作者：十四君
1.引言
近日，一个由Privasea发起的人脸NFT铸造项目异常火爆！乍一看很简单，在项目中用户可以在IMHUMAN（我是人类）移动应用上录入自己的人脸，并把自己的人脸数据铸造为一枚NFT，就仅仅是这人脸数据上链+ NFT的组合使得该项目在4月底上线以来获得了超过20W+的NFT的铸造量，热度可见一斑。我也很疑惑了，为什么呢？人脸数据有多大也能上链吗？我的人脸信息会被盗用吗？Privasea又是干啥的？等等，让我们继续对项目本身及项目方 Privasea 进行了研究，一探究竟。关键词：NFT、AI、FHE（全同态加密）、DePIN2、从Web2到Web3-人机对抗从未停止
首先，我们解读一下人脸NFT铸造这个项目本身的目的，如果你觉得这个项目就是单纯的把人脸数据铸造成NFT那就大错特错了。上文我们提到的这个项目的App名称IMHUMAN（我是人类）已经很好的说明了这个问题：事实上，该项目旨在通过人脸识别来判断屏幕前的你是否是真人。根据Akamai提供的2024Q1报告（见附录）显示，Bot（一种自动化程序，可以模拟人发送HTTP请求等操作）惊人的占据了互联网流量的42.1%，其中恶意流量占据了整个互联网流量的27.5%。恶意的Bot可能会对中心化的服务商带来延迟响应甚至是宕机等灾难性的后果，影响到真实用户的使用体验。
我们以抢票场景为例，作弊者通过新建多个虚拟账号进行抢票操作，便可大幅提高抢票成功的概率，更有甚者直接把自动化程序部署在服务商的机房旁边，实现几乎0延时的购票。
普通用户面对这些高科技用户几乎是毫无胜算可言。
サービス プロバイダーもこの点でいくつかの努力を行っています。 Web2 シナリオでは、人間とマシンを区別するために、実名認証、動作検証コード、およびその他の方法が導入されています。傍受は WAF ポリシーやその他の手段を通じて実行されます。
この問題は解決できますか？
もちろんそうではありません。不正行為によるメリットは大きいからです。
同時に、人間とマシンの対立は絶えず、チーターとテスターの両方が常に武器をアップグレードしています。
近年の AI の急速な発展を利用して、AI は人間よりも高速かつ正確な認識機能を備えています。これにより、検証者は受動的にアップグレードする必要があり、初期のユーザー行動特徴検出 (画像検証コード) から生体特徴検出 (知覚検証: クライアント環境の監視、デバイスの指紋など) に徐々に移行します。一部の高リスク操作にはアップグレードが必要な場合があります。生物学的特徴の検出（指紋、顔認識）まで。
Web3 では、人間と機械の検出も強い需要です。
一部のプロジェクトのエアドロップでは、詐欺師が複数の偽のアカウントを作成して魔女攻撃を開始する可能性があります。現時点では、本物の人物を特定する必要があります。
Web3 の財務特性により、アカウントへのログイン、通貨の引き出し、取引、送金などの一部の高リスク操作では、ユーザーを確認する必要があるのは本人であるだけでなく、アカウント所有者であるため、顔認証は 2 つの選択が不可欠になります。
需要は確かですが、問題はそれをどのように実現するかです。 ご存知のとおり、Web3 の本来の目的は分散化です。Web3 で顔認識を実装する方法を議論するとき、より深い問題は実際には Web3 を AI シナリオにどのように適応させるべきかです。分散型機械学習コンピューティング ネットワークを構築しますか?
- ユーザーデータのプライバシーが漏洩しないようにするにはどうすればよいですか?
