全同态加密生态项目盘点:FHE技术的崛起以及应用

撰文:Chris,Techub News

在当今数字化的时代,隐私保护已成为一个全球性的焦点话题,特别是在加密货币和区块链技术快速发展的背景下。虽然当前的隐私技术在保护数据安全方面多有欠缺,引发了广泛的关注和批评,但隐私保护的理想仍旧吸引着科技界和投资者的目光。全同态加密(FHE)作为一种先进的密码学技术,承诺能在完全保密的条件下进行复杂计算,为隐私保护领域带来了新的希望。

密码学,作为区块链技术的核心组成部分,其发展历程标志着从理论到实际应用的重要转变。早期,同态加密(HE)和零知识证明(ZK)等技术仅是学术领域的研究主题。然而,随着技术的进步和市场需求的增加,现在这些技术已经被广泛讨论和应用于解决实际问题。

全同态加密(FHE)的概念,尽管对于非专业人士可能感觉遥不可及,但它正逐渐走向市场应用。自去年 12 月 AI 与加密技术领域的联合爆发以来,全球范围内的投资者和技术开发者开始重新评估 FHE 的潜力。今年,以太坊创始人 Vitalik Buterin 的一篇关于 FHE 的推文再次引发了对这一技术的广泛关注。此外,一系列围绕 FHE 的新兴平台和竞赛也相继推出,标志着这一技术正日益受到重视。

随着资本的涌入和技术的成熟,FHE 正在被应用于多个领域,从基础设施建设到公链开发,再到 AI、游戏和去中心化金融(DeFi)。笔者将对这 19 个在 FHE 领域内的创新项目,展示它们如何推动技术边界,并探讨这种全新的加密方法如何塑造未来的数字世界。

什么是 FHE(全同态加密)

在加密货币和区块链技术领域中,FHE(全同态加密)赛道是一个专注于利用全同态加密技术来增强数据隐私和安全性的领域。全同态加密是一种允许在加密数据上直接进行计算的加密形式,计算结果仍然保持加密状态,只有拥有正确密钥的用户才能解密查看最终结果。

在区块链和加密货币的背景下,FHE 技术有几个潜在的应用:

  • 增强隐私:通过 FHE,区块链可以处理加密交易而无需暴露交易的具体内容,从而保护用户隐私。

  • 智能合约安全:FHE 可以在不暴露智能合约内部逻辑和数据的情况下执行智能合约,增加安全性和隐私性。

  • 跨链操作:FHE 可以安全地处理跨链数据交换,使不同的区块链网络能够在不直接暴露数据的情况下合作和交互。

  • 数据共享与分析:企业和组织可以利用 FHE 在保证数据隐私的前提下,共享和分析数据,推动区块链技术在非金融领域的应用。

全同态加密(FHE)作为一项突破性的技术,其应用潜力覆盖了整个互联网和数据处理行业,不仅限于 Web3 和区块链。FHE 能够在不解密数据的情况下对其进行计算,这对于广告、个性化推荐系统、人工智能、游戏、链上交易、最小可提取价值(MEV)保护、区块空间拍卖、链上投票、防止女巫攻击、机器学习、医疗保健、金融服务以及自然语言处理等领域的隐私保护具有重大意义。

虽然 FHE 技术有着巨大的潜力,但它也面临着一些挑战,特别是在计算效率和扩展性方面。全同态加密的操作通常比非加密操作要慢得多,这在需要处理大量数据或进行复杂计算的区块链系统中可能成为一个瓶颈。

目前,FHE 仍处于较为早期的研究和开发阶段,但它在提高区块链系统的隐私保护和安全性方面具有巨大的未来潜力。随着技术的成熟和优化,预计会有更多基于 FHE 的应用和解决方案出现。

加速硬件

全同态加密(FHE)因其在数据处理过程中保持数据加密状态的能力而备受瞩目,然而这种加密技术的一个主要技术挑战在于其计算密集型的性质。FHE 操作涉及大量的多项式运算,这对计算资源的需求极高,常规的 CPU 处理这类任务效率低下。

