Что такое Privasea, который делает акцент на двойном нарративе FHE+AI и инвестициях в Binance и OKX? (включая интерактивное руководство)

Автор: Paul, CoinmanLabs

Всем привет, я Пол из Coinmanlabs, сегодня хочу поговорить с вами об одном AI проекте - Privasea.

Q·Что такое острова данных?

Многие из нас сталкивались с необходимостью приносить снимки, медицинские карты и другую информацию, когда мы идем в больницу. Задумывались ли вы, почему это так?

В области здравоохранения разные больницы и клиники могут использовать разные системы электронных медицинских записей и базы данных. Форматы данных и интерфейсы между этими системами могут быть несовместимы, что приводит к тому, что врачи не могут напрямую получить доступ и интегрировать полную информацию о медицинских записях пациентов, когда они обращаются в разные медицинские учреждения.

Это связано с тем, что несоответствие техническим стандартам, высокая независимость управления больницами, законы о конфиденциальности и другие ограничения могут затруднять обмен и интеграцию медицинских данных.

Многие также сталкивались с необходимостью обращаться в разные государственные органы для решения вопросов, что требует много времени и усилий. Это происходит потому, что разные государственные учреждения и организации отвечают за различные общественные услуги и сбор данных. Например, налоговые органы, органы социального обеспечения и органы здравоохранения управляют большими объемами данных, но эти данные обычно не могут быть бесшовно интегрированы и поделены, что приводит к низкой эффективности общественных услуг, а также к ограничениям со стороны законодательства, защиты конфиденциальности и структуры правительства, которые затрудняют обмен и интеграцию данных между государственными учреждениями.

Это несколько примеров того, что мы называем островами данных, которые представляют собой явление, при котором данные не могут быть эффективно интегрированы и поделены.

Существуют различные причины существования островов данных:

1. Технические барьеры: разные системы или платформы используют разные форматы данных, способы хранения, стандарты интерфейсов и т.д., что затрудняет взаимное использование данных.

2. Проблемы организационной структуры: в крупных организациях отсутствуют эффективные механизмы и культура обмена данными между различными отделами или бизнес-единицами, что приводит к вертикальной или функциональной изоляции данных.

3. Правовые и конфиденциальные проблемы: данные могут содержать чувствительную информацию или подлежать ограничениям со стороны законодательства, что затрудняет или препятствует обмену данными.

4. Владение данными и контроль: владельцы или контролеры данных не хотят или не могут делиться данными с другими сторонами, что может быть связано с коммерческими интересами или конкурентными отношениями.

5. Ограничения по затратам и ресурсам: интеграция и обмен данными могут требовать значительных ресурсов и затрат, и некоторые организации могут не иметь возможности или желания инвестировать эти ресурсы.

6. Культура и идеология: некоторые организации или лица могут считать, что данные должны быть частными, и не хотят или не привыкли делиться данными с другими.

Q·Какие распространенные технические средства для решения проблемы островов данных?

В настоящее время исследовательские и практические методы решения проблемы островов данных в основном включают: федеративное обучение (Federated Learning), нулевое знание (Zero-Knowledge Proofs, ZKP) и полностью гомоморфное шифрование (Fully Homomorphic Encryption, FHE), безопасные многопартитные вычисления (Secure Multiparty Computation, SMC), дифференциальную конфиденциальность (Differential Privacy), раздельное обучение (Split Learning).

Сегодня, из-за ограничений по объему, мы не будем подробно обсуждать все эти методы, а сосредоточимся на полностью гомоморфном шифровании (Fully Homomorphic Encryption, FHE).

FHE

Прежде всего, давайте подумаем, какое слово является ключевым в полностью гомоморфном шифровании? Я думаю, это должно быть "гомоморфизм". Действительно, гомоморфизм является ядром технологии полностью гомоморфного шифрования, позволяя выполнять сложные вычисления и операции с данными в зашифрованном состоянии, предоставляя мощное решение для безопасности данных и защиты конфиденциальности.

