Mạng AI của Privasea dẫn đầu bằng cách xác định lại bảo mật dữ liệu và quyền riêng tư với FHE Tech

Sau khi ChatGPT ra mắt, rất nhiều công cụ trí tuệ nhân tạo (AI) đã xuất hiện, mỗi công cụ đều đưa ra các giải pháp sáng tạo.

Tuy nhiên, sự gia tăng này cũng làm sáng tỏ một mối lo ngại quan trọng: quyền riêng tư dữ liệu.

Việc đào tạo các mô hình AI đòi hỏi lượng dữ liệu khổng lồ, vốn tiềm ẩn những rủi ro đáng kể.

Vào thời điểm này, Privasea bước vào.

Privasea là gì và mục tiêu của nó là gì?

Mạng AI Privasea là một khuôn khổ mạnh mẽ được thiết kế để ưu tiên quyền riêng tư và bảo mật dữ liệu trong quá trình tính toán AI.

Về cốt lõi, mạng sử dụng Mã hóa hoàn toàn đồng hình (FHE), một công nghệ cho phép tính toán trên dữ liệu được mã hóa, mang lại kết quả không thể phân biệt được với kết quả thu được bằng cách sử dụng dữ liệu không được mã hóa.

Cách tiếp cận này đảm bảo rằng thông tin nhạy cảm được xử lý mà không bao giờ bị tiết lộ dưới dạng không được mã hóa.

Tận dụng FHE, Mạng AI Privasea cho phép xử lý AI cộng tác an toàn giữa các thực thể khác nhau trong khi vẫn duy trì tính bảo mật của thông tin nhạy cảm.

Sách trắng của Privasea nêu bật khả năng của nó trong việc cho phép cộng tác giữa nhiều bên trong khi bảo vệ thông tin nhạy cảm khỏi bị lộ:

“Khi lượng dữ liệu được tạo ra và số lượng người dùng truy cập các ứng dụng dựa trên dữ liệu tăng lên, sẽ có những lo ngại về việc bảo vệ quyền riêng tư và thiếu sức mạnh tính toán. Một giải pháp tiềm năng cho những vấn đề này là mạng tính toán AI, có thể cung cấp các phương pháp hiệu quả để kích thích sức mạnh tính toán và duy trì quyền riêng tư trong suốt chu trình xử lý dữ liệu.”

Kiến trúc máy khách-máy chủ của nó xác định lại quyền riêng tư và công nghệ như dưới đây:

Dưới đây là bằng chứng về tính nhân văn của FHE.

Nó bao gồm bốn thành phần chính: Thư viện HESea, API Privasea, Privanetix và Bộ hợp đồng thông minh Privasea.

Sách trắng nêu rõ:

“Để tạo điều kiện thuận lợi cho việc triển khai FHE, Privasea kết hợp thư viện FHE cơ bản có tên HESea. Thư viện này trang bị cho các nhà phát triển các công cụ và chức năng thiết yếu để thực hiện các phép tính trên dữ liệu được mã hóa một cách an toàn, chẳng hạn như phép cộng, phép nhân và thậm chí là đánh giá các mô hình học máy. HESea trao quyền cho người dùng khai thác tiềm năng dữ liệu của họ mà không ảnh hưởng đến quyền riêng tư."

Kiến trúc mạng AI của Privasea

Cam kết của mạng lưới về bảo vệ dữ liệu còn mở rộng đến việc tuân thủ các quy định nghiêm ngặt như Quy định bảo vệ dữ liệu chung của Liên minh Châu Âu (GDPR).

Bằng cách sử dụng các kỹ thuật AI bảo vệ quyền riêng tư, bao gồm FHE, các tổ chức có thể đảm bảo tuân thủ các quy định này, bảo vệ dữ liệu cá nhân trong suốt giai đoạn đào tạo và suy luận của mô hình AI.

Hơn nữa, Mạng AI Privasea được dành riêng để bảo vệ người dùng; dữ liệu nhạy cảm từ sự truy cập trái phép.

