AI 핵심을 겨냥한, 바이낸스 투자 인큐베이팅 FHE 프로젝트 마인드 네트워크 상세 해설

Mind Network는 FHE 기반으로 AI와 PoS 네트워크를 위해 설계된 최초의 재질 보증 솔루션입니다.

암호학의 성배 ------ 전동태 암호 Fully Homomorphic Encryption

5월 5일, 이더리움 창시자 비탈릭(Vitalik)은 다시 한 번 트위터에서 2020년의 FHE(전동태 암호) 기사를 공유하며, FHE 기술 응용에 대한 관심과 논의를 지속적으로 불러일으켰습니다. 비탈릭의 글은 관련 수학 원리를 깊이 있게 소개하고 있습니다. 영문 원문。

FHE(전동태 암호)는 암호학의 최전선 분야 중 하나로, ZK와 마찬가지로 암호학의 성배로 불립니다.

간단히 말해, 전동태 암호는 암호화된 데이터에 대해 직접 계산을 수행할 수 있으며, 복호화할 필요가 없습니다.

1+2일 때, 결과 3을 쉽게 도출할 수 있지만, 암호화된 상태에서 Encrypt(1)+Encrypt(2)라고 하더라도 여전히 Encrypt(3)을 도출할 수 있습니다. 이것이 바로 FHE이며, 암호문 계산 = 암호화된 명문 계산입니다.

ZK와는 달리, FHE는 Web3에서 데이터 프라이버시와 보안에 더 중점을 두고 있으며, 현재의 응용 사례를 보면 ZK는 주로 확장성 방향에 더 많이 나타납니다.

Web3에서 더 잘 알려진 것은 ZKRollup을 기반으로 한 ZK 기술이지만, FHE는 여러 분야에서 독특한 잠재력을 점진적으로 발휘하고 있으며, 특히 AI 분야에서 그렇습니다.

Mind Network

Mind Network는 FHE 기반으로 AI와 PoS 네트워크를 위해 설계된 최초의 재질 보증 솔루션입니다.

EigenLayer가 이더리움 생태계의 재질 보증 솔루션인 것처럼, Mind는 AI 분야의 재질 보증 솔루션입니다. 재질 보증과 FHE 합의 보안 솔루션을 통해 분산형 AI 네트워크의 토큰 경제 안전과 데이터 안전을 보장합니다.

팀 배경을 살펴보면, Mind의 주요 구성원은 AI, 보안, 암호학의 교수와 박사들로 구성되어 있으며, 케임브리지, 구글, 마이크로소프트 및 IBM 등에서 왔습니다. 핵심 구성원은 세계 12명의 이더리움 재단 펠로우 중 한 명으로 선정되어 이더리움 재단 연구팀과 함께 암호학 및 보안 분야에서 연구를 진행했습니다. Mind가 세계 최초로 개발한 FHE+Stealth Address 솔루션인 MindSAP은 (연구 논문 링크, 원문은 여러분이 직접 읽어보시기 바랍니다) 비탈릭이 제기한 Stealth Address Open Problem에서 제기된 문제를 해결하여 이더리움 커뮤니티에서 큰 주목을 받았으며, 여러 차례 논문 발표 및 강연을 진행했습니다.

Mind Network는 2023년 바이낸스 인큐베이터에 선정되었으며, 바이낸스 등 유명 기관이 참여한 250만 달러의 시드 라운드 자금을 완료했습니다. 또한 이더리움 재단 Fellowship Grant를 수여받았고, Chainlink Build Program에 선정되었으며, Chainlink와 계약된 채널 파트너가 되었습니다.

2024년 2월, Mind Network는 유명 암호학 회사 ZAMA와 FHE 분야의 주요 협력 파트너가 되었습니다.

최근 Mind Network는 생태계 확장을 가속화하며 io.net, Singularity, Nimble, Myshell, AIOZ 등에 AI 네트워크 합의 보안 서비스를 제공하고, Chainlink CCIP에 FHE Bridge 솔루션을 제공하며, IPFS, Arweave, Greenfield 등에 AI 데이터 안전 저장 서비스를 제공하고 있습니다.

FHE+AI, AI 핵심 문제에 정면 대응

올해 4월 홍콩 Web3 회의에서 비탈릭은 Encrypted Voting 등 시나리오에서 FHE의 미래 기대를 표현했습니다. FHE는 암호학의 최전선이며, 이더리움이 추구하는 암호학의 극한 방향입니다.

ZAMA 창립자는 최근 "Master Plan"이라는 제목의 글을 발표했습니다. 이 글에서는 회사가 엔드 투 엔드 암호화 네트워크 HTTPZ("Z"는 "Zero Trust", 제로 신뢰)를 구축하려는 비전을 개요하고, FHE가 블록체인과 인공지능 분야에서 어디에나 존재하도록 하겠다고 제안했습니다.

