المؤلف: مصدر بحث Dewhales: الترجمة الفرعية: Shan Ouba, Golden Finance
1 مقدمة: ما هو FHE وتاريخه وتطبيقاته
يرمز FHE إلى التشفير المتماثل بالكامل، وهي طريقة تسمح بالتنفيذ المباشر للنص المشفر. نظام التشفير الذي يحسب دون فك التشفير. وهذا يعني أن البيانات المشفرة تظل مشفرة طوال عملية الحساب، كما يتم تشفير نتائج الحساب أيضًا، ولا يمكن لأي طرف الوصول إلى بيانات النص العادي في أي وقت. يتيح FHE الحساب على البيانات المشفرة، بما في ذلك التعلم الآلي وتحليلات الذكاء الاصطناعي، مما يسمح للعلماء والباحثين والمؤسسات القائمة على البيانات باستخلاص رؤى قيمة دون فك تشفير أو تسريب البيانات أو النماذج الأساسية. يعد التشفير المتماثل تمامًا هو أقوى أشكال التشفير، ولكن له عيبًا كبيرًا ويتطلب قدرًا كبيرًا من قوة الحوسبة.
في الواقع، هناك أنواع عديدة من FHE: BGV، وBFV، وCKKS، وFHEW، وNuFHE، وTFHE. بعد اقتراحه في عام 1978، تطور التشفير المتماثل (HE) ببطء في البداية خلال العقود الثلاثة الأولى. ظهر FHE بشكله الحالي في عام 2009، عندما اقترح Craig Gentry طريقة لتحقيق التشفير المتماثل بالكامل، على الرغم من أن النظام أدخل ضوضاء مع كل عملية. لاحقًا، تم اقتراح نسخة معدلة بنص مشفر أصغر، ولكن تم اقتراح المخطط الأكثر شيوعًا بواسطة Zvika Brakerski وفريقه، والذي يوفر أمانًا وأداء أفضل مقارنةً بطريقة FHE السابقة. وبعد عدة تكرارات متتالية – BGV، وBFV، وCKKS – وُلدت GSW، والتي تم تطوير FHEW (التي تم إطلاقها في عام 2014) وTFHE (التي تم إطلاقها في عام 2016). قام كل من Chilotti وGama وGeorgieva وIzabachene بتقليل زمن الوصول إلى أقل من 0.1 ثانية لكل عملية توجيه للبوابة. منذ ذلك الحين، قام الحل بدمج عملية التمهيد القابلة للبرمجة في عمليته، مما أدى إلى تسريع FHE وجعله مناسبًا لمعظم حالات الاستخدام، بما في ذلك تطبيقات web2 وweb3.
p> p>
النتيجة النهائية حتى الآن هي TFHE-rs من Zama، والتي تعمل على توسيع وظيفة TFHE الأصلية لدعم التمهيد الصحيح القابل للبرمجة. علاوة على ذلك، يستخدم تطبيق Privasea الحالي TFHE-rs.
حالة استخدام FHE:
الحوسبة السحابية: توفر FHE فوائد هائلة للحوسبة السحابية من خلال السماح للمستخدمين بتخزين البيانات ومعالجتها في شكل مشفر على خوادم بعيدة. وهذا يعني أنه يمكن للمستخدمين الاستفادة من قوة الحوسبة السحابية القوية مع الحفاظ على أمان وخصوصية بياناتهم. وهذا مكسب لجميع الأطراف المعنية.
الخدمات المالية: يمكن للخدمات المالية أيضًا الاستفادة من إمكانيات FHE. من خلال معالجة البيانات المالية بشكل آمن، تسمح FHE للمؤسسات المالية بإجراء تحليلات متطورة على البيانات المشفرة. وأفضل ما في الأمر هو أن خصوصية العميلتظل كما هي طوال العملية بأكملها.
التعلم الآلي: من خلال تدريب النماذج على البيانات المشفرة، يمكن لـ FHE تعزيز الآلة بشكل كبير تعلُّم. يتيح ذلك للمؤسسات الاستفادة من قوة التعلم الآلي مع الحفاظ على أمان البيانات.