Гомоморфизм (Homomorphism) - это математическая концепция, которая относится к отображению между двумя множествами (обычно одним и тем же множеством) в алгебраической структуре, которое сохраняет структуру операций. В полностью гомоморфном шифровании (Fully Homomorphic Encryption, FHE) гомоморфизм является одной из его основных характеристик, позволяя выполнять сложные вычисления в зашифрованном состоянии без необходимости расшифровывать данные.

В полностью гомоморфном шифровании обычно рассматриваются два основных типа гомоморфизма: аддитивный гомоморфизм и мультипликативный гомоморфизм.

Давайте дадим определение полностью гомоморфному шифрованию: полностью гомоморфное шифрование (Fully Homomorphic Encryption, FHE) - это специальная технология шифрования, которая позволяет выполнять произвольные вычисления в зашифрованном состоянии, при этом полученные результаты могут быть расшифрованы и полностью совпадать с результатами вычислений над незашифрованными данными. Эта особенность позволяет выполнять сложные вычисления и обработку данных, сохраняя их зашифрованными, без необходимости расшифровывать данные.

Основной принцип: Основная концепция FHE заключается в реализации через серию математических операций, включая операции сложения и умножения. Алгоритм шифрования FHE позволяет выполнять операции сложения и умножения с зашифрованными данными в зашифрованной области, не требуя расшифровки для получения окончательного результата. Обычно схемы FHE основываются на криптографии с открытым ключом, используя открытый ключ для шифрования и закрытый ключ для расшифровки, при этом обеспечивая конфиденциальность и целостность вычислений.

В настоящее время основные области применения FHE включают: безопасные вычисления в облаке: позволяют отправлять данные к облачному провайдеру без расшифровки для выполнения вычислений в зашифрованном состоянии. Анализ данных с защитой конфиденциальности: позволяет владельцам данных проводить анализ и обработку данных, сохраняя их зашифрованными, например, в области анализа медицинских данных, финансовых данных и т.д.

Почему же в настоящее время FHE не может быть широко применено?

Эффективность вычислений: Процессы шифрования и расшифровки FHE обычно занимают много времени, особенно для сложных операций шифрования.

Управление ключами: Безопасное управление открытыми и закрытыми ключами имеет решающее значение для реализации FHE, необходимо учитывать вопросы генерации, распределения и обновления ключей.

Гарантия безопасности: Несмотря на то, что FHE предоставляет мощные функции шифрования, в реальных приложениях необходимо тщательно учитывать безопасность реализации и уязвимости.

Можем ли мы обрабатывать данные, не раскрывая исходные формы информации? Чувствительная информация может обрабатываться без раскрытия исходной формы, обеспечивая конфиденциальность чувствительной информации.

Privasea

Сайт: https://www.privasea.ai/

Твиттер: https://x.com/Privasea_ai

Описание: Сеть Privasea AI - это мощная система, предназначенная для приоритета конфиденциальности и безопасности данных на протяжении всего процесса вычислений AI. Она использует инновационную технологию, называемую полностью гомоморфным шифрованием (FHE), которая позволяет выполнять вычисления над зашифрованными данными, получая такие же результаты, как и при выполнении вычислений над незашифрованными данными. Она реализует циркуляцию ценности данных через FHEML. Эта сеть предоставляет распределенные вычислительные ресурсы для операций FHE AI. Вся система поддерживается краудсорсингом конкретного ML от ZAMA и токеном $PRVA.

Инвестиционные организации:

Архитектура системы

Сеть Privasea AI состоит из четырех основных компонентов: библиотеки HESea, API Privasea, Privanetix и набора смарт-контрактов Privasea.

Ядром сети Privasea AI является библиотека HESea, которая содержит эффективные реализации множества популярных схем полностью гомоморфного шифрования, таких как TFHE, CKKS, BGV, BFV и др.

Эта открытая библиотека предоставляет разработчикам технологии шифрования и высокопроизводительную оптимизацию для безопасных вычислений. С помощью библиотеки HESea разработчики могут получать доступ к различным функциям, позволяя выполнять базовые, арифметические и логические операции с зашифрованными данными. Уникальность этой библиотеки заключается в том, что она была тщательно оптимизирована с использованием технологий упаковки шифротекста и пакетной обработки для повышения эффективности и общей производительности.

