Informe de investigación de MT Capital: ¿Privasea llevará la encriptación completamente homomórfica a la adopción masiva?

Autor: Xinwei, MT Capital

MT Capital siempre se ha dedicado a invertir en empresas innovadoras con un potencial tecnológico disruptivo. Creemos que la combinación de encriptación completamente homomórfica (FHE) y la red descentralizada de infraestructura física de IA (DePIN) es una pista importante para el futuro. La tecnología FHE puede realizar cálculos manteniendo los datos en estado encriptado, asegurando la privacidad y seguridad de todo el proceso de procesamiento de datos. La combinación de IA y DePIN no solo puede utilizar eficientemente los recursos de cálculo externos, sino que también puede realizar tareas complejas de análisis de datos y aprendizaje automático sin preocupaciones sobre la filtración de datos. La posición líder de Privasea en este campo y su ventaja tecnológica se alinean estrechamente con la estrategia de inversión de MT Capital. Creemos que al apoyar a Privasea, impulsaremos el desarrollo de la pista FHE AI DePIN, promoviendo la seguridad y el desarrollo sostenible de la economía digital global.

1. ¿Qué es el cifrado completamente homomórfico (FHE)?

La encriptación completamente homomórfica (Fully Homomorphic Encryption, abreviado FHE) es una técnica de encriptación que permite realizar operaciones aritméticas o lógicas directamente en el texto cifrado, manteniendo al mismo tiempo el estado de encriptación de los datos. Esto significa que se pueden realizar operaciones complejas en los datos encriptados sin necesidad de descifrarlos en texto sin formato, lo cual tiene un significado revolucionario en términos de mantener la privacidad y seguridad de los datos.

En escenarios tradicionales de procesamiento de datos, para realizar cálculos, es necesario descifrar los datos primero, lo que expone información sensible y aumenta el riesgo de robo o uso indebido de los datos. La aplicación de la tecnología FHE cambia completamente esto. Con FHE, los datos encriptados se pueden introducir directamente en el proceso de cálculo, y los resultados del cálculo permanecen en forma encriptada hasta que sea necesario ver los resultados, momento en el cual se realiza el descifrado. Esta característica es crucial para industrias que manejan datos sensibles, como las finanzas, la atención médica y los organismos gubernamentales.

FHE también hace posible subcontratar el procesamiento de datos sin sacrificar la confidencialidad de los datos. Las empresas pueden enviar datos encriptados a proveedores de servicios de terceros para realizar tareas complejas de análisis de datos o de aprendizaje automático, sin preocuparse por la filtración de datos, ya que los proveedores de servicios no pueden ver los datos originales en todo el proceso.

2. Privasea: la primera red AI+DePIN que utiliza FHE

Privasea utiliza la tecnología FHE para proporcionar privacidad y seguridad de datos, utilizando inteligencia artificial y una arquitectura de red distribuida, permitiendo realizar procesamiento y análisis de datos complejos mientras se mantiene completamente encriptados. Esto significa que los usuarios pueden realizar aprendizaje automático y otros cálculos avanzados sin exponer los datos originales, lo cual no es posible en la computación en la nube tradicional, revolucionando el cálculo de privacidad.

La plataforma Privasea utiliza varios esquemas avanzados de FHE, como TFHE y CKKS, que proporcionan una alta protección de la privacidad de los datos al tiempo que garantizan la precisión y eficiencia del cálculo. El esquema TFHE admite operaciones rápidas de bits en un solo ciclo de instrucción, mientras que el esquema CKKS optimiza la capacidad de procesar números de punto flotante, lo que permite a Privasea admitir eficazmente diversas aplicaciones de investigación científica y comercial, como el análisis financiero, el procesamiento de datos médicos y las tareas de aprendizaje automático.

Además, Privasea ha implementado una red informática distribuida altamente escalable llamada Privanetix. Esta red está compuesta por múltiples nodos de cómputo, cada uno de los cuales puede realizar operaciones de FHE y proporcionar los recursos computacionales necesarios. Esta arquitectura distribuida no solo mejora la capacidad de procesamiento de la plataforma, sino que también aumenta la redundancia y tolerancia a fallos del sistema, garantizando así una alta disponibilidad y confiabilidad del servicio. Esta integración de IA y red distribuida permite a Privasea manejar tareas avanzadas de IA como aprendizaje profundo, reconocimiento de patrones y aprendizaje automático, las cuales generalmente requieren una gran potencia computacional y una alta protección de datos. Por ejemplo, los usuarios de la industria de la salud pueden utilizar Privasea de manera segura para analizar datos sensibles de los pacientes, realizar predicciones de enfermedades y optimizar planes de tratamiento sin preocuparse por violar las regulaciones de protección de datos.

