AIの核心を指し示し、バイナンスの投資孵化プロジェクトFHE「Mind Network」を詳解する

Mind Networkは、FHEに基づいてAIとPoSネットワークのために設計された再ステーキングソリューションの最初のものです。

暗号学の聖杯------ 完全同型暗号 Fully Homomorphic Encryption

5月5日、イーサリアムの創設者V神は再びTwitterで2020年のFHE（完全同型暗号）に関する記事を共有し、FHE技術の応用に対する関心と議論を再燃させました。V神の記事では、関連する数学的原理が詳しく紹介されており、英語版。

FHE（Fully Homomorphic Encryption）の中国語は完全同型暗号計算であり、ZKと同様に、暗号学の最前線の分野の一つであり、暗号学の聖杯とも呼ばれています。

簡単に言えば、完全同型暗号とは、暗号化されたデータに対して直接計算を行うことであり、復号化する必要がありません。

1+2のとき、結果3を簡単に得ることができますが、暗号化された場合、Encrypt(1)+Encrypt(2)でも、依然としてEncrypt(3)を得ることができるのがFHEです。暗号文の計算=暗号化された平文の計算です。

ZKとは異なり、FHEはWeb3の応用においてデータのプライバシーとセキュリティにより重点を置いています。現在の応用から見ると、ZKは主にスケーラビリティの方向に現れています。

Web3でよく知られているのはZKRollupを中心としたZK技術ですが、FHEはさまざまな分野で独自の潜在能力を徐々に発揮しています。特にAIにおいて。

Mind Network

Mind Networkは、FHEに基づいてAIとPoSネットワークのために設計された再ステーキングソリューションの最初のものです。

EigenLayerがイーサリアムエコシステムの再ステーキングソリューションであるのに対し、MindはAI分野の再ステーキングソリューションです。再ステーキングとFHEコンセンサスセキュリティソリューションを通じて、分散型AIネットワークのトークン経済の安全性とデータの安全性を確保しています。

チームの背景を見ると、Mindの主要メンバーはAI、安全、暗号学の教授や博士が中心で、ケンブリッジ、Google、Microsoft、IBMなどの機関から来ています。コアメンバーは、世界で12人のイーサリアム財団フェローの一人に選ばれ、イーサリアム財団の研究チームと共に暗号学とセキュリティの分野で研究を行っています。Mindが世界初のFHE+Stealth AddressソリューションであるMindSAP（研究論文リンク、原文は難解なので皆さんでお読みください）は、V神が提起したStealth Address Open Problemの問題を解決し、イーサリアムコミュニティで大きな注目を集め、多くの論文や講演が行われました。

Mind Networkは2023年にバイナンスインキュベーターに選ばれ、バイナンスなどの著名な機関が参加した250万ドルのシードラウンドの資金調達を完了しました。また、イーサリアム財団のフェローシップ助成金を受け、Chainlink Build Programに選ばれ、Chainlinkの契約パートナーとなりました。

2024年2月、Mind Networkは著名な暗号学会社ZAMAのFHE分野における重要なパートナーとなりました。

最近、Mind Networkはエコシステムの拡張をさらに加速し、io.net、Singularity、Nimble、Myshell、AIOZなどにAIネットワークのコンセンサスセキュリティサービスを提供し、Chainlink CCIPにFHE Bridgeのソリューションを提供し、IPFS、Arweave、GreenfieldなどにAIデータの安全なストレージサービスを提供しました。

FHE+AI、AIの核心的な痛点に直面する

今年4月の香港Web3会議で、VitalikはFHEがEncrypted Votingなどのシナリオでの未来の期待を示しました。FHEは暗号学の最前線であり、イーサリアムが追求する暗号学の限界の方向でもあります。