- ネットワークの運用などを維持するにはどうすればよいですか？
- 3. Privasea AI ネットワーク - プライベート コンピューティング + AI の探求 前の章の最後で述べた問題に関して、Privasea は画期的な解決策を提供しました:
Privasea は FHE (完全準同型暗号化) に基づいています。 ) は、Web3 上の AI シナリオのプライバシー コンピューティングの問題を解決するために Privasea AI NetWork を構築しました。
FHE は、平たく言えば、平文と暗号文に対して同じ操作を行った後に同じ結果を保証する暗号化技術です。 Privasea は、従来の THE を最適化およびカプセル化し、アプリケーション層、最適化層、演算層、および元の層に分割し、機械学習シナリオに適応させるための HESea ライブラリを形成しました。各層の機能は次のとおりです。
Privasea は、階層構造を通じて、各ユーザーの固有のニーズを満たす、より具体的でカスタマイズされたソリューションを提供します。 
Privasea の最適化されたパッケージングは、主にアプリケーション層と最適化層に焦点を当てており、他の準同型ライブラリの基本ソリューションと比較して、これらのカスタマイズされた計算は 1000 倍以上の高速化を実現します。
3.1 Privasea AI NetWork のネットワーク アーキテクチャPrivasea AI NetWork のアーキテクチャを見る:
そのネットワークには、データ所有者、Privanetix ノード、復号者、結果の合計 4 つの役割があります。受信機。
- : Privasea API を通じてタスクとデータを安全に送信するために使用されます。
Privanetix 节点：是整个网络的核心，配备了先进的 HESea 库并集成了基于区块链的激励机制，可执行安全高效的计算，同时保护底层数据的隐私并确保计算的完整性和机密性。
解密器：通过 Privasea API 获取到解密后的结果，对结果进行验证。
结果接受者：任务结果将返回给数据所有者及任务下发者指定的人。
3.2 Privasea AI NetWork 的核心工作流
以下是 Privasea AI NetWork 的一般工作流程图：
STEP 1：用户注册：数据所有者通过提供必要的身份验证和授权凭证在隐私 AI 网络上启动注册流程。此步骤可确保只有授权用户才能访问系统并参与网络活动。
STEP 2：任务提交：提交计算任务及输入数据，数据是由HEsea库加密后的数据，同时数据所有者还指定可以访问最终结果的授权解密者和结果接收者。
STEP 3：任务分配：部署在网络上的基于区块链的智能合约根据可用性和能力将计算任务分配给合适的 Privanetix 节点。这种动态分配过程可确保高效的资源分配和计算任务的分配。
STEP 4：加密计算：指定的 Privanetix 节点接收加密数据并利用 HESea 库进行计算。这些计算无需解密敏感数据即可执行，从而保持了其机密性。为了进一步验证计算的完整性，Privanetix 节点为这些步骤生成零知识证明。
5단계: 키 전환 : 계산을 완료한 후 지정된 Privanetix 노드는 키 전환 기술을 사용하여 최종 결과가 승인되고 지정된 암호 해독기에서만 액세스할 수 있도록 합니다.
STEP 6: 결과 검증: 계산이 완료된 후 Privanetix 노드는 암호화된 결과와 해당 영지식 증명을 향후 블록체인 기반 스마트 계약으로 다시 전송합니다. 확인.励7단계: 인센티브 메커니즘
8단계: 결과 검색: Decryrator는 Privasea API를 사용하여 암호화 결과에 액세스합니다. 최우선 순위는 계산의 무결성을 확인하여 Privanetix 노드가 데이터 소유자가 의도한 대로 계산을 수행했는지 확인하는 것입니다.
STEP 9: 결과 전달 : 데이터 소유자가 미리 결정한 지정된 결과 수신자와 해독된 결과를 공유합니다.
Privasea AI NetWork의 핵심 워크플로에는 개방형 API가 사용자에게 노출되어 있어 사용자는 네트워크 자체 내의 복잡한 동작을 이해할 필요 없이 입력 매개변수와 해당 결과에만 주의를 기울일 수 있습니다. 정신적 부담이 너무 클 것 같아요. 동시에, 엔드투엔드 암호화는 데이터 처리에 영향을 주지 않고 데이터 자체가 유출되는 것을 방지합니다. Privaseaは最近、PoWとPoSの二重メカニズムを通じてWorkHeart NFTとStarFuel NFTを開始しましたノードの管理と報酬ハンド出ました。 WorkHeart NFTを購入すると、ネットワークコンピューティングに参加し、PoWメカニズムに基づいてトークン収入を得るPrivanetixノードになる資格が得られます。 StarFuel NFT はノード ゲイナー (5000 に制限) であり、PoS と同様に WorkHeart と組み合わせることができ、それに誓約されたトークンが多いほど、WorkHeart ノードの利益乗数が大きくなります。 それでは、なぜ PoW と PoS なのでしょうか? PoW の本質は、ノードの悪影響率を削減し、運用の時間コストを通じてネットワークの安定性を維持することです。 BTC の乱数検証における多数の無効な計算とは異なり、このプライバシー コンピューティング ネットワーク ノードの実際の作業出力 (操作) は、ワークロード メカニズムに直接リンクすることができ、当然 PoW に適しています。 そして、PoS により、経済リソースのバランスが取りやすくなります。 このように、WorkHeart NFTはPoWメカニズムを通じて収入を得るのに対し、StarFuel NFTはPoSメカニズムを通じて収入倍率を高め、多層かつ多様なインセンティブメカニズムを形成し、ユーザーが自身のリソースに基づいて適切な参加方法を選択できるようにします。そして戦略。 2 つのメカニズムを組み合わせることで、収益分配構造を最適化し、ネットワーク内のコンピューティング リソースと経済的リソースの重要性のバランスを取ることができます。 3.3 概要Privatosea AI NetWork が FHE に基づいて
暗号化バージョンの機械学習システムを構築したことがわかります。 FHE プライバシー コンピューティングの特性により、コンピューティング タスクは分散環境内のさまざまなコンピューティング ノード (Privanetix) に委託され、結果の妥当性は ZKP を通じて検証され、PoW と PoS の二重メカニズムを使用してコンピューティング結果が提供されます。ノードはネットワークの運用を維持するために報酬を与えたり罰を与えたりします。 Privasea AI Network の設計は、さまざまな分野でプライバシーを保護する AI アプリケーションへの道を切り開いていると言えます。4. FHE 동형암호 - 암호화의 새로운 성배?
