最近加密貨幣市場不景氣,作者有時間分享新的技術路線,例如全同態加密貨幣(FHE)。全同態加密貨幣透過加密貨幣資料運算,保護隱私。全態加密貨幣則在此基礎上增加難度,防止破解。這項技術對AI應用有重要意義,可保護隱私資料並提供運算能力。項目如Privasea探索FHE在人臉辨識等場景的應用。但FHE需要龐大運算能力。 Privasea推出PoW硬體和StarFuel NFT,旨在建立算力網路。作者認為FHE技術在資料隱私方面至關重要,可以是人工智慧面臨挑戰的最後一道防線。
作者:0xTodd,Ebunker 聯創
最近行情不佳,終於時間充裕了一些,可以繼續分享一些新的技術路線。儘管2024年的加密貨幣市場不如過去那樣波瀾壯闊,但依然有一些新的技術試著走向成熟,比如說我們今天要聊的主題:「FHE / 全同態加密貨幣(全同態加密貨幣)」。
V 會上5 月也特別發表了關於FHE 的文章,推薦有興趣的朋友們閱讀。
那麼FHE到底是什麼技術呢?
想要了解FHE 全同態加密貨幣這個拗口的名詞,必須先了解什麼是「加密貨幣」,什麼是「同態」,以及為什麼要「全」。
1. 什麼是加密貨幣?
普通的加密貨幣大家最熟悉。舉個例子,Alice 要發個口信給Bob,例如要發個「1314 520」。
如果現在,既要第三方C來送信,又要做到資訊保密,那麼我相信——只需要將每個數字x2來加密貨幣,例如變成「2628 1040」即可。
當Bob收到後,將每個數字依序除2,就解密出了原來Alice在說「1314520」。
看到了什麼,兩人透過對稱加密貨幣,在既要僱用C出力,又要C不知道訊息的一個,完成了訊息傳遞。一般,情報戰片裡,兩個聯絡員互相通信大抵不會超過這個勇氣。
2. 那什麼是同步加密貨幣呢?
現在Alice 想要升級的難度是:
例如Alice只有7歲; 愛麗絲只會算x2 和÷2 這樣最簡單的算術,其他運算則一概不懂。
好,那現在假設Alice 要繳電費了,Alice 家每月電費是400 元,一共拖欠了12 個月。
然而,400*12=幾,這題目聽到年僅7歲的愛麗絲的計算範圍,她不會這麼流行的計算。
但是,她不想讓別人知道她家電費多少錢,因為這是敏感資訊。
因此,Alice 在不信任C的情況下,拜託C 來幫忙計算。
因為只有x2÷2,所以她使用x2乘法使得數字做了簡單的加密貨幣,於是,她告訴C,讓C計算800×24=多少,即:(400×2)乘(12×2)。
C 是成年人,擁有強大的計算腦力,很快就口算出了800*24=19200,並且把數字告訴了Alice。然後,Alice 將結果,也就是19200÷2÷2,很快就知道原來自己要繳4,800 元水費。
這就是一種乘法同態加密貨幣,800*24只是400*12的映射,變幻前後實際上形態是相同的,因此稱之為「同態」。
這樣的加密貨幣方式實現了:某人要委託一個不信任的實體計算結果,卻能保證自己的敏感數字不會外洩。
3.那為什麼「同態加密貨幣」還要「全」呢?
但是,剛剛只是理想世界裡的問題,這上面問題並沒有這麼簡單,不是美女是7歲,或者都像C那麼老實。
我們假設一個很壞的情況,例如C 可能會嘗試反推,C 透過窮舉法也能破解Alice 要計算的是400 和12。
一會兒,就需要「全態」應對。
Alice 給每個數字都×2,這個2可以視為雜訊。噪音太少,就容易被C 破解。
所以,Alice可以在乘法基礎上,再申請加法。
當然,最好這個噪音就像早九點主幹道十字路口一樣,那C的破解很難比登天還難。
所以,愛麗絲可以再搭4次,加8次,這樣C破解率就大幅降低了。
然而,這些Alice仍然只是「部分」保持加密貨幣,即:
她加密貨幣內容只能針對特定部分問題;
她只能使用特定部分運算法則,因為計算乘法次數不可太多(一般不能超過15次)。
而「全」的意思是說,要允許Alice針對一個全部式,能夠做加法加密貨幣任意次,做乘法加密貨幣任意次,這樣委託第三方完全計算,解密後還能得到正確結果。
一個超龐大的多項式,幾乎可以表達世界上絕大部分的數學問題,而只計算電費這種7歲小朋友的問題。
再套上任意次的加密貨幣,從根本上就幾乎杜絕了C 想要窺探隱私資料的可能性,真正實現了「既要又要」。
因此,「全態加密貨幣」這項技術一直是加密貨幣學聖杯上一顆明珠。
事實上,同態加密貨幣這項技術一直到2009 年之前,都只支援「部分同態加密貨幣」。
而2009年Gentry等學者提出了新思路,才使得全社會不再受同態鎮壓。有興趣的讀者也可以移步這篇論文。
很多朋友對這個門技術的應用程式場景,仍然抱持著疑惑,什麼場景需要使用全同態加密貨幣(FHE)技術?