ZAMAの創設者は最近、彼の"Master Plan"に関する記事を発表しました。これは、同社がエンドツーエンドの暗号化ネットワークHTTPZ（"Z"は"Zero Trust"、ゼロ信頼を意味します）を作成するビジョンを概説し、FHEをブロックチェーンと人工知能の分野に普及させることを提案しています。

AI分野で重点的に注目されているいくつかのプロセスには、トレーニング、調整、使用、評価が含まれ、分散化の過程で同じ課題に直面しています。それは、信頼の仮定を取り除く方法です。例えば：

• AIモデルがトレーニング中に、最良のトレーニング結果を選ぶために交差検証を行う必要があります。

• AIサービスを使用する前に、既存のサービスをランク付けして最良のサービスを決定する必要があります。

• AIモデルは常に調整と反復が必要であり、独立した評価を行う必要があります。

これらのプロセスは、中央集権的なシナリオでは大企業のコンプライアンス信頼仮定に基づいています。大企業が信頼の裏付けを行い、悪用しないとされています。

しかし、分散化の過程では、信用の裏付けがないため、すべての参加者の協力が公平かつ効果的であるかを検証することが難しいのです。これがまさにFHEが力を発揮するポイントです。

例えば

• AIモデルがトレーニング中に、最良のトレーニング結果を選ぶために匿名投票を通じて選出し、OpenAIのような仮定を取り除きます。

• AIサービスを使用する前に、既存のサービスをランク付けする際に、匿名評価を通じて各サービスのサービス品質を確定し、AI AppStoreのような信頼の仮定を取り除きます。

• AIモデルは常に調整と反復が必要であり、独立した評価を行う際には、ランダムサンプリングを通じて信頼できる評価を行い、評価機関への信頼の仮定を取り除きます。

FHEの参加により、AIはゼロ信頼を実現し、ZKがオフチェーンでの集約に必要な信頼の仮定を補完することができます。

挙げられるAIの例はまだまだたくさんあり、このようなゼロ信頼はAIエージェントやマルチエージェントがより良い知的相互接続を実現し、健全なガバナンスを実現するのに役立ちます。

同時に、FHEの独特な暗号文計算特性は、データプライバシーとデータ所有権という2つの他の難題を解決することができます：

• 私たちのデータは誰が見ることができるのか？=データプライバシー

• AIが私たちのデータを所有するのは誰か？=データ所有権

FHEはデータが常にユーザー側で暗号化され、ユーザーの外では暗号文の形でのみ存在することを実現できます。

これまでのところ、FHEを除いて、データはストレージと伝送中にのみ暗号化されますが、計算に関与する場合、暗号文を平文に復号化する必要があります。これがまさにユーザーがデータの所有権を失う原因です。現実の生活には、あなたの平文データが他の誰かにコピーされると、他の人がそのデータを使用しているかどうかを完全に知ることができず、データ使用者の自己申告と第三者の監視に頼るしかないという多くの例があります。FHEは、ユーザーの暗号文データがコピーされた場合でも、復号化する際にユーザーの同意が必要であるため、ユーザーはデータの動態を随時感知できるようになります。これにより、データは利用可能で取引可能ですが、見ることはできず、データプライバシーを保護しつつ、データ所有権も真に保護されます。

このような特性はAI + Web3にとって急務であり、皆が公開された方法でステークでき、暗号化された方法でコンセンサスを行うことができ、悪用や浪費を防ぐことができます。

AIの次の大きなこと（next big thing）

ここから見ると、AIとWeb3の結合は避けられないものであり、FHEはAIにとって、まさにAppleにとっての【next big thing】のようなものです。

最近、IO.NETとMind Networkは深い協力を発表し、人工知能の安全性と効率を向上させるためのソリューションを共同で創出しています。IO.NETはMind Networkの完全同型暗号ソリューションをその分散型計算プラットフォームに導入し、製品の安全性を強化するのに役立てています。

協力の詳細については、以下をご覧ください： Mind Network and io.net Partners up for Advanced AI Security and Efficiency