Bằng cách mã hóa dữ liệu nhạy cảm trong quá trình xử lý và suy luận AI, mạng tăng cường khả năng phòng thủ chống lại hành vi vi phạm dữ liệu và xâm nhập trái phép.

Các kỹ thuật bảo vệ quyền riêng tư của họ trong học máy không chỉ đảm bảo tuân thủ quy định mà còn thúc đẩy niềm tin giữa các cá nhân, khuyến khích họ tự tin chia sẻ dữ liệu của mình.

Vậy FHE là gì?

Mã hóa hoàn toàn đồng hình (FHE) là một phương pháp mã hóa biến đổi cho phép thực hiện các tính toán phức tạp trên dữ liệu được mã hóa, đảm bảo rằng kết quả được giải mã hoàn toàn khớp với kết quả có thể đạt được nếu thực hiện tính toán trên dữ liệu không được mã hóa.

Nói một cách đơn giản, trong xử lý dữ liệu truyền thống, các phép tính yêu cầu dữ liệu phải được giải mã trước tiên, làm lộ thông tin nhạy cảm và làm tăng nguy cơ bị đánh cắp hoặc sử dụng sai mục đích.

Với FHE, dữ liệu được mã hóa có thể được sử dụng trực tiếp để tính toán và kết quả vẫn được mã hóa cho đến khi cần giải mã.

Khả năng này rất quan trọng đối với các ngành xử lý dữ liệu nhạy cảm, chẳng hạn như tài chính, y tế và chính phủ.

Zama, một công ty mật mã hàng đầu, chuyên phát triển các giải pháp FHE tiên tiến cho blockchain và AI.

Sự hợp tác này nhằm mục đích nâng cao công nghệ FHE, tập trung vào các ứng dụng thực tế về mã hóa đầu cuối cho máy học.

Bằng cách cộng tác, Privasea và Zama mong muốn trở thành những dự án nổi bật trong bối cảnh Web3, thúc đẩy sự đổi mới và bảo mật trong lĩnh vực này.

Trong phạm vi của FHE, các sơ đồ mã hóa thường được phân thành ba loại riêng biệt:

1) Mã hóa hơi đồng hình (SHE): Lược đồ này tạo điều kiện thuận lợi cho một số phép tính cộng và nhân được xác định trước trên dữ liệu hoặc văn bản mã hóa được mã hóa.

2) Mã hóa hoàn toàn đồng cấu (FHE): Lược đồ mạnh mẽ này hỗ trợ số lượng phép tính cộng và/hoặc nhân không giới hạn trên văn bản mã hóa, duy trì tính toàn vẹn của nó trong suốt quá trình giải mã.

3) Mã hóa đồng cấu một phần (HE một phần): Lược đồ này cho phép các phép tính cộng hoặc nhân trên văn bản mã hóa chứ không phải cả hai, cung cấp một cách tiếp cận chuyên biệt hơn để mã hóa.

Sự giao thoa giữa học máy (ML) với FHE là một lĩnh vực đang phát triển hứa hẹn sẽ cách mạng hóa các phép tính bảo vệ quyền riêng tư.

Quá trình học máy

Học máy dựa trên mã hóa hoàn toàn đồng hình (FHEML) đại diện cho một mô hình trong đó các thuật toán học máy được điều chỉnh để hoạt động trong giới hạn của các sơ đồ FHE.

Cách tiếp cận đổi mới này đảm bảo rằng các phép tính trên dữ liệu được mã hóa mang lại kết quả nhất quán với kết quả của dữ liệu không được mã hóa, từ đó bảo vệ tính bảo mật của thông tin được xử lý.

Tính toán trên dữ liệu được mã hóa

FHEML đi đầu trong việc cho phép các ứng dụng máy học xử lý dữ liệu được mã hóa mà không ảnh hưởng đến quyền riêng tư hoặc bảo mật.