우리는 마지막 장에서 Privatosea AI NetWork의 보안이 기본 FHE에 달려 있음을 볼 수 있습니다. FHE 트랙의 리더인 ZAMA의 지속적인 기술 혁신으로 FHE는 투자자들로부터 새로운 비밀번호를 부여받기도 했습니다. 성배(Holy Grail)라는 제목을 가지고 ZKP 및 관련 솔루션과 비교해 보겠습니다. 
비교해보면 ZKP와 FHE의 적용 가능한 시나리오는 상당히 다르다는 것을 알 수 있습니다. FHE는 개인 정보 보호 계산에 중점을 두는 반면 ZKP는 개인 정보 확인에 중점을 둡니다. 그리고 SMC는 FHE와 더 많이 겹치는 것 같습니다. SMC의 개념은 함께 작동하는 개별 컴퓨터의 데이터 개인 정보 보호 문제를 해결하는 보안 공동 컴퓨팅입니다. 5. FHE의 한계
FHE는 데이터 처리 권한과 데이터 소유권을 분리하여 계산에 영향을 주지 않고 데이터 유출을 방지합니다. 그러나 동시에 컴퓨팅 속도도 희생됩니다. 암호화는 양날의 검과 같습니다. 보안을 향상시키는 동시에 컴퓨팅 속도를 크게 저하시킵니다. 최근 몇 년간 알고리즘 최적화를 기반으로 한 FHE 성능 개선 솔루션과 하드웨어 가속을 기반으로 한 다양한 FHE 성능 개선 솔루션이 제안되었습니다.
- 알고리즘 최적화 측면에서 CKKS 및 최적화된 부트스트랩 방법과 같은 새로운 FHE 솔루션은 소음 증가와 계산 오버헤드를 크게 줄입니다.
- 하드웨어 가속 측면에서 맞춤형 GPU, FPGA 및 기타 하드웨어는 다항식 연산의 성능이 크게 향상되었습니다.
또한 부분 동형 암호화(PHE)와 검색 암호화(SE)를 결합하면 특정 시나리오에서 효율성을 향상시킬 수 있는 하이브리드 암호화 방식의 적용도 모색되고 있습니다. 이에도 불구하고 FHE는 여전히 일반 텍스트 계산과 성능 면에서 큰 격차를 보입니다. 6. 요약
Privasea는 고유한 아키텍처와 상대적으로 효율적인 개인 정보 보호 컴퓨팅 기술을 통해 사용자에게 매우 안전한 데이터 처리 환경을 제공할 뿐만 아니라 Web3와 AI의 심층 통합에 대한 새로운 장을 엽니다. 하단에 의존하는 FHE는 자연스러운 컴퓨팅 속도 단점을 가지고 있지만 Privasea는 최근 ZAMA와 협력하여 개인 정보 보호 컴퓨팅 문제를 공동으로 해결했습니다. 앞으로 Privasea는 지속적인 기술 혁신을 통해 더 많은 분야에서 잠재력을 발휘하고 프라이버시 컴퓨팅 및 AI 애플리케이션의 탐험가가 될 것으로 예상됩니다.
以上是深入解读 Privasea，人脸数据铸造 NFT 还能这样玩儿？的详细内容。更多信息请关注PHP中文网其他相关文章！