Privasea también ofrece un conjunto único de contratos inteligentes que permite a los usuarios gestionar y automatizar procesos de procesamiento de datos, incluida la validación de datos, la salida de resultados y la asignación y recompensa de tareas de cálculo, manteniendo los datos encriptados. Estos contratos inteligentes se ejecutan en un libro mayor distribuido, lo que no solo garantiza la transparencia y la trazabilidad del proceso, sino que también automatiza la distribución de incentivos según los recursos de cálculo proporcionados por los nodos. Este mecanismo de incentivos basado en la cadena de bloques mejora aún más la participación y la eficiencia computacional de la red, ya que cada nodo tiene el incentivo para ofrecer servicios confiables. Esto convierte a Privasea en un ecosistema completo de datos encriptados, no solo una plataforma de encriptación y procesamiento de datos.

A través de la API de Privasea, los desarrolladores pueden integrar fácilmente este sistema complejo y aprovechar sus potentes funciones para desarrollar e implementar sus propias aplicaciones de inteligencia artificial. Estas aplicaciones pueden utilizar redes distribuidas para distribuir la carga de cálculo, al tiempo que garantizan la integridad y seguridad de los datos, lo cual es especialmente importante para las aplicaciones de blockchain que necesitan procesar grandes cantidades de datos sensibles.

3. La colaboración con Solana muestra el potencial de la adopción masiva

Privasea utiliza la tecnología FHE y ha lanzado la aplicación ImHuman, lo que demuestra no solo la aplicación de FHE en la lucha contra los ataques Sybil, sino también el potencial de adopción masiva en el campo de la encriptación. Los ataques Sybil son una gran amenaza en las redes descentralizadas, especialmente en el ámbito de las Airdrops, donde los atacantes manipulan la red o obtienen una ventaja injusta mediante la creación de múltiples identidades falsas. La aplicación ImHuman combate eficazmente este tipo de ataques de manera segura y protegiendo la privacidad.

El plan Privasea desplegará su tecnología en la red Solana, convirtiéndose en la primera aplicación Proof of Human en Solana. La alta eficiencia y baja latencia de Solana lo convierten en una plataforma blockchain ideal para respaldar las necesidades de tecnología FHE y computación de IA de Privasea. Este despliegue no solo fortalecerá la seguridad del ecosistema de Solana, sino que también demostrará el potencial de FHE en aplicaciones Web3. Al ejecutarse en Solana, la aplicación ImHuman de Privasea podrá verificar la identidad de los usuarios de manera más amplia, garantizando la seguridad y confiabilidad de la red, al mismo tiempo que protege la privacidad de los usuarios.

El principio de funcionamiento de la aplicación ImHuman es utilizar los datos de características biológicas del usuario para crear una identidad digital única. En primer lugar, el usuario necesita escanear su vector facial a través de la cámara frontal de la aplicación, lo que se completa completamente en el dispositivo del usuario para garantizar que los datos sensibles no se filtren. Luego, estos datos se cifran y se convierten en un NFT que representa un vector de características biológicas encriptado para el usuario. Esto aprovecha las características de FHE, es decir, realizar cálculos complejos sin descifrar los datos, lo que garantiza la seguridad y privacidad de los datos.

En la verificación de la identidad del usuario, la aplicación ImHuman escanea nuevamente las características faciales del usuario y compara los nuevos datos recopilados con los datos encriptados almacenados en el bloquear. Este proceso también utiliza la tecnología FHE para garantizar que los datos no se descifren durante el proceso de verificación, evitando efectivamente el riesgo de filtración de datos. Además, debido a que los NFT de cada usuario se generan en función de sus características biológicas únicas, es difícil de duplicar o falsificar, lo que aumenta considerablemente la dificultad de llevar a cabo un ataque Sybil.

A través de la aplicación ImHuman, Privasea no solo proporciona una poderosa herramienta para mejorar la seguridad de las redes descentralizadas, sino que también demuestra la viabilidad de la tecnología de encriptación completamente homomórfica en aplicaciones del mundo real. Este método de autenticación basado en rasgos biológicos y FHE proporciona una solución segura y privada para las redes descentralizadas, lo que hace que ImHuman de Privasea sea la primera aplicación con potencial de adopción masiva en el campo de FHE. Además, al recompensar a los participantes con airdrops, ImHuman también puede motivar a los usuarios a participar y seguir utilizando, lo que promueve aún más su amplia aplicación. Esta solución innovadora proporciona una nueva estrategia para defenderse de los ataques Sybil.