Nó bao gồm một bộ thuật toán học máy được điều chỉnh để hoạt động liền mạch với FHE, mở ra vô số trường hợp sử dụng tập trung vào quyền riêng tư.

Chúng bao gồm điện toán bí mật, đào tạo mô hình được mã hóa và suy luận riêng tư, cùng nhiều thứ khác.

Những tiến bộ trong FHEML không chỉ tăng cường bảo mật dữ liệu mà còn mở rộng tầm nhìn cho các ứng dụng học máy trong các lĩnh vực mà quyền riêng tư được đặt lên hàng đầu.

Thông tin đội ngũ của Privasea

Dưới đây là một số thành viên của nhóm đằng sau Privasea.

David Jiao (Giám đốc điều hành)

David Jiao, người đồng sáng lập và CEO của Privasea, là một doanh nhân nối tiếp với thành tích đã được chứng minh. Anh đã huy động thành công 20 triệu USD cho các dự án AI và 4 triệu USD cho các sáng kiến ​​blockchain.

Chuyển Thành

Zhuan Cheng là chuyên gia mật mã tại Privasea. Ông lãnh đạo nhóm nghiên cứu, giám sát việc thiết kế và phát triển kiến ​​trúc sản phẩm mật mã và các giải pháp blockchain.

Jeffrey Duẩn

Jeffrey Duan, giáo sư và giám đốc Toán ứng dụng tại Viện Công nghệ Illinois, giữ vai trò Cố vấn khoa học trưởng cho Privasea, hướng dẫn thiết kế các thuật toán mã hóa.

Đình Cao

Ting Gao, Phó Giáo sư tại HUST và cựu kỹ sư ML cao cấp tại Twitter, là Nhà khoa học dữ liệu trưởng tại Privasea. Cô lãnh đạo nhóm nghiên cứu tập trung vào FHEML.

Lôi Thần

Lei Chen là nhà nghiên cứu cấp cao và kiến ​​trúc sư hệ thống chuyên về kiến ​​trúc sản phẩm ô tô và giải pháp dữ liệu.

Noel Braganza

Với nền tảng về Thiết kế Sản phẩm Kỹ thuật số từ Phòng thí nghiệm Thiết kế MIT, Noel Braganza lãnh đạo nhóm thiết kế và đổi mới sản phẩm của Privasea, tập trung vào việc nâng cao trải nghiệm sản phẩm và chiến lược thiết kế.

Lục Tư Phàm

Sifan Lü là huấn luyện viên công nghệ cho nhóm kỹ thuật của Privasea. Anh có nhiều kinh nghiệm trong việc xây dựng hệ thống quy trình và quản lý DevOps.

Martin Đường

Là người thực hành tiền điện tử và Web3, Martin Tang là người đồng sáng lập và CMO của Privasea. Kể từ năm 2022, anh đã giữ vai trò cố vấn cho nhiều dự án Web3 và tham gia vào quá trình ươm tạo các vòng ươm tạo.

Privasea và Fhenix hợp tác để tăng cường phát triển ứng dụng AI an toàn

Vào cuối tuần trước, Fhenix, nền tảng lớp 2 khai thác mật mã FHE để trao quyền cho các nhà phát triển Ethereum, đã bắt tay vào quan hệ đối tác chiến lược với Privasea.

Sự hợp tác này được thiết kế để tận dụng chuyên môn và khả năng độc đáo của cả hai công ty, nhằm mục đích thúc đẩy phát triển các ứng dụng AI an toàn sử dụng công nghệ FHE.

Sức mạnh tổng hợp giữa Privasea và Fhenix dự kiến ​​​​sẽ mang lại những tiến bộ đáng kể bằng cách hội tụ công nghệ blockchain và AI.

Những nỗ lực chung sẽ bao gồm sự phát triển liên tục của các thư viện FHE và thiết lập khả năng tương tác giữa hai đơn vị.

Ngoài ra, quan hệ đối tác được thiết lập để bắt đầu nỗ lực tăng tốc phần cứng.