2. نظرة عامة على Privasea
توفر شبكة Privasea AI حلولاً للتحديات المتعلقة بخصوصية بيانات الذكاء الاصطناعي. تمثل الشبكة بنية متطورة تجمع بين التشفير المتماثل بالكامل (FHE) والحوافز القائمة على blockchain لمعالجة المخاوف المتزايدة المتعلقة بخصوصية البيانات وتلبية الطلب المتزايد على حوسبة الذكاء الاصطناعي التعاونية. تقسم شبكة Privasea AI FHE إلى المستويات الأربعة التالية من النظرية إلى التطبيق: طبقة التطبيق، وطبقة التحسين، والطبقة الحسابية، والطبقة الأصلية. توفر الشبكة حلولاً عامة ومخصصة لسد الفجوة بين خصوصية المستخدم وموارد الحوسبة الموزعة في معالجة الذكاء الاصطناعي، والتي تغطي جميع المستويات الأربعة لـ FHE.
الهدف الرئيسي لشبكة Privasea AI هو ضمان الامتثال للوائح حماية البيانات، بما في ذلك اللائحة العامة الصارمة لحماية البيانات (GDPR) للاتحاد الأوروبي. تفرض هذه اللوائح متطلبات صارمة على جمع ومعالجة وتخزين البيانات الشخصية.
2.1 المشاركون في الشبكة:
مستخدمو الشبكة (مالكو البيانات، ومستلمو النتائج): بدء مهام التعلم الآلي، وتوفير البيانات بشكل آمن، والتفاعل مع الشبكة للحصول على نتائج تم فك تشفيرها.
عقدة Privanetix (عقدة الحوسبة): باعتبارها مزود خدمة في شبكة Privasea AI، فإنها توفر موارد حاسوبية لجهاز الحفاظ على الخصوصية مهام التعلم .
Decryptor: مشارك مخصص يضمن فك التشفير الآمن لنتائج التشفير الناتجة عن عقد Privanetix. وهم يتعاونون مع مستخدمي الشبكة لفك تشفير وتفسير النتائج النهائية لمهام التعلم الآلي، مما يضمن خصوصية وسلامة النتائج التي تم فك تشفيرها.
2.2 بنية Privasea:
تتكون شبكة Privasea AI من أربعة مكونات رئيسية: مكتبة HESea، وPrivasea API، وPrivanetix، ومجموعة العقود الذكية Privasea.
بالإضافة إلى ذلك، وفقًا لـ GitHub، تتضمن Privasea أيضًا العديد من المكونات الأخرى لـ Zama AI لتوفير blockchain والذكاء الاصطناعي. -حلول FHE الفنية:
الخرسانة: مترجم FHE مفتوح المصدر (محدث (TFHE) -rs)، مما يبسط استخدام التشفير المتماثل بالكامل (FHE). يسمح بتحويل برامج Python إلى مكافئاتها من FHE. يعد Concrete مفيدًا للمطورين الذين يرغبون في إنشاء تطبيقات متقدمة تقبل المدخلات المشفرة وتنتج مخرجات مشفرة.
TFHE-rs: تطبيق Rust خالص لـ TFHE للعمليات المنطقية والأعداد الصحيحة على البيانات المشفرة. تم تصميم TFHE-rs للمطورين والباحثين الذين يريدون التحكم الكامل في وظائف TFHE دون الحاجة إلى القلق بشأن تفاصيل التنفيذ الأساسية.
2.3 سير عمل Privasea:
يقوم المستخدمون بإنشاء حسابات، وإعداد مهام التعلم الآلي، وتشفير المتجهات محليًا من خلال واجهة API لتطبيقات التعلم الآلي، وإنشاء مفاتيح التبادل محليًا.
يمكن للمستخدمين بعد ذلك إرسال مهام التشفير إلى شبكة Privatenix والدفع مقابل الخدمة عبر blockchain.