比如說——AI。
我們都知道,一個強健的AI需要足夠的資料餵養,但偏狹很多的資料隱私價值又太高。那麼能不能透過FHE實現這個問題的「既要又要」呢?
答案是可以的。
或者:
你的敏感資料按照FHE 方式進行加密; 用加密貨幣後資料傳送AI計算; 然後我給你吐出一坨誰也看不懂的亂碼。
非典型AI可以實現這一點,因為在它那裡的本質就是向量,AI尤其是GPT生成型AI,壓根就不理解我們給它輸入的話,只不過它通過向量“預測”出了最應該回答的話。
然而,由於這亂碼遵循著某種數學規則,而你正是加密貨幣它的主人,那麼:
你可以斷開網絡,在本地從容解密這些亂碼,就像Alice一樣; 彭博,你實現了:讓人工智能對你的敏感數據完全不受控制的條件,運用龐大的算力幫你完成計算。
而現在的AI則做不到這一點,必須放棄隱私才行,想想你明文輸入給GPT 要實現這個,非FHE 不可。
這就是AI和FHE天生契合的根源,千言萬語化成一個字:既要又要。
由於FHE 和AI掛上了鉤,橫跨加密貨幣和AI兩大領域,自然得到了額外的青睞,關於FHE的項目不少,比如Zama, Privasea, Mind Network, Fhenix, Sunscreen 等等,FHE 應用的方向也各有創意。
今天就拿其中一個項目@Privasea_ai出來做個解析。這是Binance投的FHE項目,它的白皮書描述了一個很貼切的場景,比如說人臉辨識。
既要:機器算力能夠判斷此人是否為真人; 又要:機器不會傳遞任何人的敏感訊息。
加入FHE,能夠有效解決這個難題。
然而,如果真要做的FHE計算,需要非常龐大的運算能力,畢竟Alice要做的「任意次」的加密貨幣和乘法加密貨幣,這個工具包計算,加密貨幣、解密都是一個相當耗算的過程。
因此,在Privasea 要組建一個強大的算力網絡,以及配套設施。因此,Privasea 又提出了一個類別PoW+ 類別PoS 網路架構來解決這個算力網路問題。
最近,Privasea 剛剛宣布了自己的PoW 硬件,叫做WorkHeart USB,這個可以理解為是Privasea 的算力網絡的配套設施之一,當然你可以簡單理解它是一個礦機。
初始定價為0.2 ETH,能夠挖出網路的6.66% 總代幣。
還有一個類PoS資產,叫做StarFuel NFT,這個可以理解為“工作證”,共有5000 個。
初始定價也是0.2 ETH,能夠領到網路的0.75% 總代幣(透過空投)。
這個NFT 也有點意思,它是類PoS,但不是真正的PoS,目前正在籌劃回「美國到底是不是PoS」的問題。
這個NFT 支持用戶在裡面質押Privasea 的代幣,但是它不會直接產生PoS 收益,而是讓你綁定的USB 設備挖礦效率加倍,所以是個變相PoS。
」楊濤表示,如果人工智慧真的能夠大規模普及,那麼對於人工智慧自己來說真的是一個福音,要知道現在有很多國家監管的人工智慧的重點都在這些資料隱私方面。
甚至,舉個不太恰當的例子,例如俄烏戰爭裡,一些俄國軍方都在試圖使用人工智慧,但是大量的人工智慧被美國的情報部門穿透得百孔了。
但如果使用AI,又自然會落後一大截。就算現在差距還不大,再給10年的時間,也許我們都無法想像沒有AI的世界了。
因此,資料隱私,大眾和小型企業之間的資料隱私解鎖,無處無我們的工作。
而人工智慧的時代,如果FHE技術能夠真正成熟,無疑是人類最後一道防線。
資訊來源:0x資訊編譯自網際網路。版權歸作者0xTodd所有,未經許可,不得轉載