Cả hai nền tảng sẽ hợp tác để nâng cao thư viện TFHE-rs do Zama phát triển, đóng vai trò là thành phần cơ sở hạ tầng nền tảng cho cả hai công ty.

Nhóm của cả hai công ty đều sẵn sàng tích hợp các ứng dụng của Privasea vào cơ sở hạ tầng L2 của Fhenix.

Hơn nữa, họ sẽ khám phá các cơ chế đổi mới để kết hợp các sơ đồ mã hóa đồng cấu bổ sung, chẳng hạn như CKKS/BGV/BFV, hỗ trợ xử lý song song một lệnh, nhiều dữ liệu (SIMD) và đóng gói dữ liệu.

Sự tích hợp này sẽ tăng cường hỗ trợ cho các kịch bản tính toán có độ chính xác cao và quy mô lớn.

Kết quả của sự hợp tác này là vô số cơ hội về sản phẩm sẽ được mở ra.

Liên minh sẽ sử dụng FHE để giới thiệu các trường hợp sử dụng tiên tiến, bao gồm cả AI, ra thị trường.

Hợp tác với Solana ra mắt ứng dụng ImHuman

Sau đó vào đầu tuần trước, Privasea đã tích hợp công nghệ của mình vào mạng Solana, đánh dấu sự ra mắt của nó với tư cách là ứng dụng Proof of Human đầu tiên trên chuỗi khối Solana.

Hiệu suất vượt trội và độ trễ tối thiểu của Solana khiến nó trở thành nền tảng blockchain tối ưu để hỗ trợ các yêu cầu về công nghệ FHE và điện toán AI của Privasea.

Hoạt động trên chuỗi khối Solana, ứng dụng ImHuman của Privasea có khả năng xác minh danh tính người dùng trên quy mô rộng hơn, đảm bảo tính bảo mật và độ tin cậy của mạng đồng thời bảo vệ quyền riêng tư của người dùng.

Ứng dụng ImHuman sử dụng người dùng? dữ liệu sinh trắc học để tạo ra một nhận dạng kỹ thuật số đặc biệt.

Ban đầu, người dùng phải quét vectơ khuôn mặt của họ thông qua camera trước của ứng dụng, quá trình này được thực hiện hoàn toàn trên thiết bị của người dùng để ngăn chặn mọi rò rỉ dữ liệu nhạy cảm.

Sau đó, dữ liệu được mã hóa và chuyển đổi thành mã thông báo không thể thay thế (NFT) đại diện cho vectơ sinh trắc học được mã hóa của người dùng.

Cách tiếp cận này tận dụng các thuộc tính của FHE, cho phép thực hiện các tính toán phức tạp mà không cần giải mã dữ liệu, từ đó duy trì tính bảo mật và quyền riêng tư của dữ liệu.

Trong quá trình xác minh danh tính người dùng, ứng dụng ImHuman sẽ quét lại các đặc điểm khuôn mặt của người dùng và so sánh dữ liệu mới thu được với dữ liệu được mã hóa lưu trữ trên blockchain.

Quy trình này cũng sử dụng công nghệ FHE để đảm bảo rằng dữ liệu vẫn được mã hóa trong suốt quá trình xác minh, giảm thiểu rủi ro lộ dữ liệu một cách hiệu quả.

Hơn nữa, vì NFT của mỗi người dùng được lấy từ sinh trắc học duy nhất của họ nên nó vốn có khả năng chống trùng lặp hoặc giả mạo, nâng cao đáng kể rào cản chống lại các cuộc tấn công lừa đảo.

Thông qua ứng dụng ImHuman, Privasea không chỉ cung cấp một công cụ mạnh mẽ để tăng cường tính bảo mật của các mạng phi tập trung mà còn thể hiện tính thực tiễn của công nghệ mã hóa đồng nhất hoàn toàn trong các tình huống thực tế.