تستقبل عقدة Privatenix وتنفذ مهمة التشفير في مجال التشفير الخاص بالمستخدم، ثم تقوم بتشفير النتيجة باستخدام التبديل الذي تم إنشاؤه مسبقًا بواسطة المستخدم يتم نقل المفتاح إلى المجال المشفر الخاص ببرنامج فك التشفير.
بمجرد اكتمال العمل، سترسل Privanetix النتائج إلى برنامج فك التشفير وستحصل على المال
< li> بعد ذلك، يقوم برنامج فك التشفير بفك تشفير النتيجة باستخدام مفتاح العميل الخاص به ويرسل النتيجة التي تم فك تشفيرها إلى مستخدم الشبكة باستخدام نظام إعادة تشفير الوكيل (PRE).
2.4 سير عمل حالة استخدام KYC الآمن:
1. تسجيل بطاقة هوية تحمل صورة: يقدم المستخدم بطاقة هوية تتضمن صورة. يستخدم العميل خوارزمية استخراج الميزات لاستخراج ملامح الوجه من صورة بطاقة الهوية
2. إرسال مهمة التحقق من الصورة الذاتية: يستخدم المستخدم كاميرا أو جهازًا محمولًا للقيام بذلك التقط صورة شخصية، ويستخدم العميل نفس خوارزمية استخراج الميزات المستخدمة لتسجيل بطاقة الهوية لاستخراج ملامح الوجه من الصور الشخصية.
3. استرداد التضمين المشفر لصورة المعرف: تسترد عقدة Privanetix المحددة التضمين المشفر للمعرف المرتبط بالمستخدم من قاعدة البيانات الآمنة.
4. التعامل مع فحص الوجه في مجال النص المشفر: باستخدام وظيفة FHE، تقوم عقدة Privanetix بإجراء العمليات الحسابية على المعرف المشفر وتضمين الصور الشخصية، مثل الحساب بينهما. مسافة. تقوم عقد Privanetix بمقارنة المسافات بالعتبات المحددة مسبقًا لتحديد التشابه. يتم الاحتفاظ بالنتيجة في حقل النص المشفر.
5. أرسل النتيجة المشفرة إلى أداة فك التشفير: ترسل عقدة Privanetix النتيجة المنطقية المشفرة إلى أداة فك التشفير لمزيد من المعالجة.
6. فك التشفير واستخراج النتائج: يمتلك برنامج فك التشفير المفتاح الخاص ويقوم بفك تشفير النتائج المستلمة للحصول على نتيجة الفحص النهائية (مثل نعم أو لا).
7. تسليم النتيجة: يستخدم برنامج فك التشفير إعادة تشفير الوكيل (PRE) أو طرق أخرى مناسبة لتسليم النتيجة النهائية بشكل آمن إلى الوكالة أو الكيان المعين الذي يحتاج هو - هي.
3.GitHub
لقد قمنا بمراجعة Zama أعلاه بعضًا. مستودعات الذكاء الاصطناعي، والآن دعونا نلقي نظرة على بعض مستودعات الملكية الفكريةPrivasea. أول ما سيلفت انتباهك هو أن مستودع Privasea تم تحديثه آخر مرة في يوليو 2023. قد يكون هذا بسبب المنافسة حول تعيينات مهام FHE وAI/ML شديدة حاليًا في هذا المجال لدرجة أن الفرق لا تصدر تحديثات للحفاظ على تطورها.
Privasea-general هو مستودع Privasea الرئيسي، ويحتوي على العديد من حزم البرامج مفتوحة المصدر. تتضمن هذه الحزم HESea_lib، وهي مكتبة متقدمة للتشفير المتماثل بالكامل (FHE) توفر للمطورين أدوات حوسبة آمنة قوية ومرنة وسهلة الاستخدام. أو Privasea-Miscellaneous، الذي يحتوي على بيانات المصدر التي يمكن استخدامها في مستودعات PrivateSea الأخرى.