为了解决这个问题,硬件加速成为了一种可行的解决方案。特别是使用 GPU(图形处理单元)、FPGA(现场可编程门阵列)和 ASIC(应用特定集成电路)等专门的硬件可以显著提高 FHE 的处理速度。例如,Lattica AI 公司便在其研究中探索了利用 GPU 加速和 CUDA 技术来实施 FHE 的可能性。这种测试显示,通过这些高性能的计算平台,FHE 的计算过程可以得到有效的加速。

如果 GPU 实现加速 FHE 变得可行,这将有助于 FHE 技术的去中心化应用,因为相较于 FPGA 和 ASIC,GPU 更为普遍且易于获取。这意味着更广泛的用户和组织能够利用现有的硬件资源来执行 FHE,从而推广这一技术的应用。

然而,尽管 GPU 提供了一种相对易于访问的解决方案,但在追求最高效率的场景下,FPGA 和 ASIC 仍然是更优的选择。这些专门设计的硬件能够为 FHE 提供最优化的运算性能,尤其是在需要极高计算能力和低延迟的应用中。因此,虽然 GPU 为 FHE 的普及提供了机会,FPGA 和 ASIC 仍然是推动 FHE 技术向前发展的关键硬件技术。下面笔者将整理在加速硬件领域的几个项目。

Ingonyama

Ingonyama 由前以色列国防军情报部队 8200 部队的成员和连续创业者 Shlomovits 于 2022 年创立,专注于开发先进的半导体技术。Ingonyama 的首款产品是一种高度可编程的并行计算处理器,虽然在形态上类似于 GPU,但它专门设计用于加速高级密码学应用,如 ZKP 和 FHE。

尽管目前公司的重点在于 ZKP 的加速,但由于 ZKP 和 FHE 在某些计算过程中存在共通点,Ingonyama 未来支持 FHE 加速也在情理之中。这标志着公司技术的广泛应用潜力,可能为全同态加密技术的发展带来新的突破。

最近,Ingonyama 与 ZKP 硬件加速领域的另一家重要企业 Accseal 达成了战略合作关系。Accseal 已成功开发出专门的 ZK ASIC 芯片,通过与 Ingonyama 的技术整合,两家公司将共同推动加密领域的硬件解决方案,以降低计算成本并提升处理速度。

此外,Ingonyama 在资本市场上也显示出了非常强的实力。2023 年 11 月,该公司成功完成了 2000 万美元的种子轮融资, Walden Catalyst 领投,得到了 Geometry、BlueYard Capital、Samsung Next、Sentinel Global 和 StarkWare 等多家知名投资机构的支持。紧接着在 2024 年 1 月,公司又完成了 2100 万美元的融资,此次由 IOSG Ventures、Geometry 和 Walden Catalyst Ventures 共同领投。

Ingonyama 的技术创新和强大的资金支持预示着它在全同态加密和零知识证明硬件加速领域将扮演越来越重要的角色。随着更多企业和技术的整合,该领域的发展潜力巨大,有望推动整个加密技术行业的进步。

Chain Reaction

Chain Reaction 专注于开发专用的区块链芯片,如 Electrum 芯片,该芯片主要用于执行区块链操作中的哈希处理,特别适用于比特币等数字货币的挖矿。这种芯片的设计目标是提高挖矿操作的速度和效率。

此外,公司计划于 2024 年末推出全同态加密(FHE)芯片,这将是一个重要的技术突破,因为 FHE 技术允许在保持数据加密的状态下进行计算,这对保护数据隐私和安全至关重要。

从投资情况来看,Chain Reaction 在 2023 年 2 月完成了 7000 万美元的融资,由 Morgan Creek Digital 领投,总融资额达到了 1.15 亿美元。这表明该公司在资本市场上受到了极大的关注,投资者对其技术和市场潜力持积极态度。

Cysic

Cysic 是一个在加密技术硬件领域非常活跃的创新型企业。公司的主要业务集中在为零知识证明(ZK)提供硬件加速解决方案,包括基于 ASIC、FPGA 和 GPU 的即服务(CaaS)模式,这表明其在高性能计算和特定应用集成电路方面拥有深厚的技术积累。