Phương thức xác thực dựa trên sinh trắc học này, kết hợp với FHE, mang đến giải pháp bảo mật và tôn trọng quyền riêng tư cho các mạng phi tập trung, định vị ImHuman của Privasea là ứng dụng đầu tiên có tiềm năng áp dụng rộng rãi trong miền FHE.

Bằng cách khuyến khích sự tham gia của người dùng và tiếp tục tham gia thông qua phần thưởng airdrop, ImHuman có thể quảng bá hơn nữa ứng dụng rộng rãi của mình.

Giải pháp đổi mới này giới thiệu một chiến lược mới để chống lại các cuộc tấn công lừa đảo, nhấn mạnh cam kết của Privasea về bảo mật và quyền riêng tư trong lĩnh vực kỹ thuật số.

Privasea đã đảm bảo tài trợ 5 triệu đô la cho Pioneer DePIN bằng công nghệ FHEML

Privasea, người hưởng lợi sớm nhất từ ​​Binance Labs' hỗ trợ, đã kết thúc vòng phát hành riêng lẻ chiến lược chỉ vài tháng trước.

Vòng tài trợ này đã thu hút các nhà đầu tư như OKX Ventures, Laser Digital của Tập đoàn Nomura và vườn ươm Tanelabs do SoftBank hậu thuẫn, đã củng cố đáng kể vị thế của Privasea trong lĩnh vực trí tuệ nhân tạo và bảo mật dữ liệu.

Việc hoàn thành thành công vòng này sẽ đẩy nhanh tiến độ của Privasea, thúc đẩy công ty cung cấp các giải pháp xử lý dữ liệu an toàn và hiệu quả hơn nữa cho cơ sở người dùng toàn cầu.

Trước đây, Privasea cũng đã đảm bảo vòng tài trợ trước hạt giống/hạt giống trị giá 5 triệu đô la để dẫn đầu việc tích hợp FHEML vào mạng điện toán phân tán.

Vòng cấp vốn này được đánh dấu bằng sự tham gia của các nhà đầu tư có tầm nhìn xa trong lĩnh vực công nghệ và blockchain, bao gồm Binance Labs, Gate Labs, MH Ventures, K300, QB Ventures, Crypto Times và những ông lớn trong ngành như Zakaria (zak) Awes và Luke Sheng từ Chuỗi liên kết.

Những khoản đầu tư chiến lược này nhấn mạnh niềm tin mà các nhà đầu tư hàng đầu đặt vào cách tiếp cận đổi mới của Privasea đối với bảo mật dữ liệu và AI, định vị công ty như người đi đầu trong lĩnh vực này.

Danh sách một số nhà đầu tư ủng hộ Privasea như được thấy trên trang mạng

Phân phối mã thông báo

Privasea có nguồn cung cấp token là một tỷ PRVA.

Nguồn: Thứ hạng tiền điện tử

Lộ trình cho tương lai của Privasea

Khi lĩnh vực AI tiếp tục phát triển, sự chú ý ngày càng chuyển sang chất lượng dữ liệu.

Các công ty đang tăng cường nỗ lực để đạt được lợi thế cạnh tranh trong cuộc đua dữ liệu, không chỉ mở rộng nguồn dữ liệu mà còn đảm bảo tuân thủ và tôn trọng quyền riêng tư của người dùng.

Điều cấp thiết đối với các công ty này là tìm cách thực hiện tính toán trên dữ liệu được mã hóa mà không ảnh hưởng đến tính bảo mật thông tin người dùng.

Privasea giới thiệu với thế giới một giải pháp ưu tiên quyền riêng tư—một mạng được thiết kế để bảo vệ dữ liệu nhạy cảm.

Về bản chất, sự tiến bộ của công nghệ AI về bản chất có liên quan đến chất lượng dữ liệu được sử dụng cho đào tạo.

Với điều kiện việc sử dụng dữ liệu vẫn tuân thủ và quyền riêng tư được bảo đảm, nhu cầu về Mạng Privasea có khả năng tăng đáng kể.

Giai đoạn tiếp theo của Privasea