HESEA_Lib - HESea هي مكتبة متطورة للتشفير المتماثل بالكامل (FHE) توفر للمطورين أدوات قوية ومرنة وسهلة. -لاستخدام أداة الحوسبة الآمنة. تم تصميم HESea باستخدام أحدث تقنيات التشفير وتم تحسينه لتحقيق أداء عالٍ، مما يجعله مثاليًا لمجموعة متنوعة من حالات الاستخدام. توفر HESea العديد من مخططات FHE، بما في ذلك TFHE وCKKS وBGV وBFV وما إلى ذلك، مما يسمح للمستخدمين بإجراء عمليات حسابية على البيانات المشفرة دون فك التشفير. وهذا يضمن بقاء البيانات الحساسة آمنة ومحمية من انتهاكات الخصوصية والتهديدات الأمنية.
Comparison_demo - هذا عرض توضيحي لفرز النص المشفر باستخدام مكتبة HESEA. يقوم هذا البرنامج التوضيحي بتشفير تسلسل النص العادي ليتم فرزه في تسلسل النص المشفر المقابل ويقوم بفرز التسلسل عن طريق مقارنة تسلسل النص المشفر. يقوم البرنامج بعد ذلك بفك تشفير تسلسل النص المشفر وإخراج تسلسل النص العادي الذي تم فرزه.
dinn_demo - هذا عرض توضيحي للتعرف الآمن على الأرقام المكتوبة بخط اليد باستخدام مكتبة HESEA. إنه يمثل نهج التعلم العميق الذي يحافظ على الخصوصية باستخدام نظام التشفير TFHE. الميزة الرئيسية لـ DINN هي أنها تحقق دقة تنافسية مع الحفاظ على الكفاءة التشغيلية العادية من خلال استخدامها المبتكر للشبكات العصبية المنفصلة. تقوم هذه الشبكات بقياس الأوزان والإزاحات، مما يقلل من التعقيد الحسابي الأساسي ويبسط عملية تمهيد TFHE الأولية. ولذلك، تم تحسين التقدير المتماثل، وبالتالي زيادة الكفاءة.
4. اقتصاديات الرمز المميز
رمز PRVA إنه عبارة عن رمز فائدة في شبكة Privasea Al ويلعب دورًا حيويًا في تسهيل المعاملات وتحفيز المشاركين وتحقيق الحوكمة على السلسلة. كما أنها تعمل كوسيلة للتبادل، مما يمكّن المستخدمين من الوصول إلى خدمات الذكاء الاصطناعي الخاصة وفتح الميزات المختلفة داخل النظام البيئي. إن قيمة رمز PRVA مدفوعة بشكل أساسي بالطلب على خدمات الشبكة، بما في ذلك التعلم الآلي الذي يحافظ على الخصوصية والميزات الأخرى المستندة إلى Al.
على وجه التحديد، يلعب رمز PRVA الأدوار التالية في النظام البيئي:
- تسهيل المعاملات
- الحوافز والمكافآت
- الحوكمة والتصويت
- التوقيع المساحي وأمن الشبكات
- الوصول إلى الميزات الحصرية
تخصيص جيل العملات :
التعدين/التخزين (45%) - سيتم المخصصة لعقد التوقيع المساحي داخل المشروع التي توفر تشفيرًا متماثلًا بالكامل (FHE) وخدمات خصوصية أخرى.
تخصيص الفريق (10%)
المؤيدون (20%)
تخصيص التسويق وتنمية المجتمع (15%) - سيتم تخصيص هذه الرموز المميزة لمبادرات التسويق وتنمية المجتمع.
الاحتياطيات (6%) - هذه الفئة مناسبة بشكل أساسي للمشاريع التي لا يمكن التخطيط لها، مثل حسب الحاجة إلى استيفاء اللوائح المستقبلية أو التراخيص التي سيتم التقدم للحصول عليها.
