Vom "Heiligen Gral" zum Grundstein: Wie FHE das Web3-Privatsphäre-Computing-Ökosystem neu gestaltet?

Ich habe in mehreren Artikeln bereits erwähnt, dass AI-Agenten die “Erlösung” für viele alte Narrative in der Crypto-Branche sein werden. In der letzten Welle der narrativen Entwicklung rund um die Autonomie von KI wurde TEE zeitweise in den Mittelpunkt gerückt, jedoch gibt es ein noch “unbekannteres” technisches Konzept als TEE und sogar ZKP: FHE - vollständig homomorphe Verschlüsselung, das ebenfalls durch die AI-Branche eine “Wiedergeburt” erfahren wird. Im Folgenden werde ich die Logik anhand von Beispielen erläutern:

FHE ist eine kryptografische Technik, die es ermöglicht, direkt auf verschlüsselten Daten zu rechnen, und wird als “Heiliger Gral” angesehen. Im Vergleich zu beliebten Techniken wie ZKP und TEE ist sie relativ unbekannt, wobei die Hauptprobleme in den Kosten und den Anwendungsbereichen liegen.

Mind Network konzentriert sich auf die Infrastruktur von FHE und hat die auf AI-Agenten fokussierte FHE Chain - MindChain - eingeführt. Obwohl es über zehn Millionen Dollar an Finanzierungen erhalten hat und mehrere Jahre an technologischer Entwicklung gearbeitet hat, bleibt das Marktinteresse aufgrund der Einschränkungen von FHE weiterhin unterschätzt.

Allerdings hat Mind Network kürzlich eine Reihe von positiven Nachrichten rund um die Anwendungsfälle von KI veröffentlicht, zum Beispiel wurde das von ihnen entwickelte FHE Rust SDK in das Open-Source-Modell DeepSeek integriert und ist zu einem entscheidenden Bestandteil im KI-Trainingsszenario geworden, wodurch eine sichere Grundlage für die Umsetzung von vertrauenswürdiger KI geschaffen wird. Warum kann FHE im Bereich der KI-Datenschutzberechnungen eine Rolle spielen? Kann es durch die Erzählung des KI-Agenten zu einem Umstieg oder einer Rettung kommen?

Einfach gesagt: FHE vollständig homomorphe Verschlüsselung ist eine kryptografische Technik, die direkt auf der aktuellen Public-Chain-Architektur angewendet werden kann und es ermöglicht, beliebige Berechnungen wie Addition und Multiplikation direkt auf verschlüsselten Daten durchzuführen, ohne die Daten zuvor entschlüsseln zu müssen.

Mit anderen Worten ermöglicht die Anwendung der FHE-Technologie, dass Daten von der Eingabe bis zur Ausgabe vollständig verschlüsselt werden, selbst die Knoten, die zur Validierung den Konsens der öffentlichen Blockchain aufrechterhalten, können nicht auf die Klartextinformationen zugreifen. Dadurch kann FHE in vertikalen Nischenbereichen wie Gesundheitswesen und Finanzen eine technologische Grundlage für das Training einiger KI-LLMs bieten.

FHE kann eine “optimale” Lösung werden, um traditionelle KI-Großmodelle in umfangreichen, erweiterten vertikalen Szenarien zu trainieren und mit der verteilten Architektur der Blockchain zu kombinieren. Ob es sich um die interinstitutionelle Zusammenarbeit von Gesundheitsdaten oder um die datenschutzgerechte Analyse von Finanztransaktionen handelt, FHE kann aufgrund seiner Besonderheiten eine ergänzende Wahl sein.

Das ist eigentlich nicht abstrakt, es wird klar mit einem einfachen Beispiel: Zum Beispiel, der AI-Agent als Anwendung für Endkunden hat normalerweise im Hintergrund verschiedene Anbieter wie DeepSeek, Claude, OpenAI, die große AI-Modelle bereitstellen. Aber wie kann man sicherstellen, dass im Falle von hochsensiblen finanziellen Anwendungsszenarien der Ausführungsprozess des AI-Agenten nicht plötzlich von einem großen Modell im Hintergrund, das die Regeln ändert, beeinflusst wird? Das erfordert notwendigerweise, dass der eingegebene Prompt verschlüsselt wird, sodass, wenn die LLM-Anbieter direkt mit dem chiffrierten Text rechnen, keine erzwungenen Eingriffe vorgenommen werden können, die die Fairness beeinflussen.