IO.NETは分散型計算を通じてAIとFHEの結合に良いスタートを切りました。

IO.NETを例にとると、ユーザーは計算能力を提供し、AI開発者はその計算能力を借ります。

ある開発者がAIプロジェクトに参加し、要求を提出すると、システムがそれを分割し、ユーザーが提供する計算能力で計算されます。

このとき、いくつかの問題が発生します。誰の計算能力を借りるのか？計算された結果は正しいのか？計算能力を借りる際に双方のプライバシーが漏洩するのか？

1.誰の計算能力を借りるのか？

通常、どのノードを選択するかは、テスト作業を用いて、定期的に要求を発表し、どのノードがオンラインで要求を受け入れる準備ができているかをテストします。

この過程で、関連するノードが特定の操作を行い、優先権を得る可能性があります。これはMEV攻撃に似ています。

これに対して、MindはFHEを通じて公平な分配メカニズムを提供しました。要求とデータが暗号化されているため、ノードはそれに基づいて有利な選択をすることができません。

2.計算された結果は正しいのか？

分散型計算において、計算結果の正確性を確保するには一定のコンセンサス、つまり投票が必要です。

ノードが互いに選択結果を知ると、フォロー投票が発生し、公平でない結果をもたらす可能性があります。

FHEの暗号化計算では、ノード間の投票結果が相互に暗号化されますが、最終計算には参加できるため、結果の公平性が保証されます。

3.計算能力を借りる際に双方のプライバシーが漏洩するのか？

FHEの核心はデータの安全性であり、計算時に暗号化され、計算対象の問題も暗号化されるため、プライバシーの漏洩は自然に防がれます。

再ステーキングの観点から見ると：

IO.NET自体はPoSネットワークと見なすことができ、ノードはIOトークンをステーキングする必要があり、計算能力の貢献からIO報酬を得ることができます。

その際に発生する可能性のある問題は、ステーキングされたトークンの価格変動が大きすぎると、検証者とネットワークの安全性に影響を与えることです。

Mindの解決策は、Dual Staking（デュアルステーキング）や三重ステーキングです。

ステーキングはBTC/ETHの流動性ステーキングトークンとブルーチップAIネットワークトークンをサポートし、リスクを分散し、ネットワークの全体的な安全性を向上させます。これは本質的に再ステーキングの共有安全性の進化版です。

同時にMindはRemote Stakingもサポートしており、LST/LRT資産に対して実際のクロスチェーンを必要とせず、資産の安全性を保証します。

数日前、MindはGlaxeテストネットのタスクを終了し、65万人以上のアクティブユーザーが参加し、320万件のテストネット取引データを生成しました。

公式の情報によると、Mindの正式ネットワークプロトコルも近日中に発表される予定ですので、注目してください。

まとめ

全体として、MindはFHEとAIについて語っていますが、キーワードは実際には「安全」です。暗号学を用いてさまざまな核心的な安全問題を解決しています。

再ステーキングはトークン経済の安全性；Remote Stakingは資産の安全性；FHEはデータの安全性；AI+FHEはコンセンサスの安全性です。

ブロックチェーンの大厦は暗号学に基づいており、未来の答えも暗号学の中に見つけられるかもしれません。

AIネットワークだけでなく、Mind Networkは解決策の適用範囲を拡大し、分散ストレージ、EigenLayer AVSネットワーク、Bittensorサブネット、クロスチェーンブリッジなどの複数の方向で協力し、FHEの巨大な潜在能力を示しています。

2024年のWeb3では、暗号学の分野がZKによって幕を開けたとすれば、FHEは下半期の主旋律となるでしょう。同時に、AIの熱気は依然として高く、AI+FHE+再ステーキングの三重の物語のもと、イーサリアム財団とバイナンスの投資の光環の中で、MindがFHEのリーダーとしての役割を果たすことができるのか、メインネットの立ち上げとともに明らかになるでしょう。