السيولة (4%) - تعتبر هذه السيولة أمرًا بالغ الأهمية لأنها يمكنها ضمان قدرة المشاركين على الدخول أو الخروج من مراكزهم دون التسبب في تحركات كبيرة في الأسعار يساهم في نمو السوق.
5. الفريق
LinkedInالرئيس التنفيذي ديفيد جياو هو رجل أعمال ذو خبرة ويتمتع بخلفية قوية في تطوير الأنظمة المعقدة، حيث عمل كمهندس برمجيات في شركة Simplight Nanoelectronics في عام 2010. وانضم لاحقًا إلى مجموعة Cybercom Group . من عام 2015 إلى عام 2020، عمل ديفيد كمؤسس مشارك ورئيس قسم المنتجات لشركة Golden Ridge Robotic AB، وهي شركة بحث وتطوير ناشئة تركز بشكل أساسي على أنظمة الروبوتات المنزلية المادية السيبرانية. وفي الوقت نفسه، شارك أيضًا في تطوير البرمجيات في فولفو - بصفتي مصمم أنظمة فولفو، كنت مسؤولاً عن تصميم وظائف النظام ووضع نماذج أولية لتكوينات السيارة في بنية SPA2 الجديدة من فولفو. وفي عام 2021، أطلق Nulink لتوفير تقنية PRE+ZK للتطبيقات اللامركزية عبر واجهة برمجة التطبيقات (API). بالإضافة إلى ذلك، تتيح خبرة ديفيد في فولفو لشركة Privasea المشاركة في مشاريع مشتركة مع RISE (معهد أبحاث سويدي) وAlkit Communications AB لصناعة السيارات.
تينغ جاو، LinkedInعالم أبحاث رئيسي - يتمتع بخبرة عميقة في الرياضيات التطبيقية خلفية النمذجة الرياضية: كان باحثًا في معهد إلينوي للتكنولوجيا منذ عام 2010، ومحلل بيانات وعالم بيانات في M3 منذ عام 2015، ثم مهندس تعلم الآلة في تويتر. منذ عام 2021، يشغل منصب أستاذ مساعد في الرياضيات التطبيقية والنمذجة العشوائية والتعلم العميق وتطبيقاته في التمويل الرياضي في جامعة هواتشونغ للعلوم والتكنولوجيا
Alex (R) Gaidarski، LinkedIn مدير النمو - يتمتع بخبرة واسعة كمسؤول النظام منذ عام 2006، مما يجعله مسوقًا ذو ميول فنية. قبل انضمامه إلى Privasea، عمل ضمن فريق التسويق مع David Jiao في NuiLink.
زين دارين، تنمية المجتمع وإدارته، LinkedIn - يتمتع بخبرة واسعة في إدارة المجتمع، حيث شغل منصب Manta، Polyhedra، شبكة Tanssi وعملت كمضيف ومساعد في Arcomia وStory Chain.
6. التعاون والتكامل والتطبيق
الخصوصية حاليًا التطبيق العملي الرئيسي هو ImHuman، وهو متوفر بالفعل على Google Play وAppStore. إنه تطبيق لتقنية PoH (إثبات الإنسانية) التي تؤكد الهوية البشرية وتحمي وجودك الرقمي من الروبوتات وتقليد الذكاء الاصطناعي. في هذا التطبيق، يعد تأكيد الهوية من خلال القياسات الحيوية للوجه بمثابة دليل شخصي على الهوية البشرية من خلال NFTs. يتم ربط البيانات البيومترية عبر ناقلات مشفرة على جهاز المستخدم. يتم بعد ذلك تشفير هذه المتجهات بشكل آمن باستخدام مفتاح العميل الخاص بالمستخدم وإرسالها إلى خوادم الويب الآمنة الخاصة بـ Privasea. تخطط Privasea حاليًا لتنفيذ حل PoH الخاص بها في Linea وMoment وGate والتكامل مع Telegra و/Discord/Reddit.