AI 분야에서 주목해야 할 몇 가지 단계는 훈련, 조정, 사용 및 평가이며, 분산화 과정에서 모두 동일한 문제에 직면합니다. 신뢰 가정을 제거하는 방법입니다. 예를 들어:

• AI 모델이 훈련할 때, 최상의 훈련 결과를 선택하기 위해 교차 검증이 필요합니다.

• AI 서비스가 사용되기 전에 기존 서비스를 순위 매겨 최상의 서비스를 결정해야 합니다.

• AI 모델은 지속적으로 조정 및 반복해야 하며, 독립적인 평가가 필요합니다.

이러한 단계는 중앙 집중화된 시나리오에서 대기업의 규정 준수 신뢰 가정에 기반하고 있으며, 대기업이 신뢰를 보증하고 악용하지 않는다는 가정이 있습니다.

하지만 분산화 과정에서는 신뢰 보증이 없기 때문에 모든 참여자의 협력이 공정하고 효과적인지를 검증하는 것이 어려운 점입니다. 이것이 바로 FHE가 발휘할 수 있는 지점입니다.

예를 들어

• AI 모델이 훈련할 때, 최상의 훈련 결과를 선택하기 위해 익명 투표를 통해 결과를 도출하여 OpenAI와 같은 가정을 제거합니다.

• AI 서비스가 사용되기 전에 기존 서비스를 순위 매길 때, 익명 평가를 통해 각 서비스의 서비스 품질을 결정하여 AI AppStore와 같은 신뢰 가정을 제거합니다.

• AI 모델이 지속적으로 조정 및 반복해야 할 때, 무작위 샘플링을 통해 신뢰할 수 있는 평가를 완료하여 평가 기관에 대한 신뢰 가정을 제거합니다.

FHE의 참여는 AI가 제로 신뢰를 실현할 수 있게 하며, ZK가 여전히 오프체인 집합의 신뢰 가정을 필요로 하는 점을 보완합니다.

AI의 예시는 더 많으며, 이러한 제로 신뢰는 AI 에이전트와 다중 에이전트가 더 나은 스마트 연결을 실현하고, 건전한 거버넌스를 이루는 데 기여할 수 있습니다.

동시에, FHE의 독특한 암호문 계산 특성은 두 가지 다른 문제인 데이터 프라이버시와 데이터 소유권을 실현할 수 있습니다:

• 우리의 데이터는 누가 볼 수 있습니까? = 데이터 프라이버시

• AI가 우리의 데이터는 누구의 것입니까? = 데이터 소유권

FHE는 데이터가 항상 사용자 측에서 암호화되어 있으며, 사용자 외부에서는 암호문 형태로만 존재하도록 할 수 있습니다.

현재까지 FHE 외에는 데이터가 저장 및 전송 중에만 암호화될 수 있지만, 계산이 포함되면 암호문을 복호화하여 명문으로 변환해야 하며, 이는 사용자가 데이터 소유권을 잃게 만듭니다. 현실 세계에는 이러한 예가 많습니다. 사용자의 명문 데이터가 다른 사람에게 복사되면, 다른 사람은 이를 여러 번 복사할 수 있으며, 다른 사람들이 사용하고 있는지 여부를 사용자는 전혀 알 수 없고, 데이터 사용자의 자가 선언과 제3자 감독에만 의존해야 합니다. FHE는 사용자의 암호문 데이터가 복사된 경우에도 복호화할 때 명문 데이터를 볼 필요가 있을 때 사용자 동의를 요구합니다. 그러면 사용자는 데이터의 동태를 언제든지 인지할 수 있으며, 데이터는 사용 가능하고 거래 가능하지만 볼 수 없는 상태를 실현하여 데이터 프라이버시를 보호하고 데이터 소유권을 진정으로 보호합니다.

이러한 특성은 AI + Web3에서 절실히 필요하며, 모두가 공개적인 방식으로 스테이킹할 수 있도록 하면서도 암호화된 방식으로 합의를 이룰 수 있게 하여 악용과 낭비를 방지할 수 있습니다.

AI의 다음 큰 사건

여기서 AI와 Web3의 결합은 필연적이며, FHE는 AI에 있어 Apple의 【다음 큰 사건】과 같습니다.

최근 IO.NET과 Mind Network는 심층 협력을 발표하며 인공지능의 안전성과 효율성을 강화하기 위한 솔루션을 공동 창출하고 있습니다. IO.NET은 Mind Network의 전동태 암호 솔루션을 분산형 컴퓨팅 플랫폼에 도입하여 제품의 안전성을 강화하는 데 도움을 주고 있습니다.

협력에 대한 자세한 내용은 다음을 참조하십시오: Mind Network와 io.net의 고급 AI 보안 및 효율성을 위한 파트너십

IO.NET은 분산형 컴퓨팅을 통해 AI와 FHE의 결합을 위한 좋은 출발을 하고 있습니다.

