算力？
正常情況下，選哪個節點，採用的是測試作業，即不定時發布需求測試哪些節點在線，並準備接受需求。
在此過程中，就可能出現相關節點針對性操縱，取得優先權，類似MEV 攻擊。
對此，Mind 透過FHE 提供了一個公平分發的機制，由於請求和資料都是加密的，節點就無法據此做出有利選擇。
2.算出來的結果正確嗎？
在分散式計算中，確保計算結果正確需要一定的共識，即投票。
當節點互相知道對方的選擇結果，就可能出現跟投，導致結果不公允，不正確。
FHE 加密計算，節點之間投票結果相互加密，但仍可參與最終計算，保證了結果公允。
3.租用算力時會洩漏雙方隱私嗎？
FHE 的核心即資料安全，自身在計算時加密，對於要計算的問題也加密，自然就不會涉及隱私外洩。
再從Restaking的角度來看
IO.NET 本身可以看作一個PoS網絡，節點需要質押IO 代幣，才能從算力貢獻中獲得IO 獎勵。
那麼可能出現的問題是：質押的代幣價格波動太大，驗證者和網路安全就會受到影響。
Mind 對此的解決方案是Dual Staking（雙重質押）甚至三重質押。
質押支持BTC/ETH 的流動性質押代幣和藍籌AI 網路代幣，分散風險，增加網路的整體安全性，本質上是Restaking的共享安全性進階版。
同時Mind 也支援Remote Staking，對於LST/LRT 資產，不需要進行實際的跨鏈，確保資產的安全性。
前幾日，Mind 也剛結束了Glaxe 測試網任務，超過65萬的活躍用戶參與，產生320萬筆測試網交易資料。
根據官方消息透露，Mind 的正式網協議也將在近期推出，可以關註一下。
總結
總得來說，我們發現Mind 雖然講的是FHE 和AI，但關鍵字其實是“安全”，用密碼學在解決各種核心的安全問題。
Restaking 是代幣經濟安全；Remote Staking 是資產安全；FHE 是資料安全；AI+FHE 是共識安全。
區塊鏈的大樓是基於密碼學，或許也將在密碼學中找到未來的答案。
除了AI 網絡，Mind Network 也在擴大解決方案的適用範圍，在去中心存儲、EigenLayer AVS網絡，Bittensor Subnet，跨鏈橋等多個方向進行合作，展示出FHE 的巨大潛力。
在2024 的Web3，如果說密碼學領域由ZK 拉開了序幕，那麼FHE 就將是下半年的主旋律。同時，AI 的熱度又居高不下，在AI+FHE+Restaking 三重敘事加持，以及以太坊基金會和幣安投資的光環下，Mind 能否擔起FHE 的龍頭，隨著主網的上線，即將揭曉。