4. Comparación entre Privasea y el esquema existente Proof of Human

En el actual esquema de Proof of Human, tanto Worldcoin como Human Protocol enfrentan riesgos de cumplimiento y problemas de privacidad. Tomando como ejemplo a Worldcoin, los resultados de la reciente investigación realizada por la Oficina del Comisionado de Privacidad de Hong Kong indican que las operaciones de Worldcoin en Hong Kong violan la Ordenanza de Privacidad. La investigación reveló que las personas que participan en el proyecto de Worldcoin necesitan escanear el iris para recopilar imágenes faciales y de iris para verificar la identidad humana, lo cual implica riesgos significativos para la privacidad de los datos personales. Por lo tanto, el Comisionado de Privacidad de Hong Kong ha exigido a Worldcoin que cese la recopilación de imágenes de iris y faciales de los ciudadanos en Hong Kong.

Human Protocol verifica mediante la recopilación de datos de respuesta de tareas de los usuarios, datos de interacción, información del dispositivo y navegador, ubicación geográfica y datos de comportamiento del usuario. Aunque estos datos se anonimizan y se transmiten de forma encriptada antes de su uso, aún implica una recopilación significativa de datos personales, lo que conlleva ciertos riesgos de privacidad y cumplimiento normativo.

En comparación, Privasea pone más énfasis en la protección de la privacidad del usuario en el diseño. La DApp de Privasea, “ImHuman”, utiliza la tecnología FHE para la verificación de la identidad del usuario, sin necesidad de recopilar información sensible como el rostro o la imagen del iris del usuario. El proceso de verificación se realiza completamente en el dispositivo móvil del usuario, y los datos del vector facial se cifran y no se transmiten a ningún servidor. De esta manera, Privasea no solo garantiza la seguridad de la verificación, sino que también protege al máximo la privacidad del usuario, evitando el riesgo de filtración de datos.

Privasea no solo lidera en la protección de la privacidad, sino que también proporciona una potente solución de privacidad y seguridad de datos a través de la integración de tecnologías FHE, DePIN y ZK. Estas tecnologías permiten a Privasea realizar un procesamiento y análisis de datos complejos sin exponer los datos de los usuarios, lo que reduce aún más el riesgo de cumplimiento. Esta capacidad incomparable de protección de la privacidad y seguridad de datos hace que Privasea se destaque en la competencia y se convierta en la solución líder de Proof of Human en la industria.

5.Accseal y Privasea colaboran en el desarrollo de la computación de privacidad

Privasea ha establecido un nuevo estándar en el campo del cálculo de la privacidad con su excelente capacidad tecnológica en FHE, DePIN y ZK. Como pionero en el campo de DePIN de IA, Privasea establece un nuevo punto de referencia para la privacidad y la seguridad de los datos al combinar de manera perfecta la red de cálculo distribuido con medidas de seguridad avanzadas a través de su innovadora solución de aprendizaje automático FHE (FHEML). La DApp “ImHuman” introducida por Privasea utiliza la tecnología FHE para ejecutar de forma segura el “Proof of Humanity” (PoH) al cifrar directamente los datos del vector facial en los dispositivos móviles de los usuarios, sin transmitirlos a través del servidor, lo que mejora en gran medida la protección de la privacidad y la seguridad de los datos de los usuarios.

En este contexto, Privasea ha llegado a una colaboración estratégica con Accseal para fortalecer aún más su ventaja tecnológica. Como líder en aceleración de hardware de cálculo de privacidad, Accseal proporcionará soporte de aceleración de hardware a Privasea para mejorar la eficiencia y el rendimiento de sus operaciones FHE. Ambas partes explorarán conjuntamente la posibilidad de integrar las tecnologías ZK y FHE con el objetivo de mejorar la eficiencia del cálculo de la privacidad y ampliar su ámbito de aplicación.

A través de esta colaboración, Privasea no solo ha demostrado su liderazgo en el campo de FHE, sino que también llevará su proyecto DePIN a nuevas alturas. Accseal desarrollará nuevos productos de aceleración de hardware para brindar soporte de aceleración de cálculos a aplicaciones de nivel superior como Privasea, impulsando aún más el desarrollo de la tecnología de cálculo de privacidad. La colaboración entre ambas partes augura avances en el campo del cálculo de privacidad, especialmente en la aplicación del proyecto DePIN, que será más amplia y profunda.