API Privasea - это комплексный набор протоколов и инструментов, построенный на основе библиотеки HESea. Для разработчиков, желающих создать приложения AI с защитой конфиденциальности, этот API является ценным ресурсом.

Используя мощные функции базовых схем FHE, предоставляемых библиотекой HESea, разработчики могут создавать мощные приложения, придающие приоритет конфиденциальности и безопасности данных. API Privasea позволяет разработчикам бесшовно интегрировать функции защиты конфиденциальности в свои AI приложения.

Privanetix - это сеть взаимосвязанных вычислительных узлов, задача которой - обеспечить безопасные вычисления над зашифрованными данными. Эти узлы используют алгоритмы FHE для выполнения вычислений над зашифрованными данными, гарантируя, что чувствительная информация не будет доступна злоумышленникам.

Privanetix усиливает масштабируемость и эффективность сети Privasea AI, распределяя вычисления по нескольким узлам. Эта сеть может служить мощным щитом, предотвращая утечку данных и несанкционированный доступ, что дополнительно усиливает безопасность чувствительной информации пользователей.

Для эффективного управления сетью Privanetix и стимулирования вычислительных узлов был разработан набор смарт-контрактов Privasea. Этот набор включает в себя ряд тщательно разработанных смарт-контрактов для управления всеми аспектами сети. Используя эти смарт-контракты, организации могут эффективно управлять сетью Privanetix, обеспечивая бесперебойную работу. Кроме того, набор смарт-контрактов Privasea предоставляет стимулы для вычислительных узлов, побуждая их активно участвовать, что дополнительно улучшает общую производительность сети.

Регистрация ImHuman

В настоящее время официально на сайте указано, что регистрация в ImHuman дает возможность получить аирдроп, и проходит первая фаза генезиса: увеличение пользователей. Мы можем попробовать это сделать.

Важные моменты

Время проведения первой фазы: с 27 мая по 31 июля

Многоуровочные приглашения:

Генезис-код: пользователи с генезис-кодом имеют 3 уровня рекомендательных прав.

1 уровень (прямые рекомендации): за каждую рекомендованную пользователем вы получаете 100 звезд.

2 уровень (рекомендации ваших рекомендованных): за каждую рекомендованную пользователем вы получаете 50 звезд.

3 уровень (рекомендации ваших рекомендованных на 2 уровне): за каждую рекомендованную пользователем вы получаете 25 звезд.

Производный код: пользователи с производным кодом имеют 2 уровня рекомендательных прав.

1 уровень (прямые рекомендации): за каждую рекомендованную пользователем вы получаете 100 звезд.

2 уровень (рекомендации ваших рекомендованных): за каждую рекомендованную пользователем вы получаете 50 звезд.

В конце сезона звезды можно обменять на официальный аирдроп Privasea.

ШАГ 1. Скачайте ImHuman

Мы можем перейти на https://www.privasea.ai/download-app, чтобы скачать соответствующее приложение на телефон.

Если у вас нет Google Play, вы можете нажать, чтобы скачать APK для Android и установить его локально.

ШАГ 2. Зарегистрируйте аккаунт

После загрузки приложения можно зарегистрировать аккаунт.

Введите код приглашения: cLz7aZS.

ШАГ 3. Создайте свой NFT

Поскольку звезды связаны с нашим будущим аирдропом, рекомендуется набирать больше звезд. Для этого нужно создать NFT, стоимость которого составляет 0.03sol (примерно 4 доллара).

Нажмите на Crypto, чтобы получить свой адрес sol, затем переведите необходимое количество sol на этот адрес, а затем нажмите на NFT, чтобы создать указанный NFT. После завершения вы получите соответствующие звезды.

Размышления

• Этот проект получил инвестиции от Binance и OKX, стоит обратить на него внимание.
• С ростом технологий, таких как zkps, все больше людей будут интересоваться направлением FHE, нам нужно постоянно следить за этим.
• В настоящее время требуется распознавание лиц, что создает определенные барьеры.