مثال على التكامل مع روبوت TG:
Mind Network هي الشركة الرائدة في مجال بحيرات البيانات اللامركزية ذات الثقة المعدومة. تقوم Privasea حاليًا ببناء مكتبة دقيقة مُحسّنة للعمليات الأساسية للتشفير المتماثل بالكامل لتوفير حلول فعالة ومريحة لعملاء web2 وweb3. من ناحية أخرى، تركز Mind Network على العقود الذكية الآمنة القائمة على البيانات والذكاء الاصطناعي الذي يقوم بتشفير البيانات. أحد الجوانب الرئيسية للتعاون هو دمج Mind Network لبحيرة بيانات FHE التابعة لـ Mind Network في شبكة الذكاء الاصطناعي الخاصة بـ Privasea.
BNB Grienfield - الجمع بين إدارة البيانات وإمكانات التمويل اللامركزي (DeFi) في سلسلة BNB الذكية (BSC). تضافرت جهود Privasea AI Network وBNB Greenfield لتغيير مشهد تخزين البيانات والخصوصية. ستعمل تقنية FHE من Privasea على تمكين التشفير المستمر لبيانات المستخدم عبر الويب. بالإضافة إلى ذلك، يمكن للمطورين على منصة BNB Greenfield إجراء العمليات الحسابية بسلاسة باستخدام البيانات المشفرة، والتي تغطي عمليات مثل إحصاءات البيانات والتحليل المنطقي وتقييم نموذج التعلم الآلي، دون الحاجة إلى الخوض في التفاصيل المعقدة لطرق التشفير، بما في ذلك القدرة على الاستفادة من Privanetix. العقد القوية .
Ton Network - Privasea تطلق Secure LivenessCheck Bot، وهو حل من TON Netwok مصمم للجمع بين التشفير المتماثل بالكامل من خلال الاستفادة من تقنية التعرف على الوجه المتقدمة [ FHE] لإعادة تعريف مصادقة المستخدم .
Pri-Auto هو مشروع لصناعة السيارات المستدامة اختارت شركة Vinnova Fordonsstrategisk Forskning och Innovation (FFI) السويدية تمويله في عام 2023. وفي إطار مشروع Pri-Auto، ستقوم Privasea ببناء البنية التحتية لإنشاء مصادر بيانات آمنة لصناعة السيارات وتمكين مشاركة البيانات بين أطراف متعددة بما في ذلك مصنعي المعدات الأصلية وMaaS وشركات التأمين من خلال إدارة حقوق الوصول الذكية. بالنسبة لهذا المشروع، تعمل Privasea مع RISE، وهو معهد أبحاث سويدي، وAlkit Communications AB، مزود خدمات جمع البيانات لمصنعي المعدات الأصلية مثل مجموعة فولفو وفولفو للسيارات.
7. المؤيدون
تمت إزالة الخصوصية من الداعمين مثل Dewhales Capital، وBinance Labs، وGate Labs، وOKX Ventures، وMH Ventures، وK300 Ventures، وQB Ventures، وCrypto Times، وBasic Capital، وDuckDAO وبعض ملائكة الأعمال من الصناعة مثل زكريا (zak) Aves وLuke Sheng ( عبر Chainlink) على التزام استثماري بقيمة 5 ملايين دولار أمريكي.
8.الخلاصة
من خلال حل مشكلات الكفاءة والتركيز ومن خلال تحسين الخوارزميات الحالية، تمهد Privasea الطريق لاعتماد FHE على نطاق واسع، مما يضمن مستقبلًا يمكن أن يتعايش فيه أمن البيانات والخصوصية في هذا العالم القائم على البيانات. يتيح حلهم للمستخدمين الاستفادة من موارد الحوسبة الموزعة المتنوعة التي توفرها blockchain مع الحفاظ على التحكم الكامل في بياناتهم ونماذجهم عند العمل مع الذكاء الاصطناعي. أصبح عالم اليوم أكثر تعقيدًا، ويرتبط web3 بشكل متزايد بالذكاء الاصطناعي. ص>