IO.NET을 예로 들면, 사용자가 컴퓨팅 파워를 제공하고 AI 개발자가 이를 임대합니다.

개발자가 AI 프로젝트에 참여하여 요구 사항을 제시하면, 시스템이 이를 분할하여 사용자가 제공한 컴퓨팅 파워로 계산합니다.

이때 몇 가지 문제가 발생합니다. 누구의 컴퓨팅 파워를 임대할 것인가? 계산된 결과가 정확한가? 임대하는 과정에서 양측의 프라이버시가 유출되는가?

1. 누구의 컴퓨팅 파워를 임대할 것인가?

정상적인 경우, 어떤 노드를 선택할지는 테스트 작업을 통해 결정되며, 정기적으로 요구 사항을 게시하여 어떤 노드가 온라인인지 확인합니다.

이 과정에서 관련 노드가 특정 조작을 하여 우선권을 얻는 경우가 발생할 수 있으며, 이는 MEV 공격과 유사합니다.

이에 대해 Mind는 FHE를 통해 공정한 분배 메커니즘을 제공합니다. 요청과 데이터가 모두 암호화되어 있기 때문에 노드는 이를 기반으로 유리한 선택을 할 수 없습니다.

2. 계산된 결과가 정확한가?

분산형 컴퓨팅에서 계산 결과의 정확성을 보장하기 위해서는 일정한 합의가 필요하며, 즉 투표가 필요합니다.

노드가 서로의 선택 결과를 알게 되면, 동조 투표가 발생하여 결과가 불공정해질 수 있습니다.

FHE 암호화 계산에서는 노드 간 투표 결과가 서로 암호화되지만, 여전히 최종 계산에 참여할 수 있어 결과의 공정성을 보장합니다.

3. 임대하는 과정에서 양측의 프라이버시가 유출되는가?

FHE의 핵심은 데이터 안전성으로, 계산 시 암호화되고, 계산할 문제도 암호화되므로 자연스럽게 프라이버시 유출이 발생하지 않습니다.

재질 보증의 관점에서 보면:

IO.NET 자체는 PoS 네트워크로 볼 수 있으며, 노드는 IO 토큰을 스테이킹해야만 컴퓨팅 기여로 IO 보상을 받을 수 있습니다.

그렇다면 발생할 수 있는 문제는 스테이킹된 토큰의 가격 변동이 너무 커서 검증자와 네트워크 안전성에 영향을 미칠 수 있습니다.

Mind의 해결책은 Dual Staking(이중 스테이킹) 또는 삼중 스테이킹입니다.

스테이킹은 BTC/ETH의 유동적 스테이킹 토큰과 블루칩 AI 네트워크 토큰을 지원하여 위험을 분산시키고 네트워크의 전반적인 안전성을 증가시키며, 본질적으로 Restaking의 공유 안전성의 진화판입니다.

동시에 Mind는 Remote Staking도 지원하며, LST/LRT 자산에 대해 실제로 크로스 체인을 수행할 필요 없이 자산의 안전성을 보장합니다.

최근 Mind는 Glaxe 테스트넷 작업을 종료했으며, 65만 명 이상의 활성 사용자가 참여하여 320만 건의 테스트넷 거래 데이터를 생성했습니다.

공식적인 소식에 따르면, Mind의 정식 네트워크 프로토콜도 곧 출시될 예정이며, 주목할 필요가 있습니다.

요약

전반적으로 우리는 Mind가 FHE와 AI에 대해 이야기하고 있지만, 핵심 키워드는 "안전"이라는 것을 발견했습니다. 암호학을 통해 다양한 핵심 안전 문제를 해결하고 있습니다.

Restaking은 토큰 경제 안전; Remote Staking은 자산 안전; FHE는 데이터 안전; AI+FHE는 합의 안전입니다.

블록체인의 대저택은 암호학에 기반하고 있으며, 아마도 암호학에서 미래의 답을 찾을 수 있을 것입니다.

AI 네트워크 외에도 Mind Network는 분산 저장, EigenLayer AVS 네트워크, Bittensor 서브넷, 크로스 체인 브릿지 등 여러 방향으로 솔루션의 적용 범위를 확대하고 있으며, FHE의 거대한 잠재력을 보여주고 있습니다.

2024년 Web3에서 암호학 분야가 ZK로 시작되었다면, FHE는 하반기의 주제가 될 것입니다. 동시에 AI의 열기는 여전히 높으며, AI+FHE+Restaking의 삼중 서사와 이더리움 재단 및 바이낸스의 투자로 인해 Mind가 FHE의 선두주자가 될 수 있을지, 메인넷의 출시와 함께 곧 밝혀질 것입니다.