Was ist also das Konzept der “vertrauenswürdigen KI”? Vertrauenswürdige KI ist eine Vision für eine dezentralisierte KI, die von Mind Network angestrebt wird und vollständig homomorphe Verschlüsselung (FHE) nutzt. Sie ermöglicht es mehreren Parteien, durch verteilte Rechenleistung (GPU) effizientes Modelltraining und -inferenz durchzuführen, ohne auf zentrale Server angewiesen zu sein, und bietet KI-Agenten unter anderem Konsensvalidierung auf Basis von FHE. Dieses Design beseitigt die Einschränkungen der ursprünglich zentralisierten KI und bietet sowohl Datenschutz als auch Autonomie für den Betrieb von Web3-KI-Agenten in einer dezentralen Architektur.

Das passt besser zur narrativen Richtung der Mind Network selbst verteilten Blockchain-Architektur. Zum Beispiel kann FHE im speziellen Chain-Transaktionsprozess den Datenschutz der privaten Schlussfolgerungen und Ausführungsprozesse der Oracle-Daten aller Parteien schützen, wodurch es dem KI-Agenten ermöglicht wird, autonome Entscheidungen im Handel zu treffen, ohne Positionen oder Strategien offenlegen zu müssen usw.

Warum wird gesagt, dass FHE einen ähnlichen Branchenpenetrationsweg wie TEE haben wird und direkt durch den Ausbruch von KI-Anwendungsszenarien Chancen bringen wird?

Die Möglichkeit für TEE, die Chance der AI-Agenten zu nutzen, beruht darauf, dass die TEE-Hardware-Umgebung die Daten in einem privaten Zustand verwalten kann, wodurch der AI-Agent in der Lage ist, private Schlüssel selbst zu verwalten und so ein neues narratives Konzept zur autonomen Verwaltung von Vermögenswerten zu erreichen. Allerdings gibt es einen entscheidenden Nachteil bei der Verwaltung privater Schlüssel durch TEE: Das Vertrauen muss auf einen Drittanbieter von Hardware (zum Beispiel: Intel) gestützt werden. Damit TEE effektiv funktioniert, ist ein verteiltes, kettenbasiertes Architekturmodell erforderlich, um der TEE-Umgebung eine zusätzliche, transparente “Konsens”-Einschränkung hinzuzufügen. Im Vergleich dazu kann PHE vollständig auf einer dezentralen, kettenbasierten Architektur basieren, ohne auf Dritte angewiesen zu sein.

FHE und TEE haben eine ähnliche ökologische Nische. Auch wenn TEE im Web3-Ökosystem noch nicht weit verbreitet ist, ist es im Web2-Bereich bereits eine sehr ausgereifte Technologie. Im Vergleich dazu wird FHE ebenfalls allmählich unter dem aktuellen AI-Trend sowohl im Web2 als auch im Web3 seinen Wert finden.

Das ist alles.

Zusammenfassend lässt sich sagen, dass die FHE-Technologie, die als das heilige Graal der Verschlüsselung gilt, unter der Voraussetzung, dass KI die Zukunft prägt, zweifellos zu einem der Sicherheitsgrundpfeiler werden wird und eine erhöhte Wahrscheinlichkeit für eine breitere Akzeptanz besteht.

Natürlich muss jedoch auch das Kostenproblem des Aufwands von FHE bei der Implementierung des Algorithmus nicht ignoriert werden. Wenn es im Web2-AI-Szenario angewendet werden kann und dann mit dem Web3-AI-Szenario verknüpft wird, wird es sicherlich unerwartete “Skaleneffekte” freisetzen, die die Gesamtkosten senken und eine breitere Anwendung ermöglichen.