特别值得注意的是,Cysic 还在开发名为 ZK Air 和 ZK Pro 的产品,旨在构建去中心化个人信息网络(DePIN)中的 Prover Network,这一点显示了公司在扩展其技术应用范围方面的雄心。DePIN 网络的构建将使得 Cysic 的技术应用更为广泛,增加用户对其服务的可接近性和实用性。

公司联合创始人 Leo Fan 的背景和活动也表明,Cysic 不仅限于 ZK 领域,还可能拓展到全同态加密(FHE)硬件加速方面。Leo Fan 在 FHE 研究领域的贡献,包括发表论文和为其他资本机构提供研究,预示着 Cysic 在未来有可能成为 FHE 硬件加速的关键参与者。

在资金支持方面,Cysic 已经成功完成了 600 万美元的种子轮融资,由 Polychain Capital 领投,其他知名投资机构如 HashKey、SNZ Holding、ABCDE、A&T Capital 和 Web3.com 基金会的参投显示了市场对 Cysic 技术和市场潜力的认可。

Optalysys

Optalysys 是一家致力于开发光学计算技术的创新企业,专注于全同态加密(FHE)的硬件加速。这种光学计算技术的运用是为了解决 FHE 中的计算效率问题,使其能够在实际应用中更加可行。

Optalysys 正在通过其独特的混合光子芯片 ------Optalysys Etile------ 推动这一技术的发展。这款产品通过将数字接口与硅光子技术相结合,并与传统的数字电子器件在多芯片模块中集成,有效地实现了光子电路的功能,这表明公司在光学计算领域取得了重要的技术突破。

此外,Optalysys 不仅提供硬件解决方案,还包括模拟器和软件,这意味着公司提供的是一个全方位的加速方案,可以支持各种密集的计算任务,特别是在机密计算领域。这种综合性的技术支持使 Optalysys 能够为需要高度安全和高效率加密计算的行业提供重要的硬件支持,如金融服务、数据分析和云计算等。

总的来说,Optalysys 在光学计算和全同态加密硬件加速领域的探索和开发显示了该公司的创新能力和技术前瞻性,预示着其在相关技术领域的发展潜力及未来影响力。

基础设施

Zama

Zama 是一家致力于开发开源密码学解决方案的前沿公司,专注于为区块链和人工智能领域提供全同态加密(FHE)技术。该公司由两位著名人物共同创立:Hindi 和 Pascal Paillier,后者不仅是知名的密码学家,还是全同态加密技术的先驱之一。自 2020 年初成立以来,Zama 致力于将复杂的加密技术转化为实际可用的工具和服务,推动隐私保护技术的广泛应用。

Zama 提供的服务涵盖了多个方面,特别是针对 Web3 项目的多样化 FHE 解决方案。公司的产品线包括 TFHE-re 库、TFHE 编译器 Concrete、隐私保护机器学习工具 Concrete ML 以及机密智能合约平台 fhEVM。这些工具和服务使得开发者可以在保持数据加密的前提下进行高效计算,尤其是 TFHE(阈值同态加密)方面的实现,提供了布尔和整数计算的能力。特别值得注意的是,Zama 的 TFHE-re 是用纯 Rust 语言实现的,这不仅确保了代码的安全性,还提高了灵活性和可控性,使开发者和研究者能够更精细地操作这一技术。

Zama 的 fhEVM 平台是一个创新的尝试,将 TFHE-re 与以太坊虚拟机(EVM)集成,允许开发者在智能合约中直接利用同态操作进行数据处理,而无需修改现有的编译工具。这种预编译合约的开放使得在合约中使用加密数据变得更加便捷和实用。

最近,Zama 在 2024 年 3 月 7 日完成了 7300 万美元的 A 轮融资,由 Multicoin Capital 和 Protocol Labs 领投,众多知名投资方如 Metaplanet、Blockchange Ventures、Vsquared Ventures、Stake Capital 参与投资。此外,行业重量级人物如 Filecoin 创始人 Juan Benet、Solana 联合创始人 Anatoly Yakovenko 以及以太坊和 Polkadot 的联合创始人 Gavin Wood 也参与了本轮融资。这一轮资金将用于进一步研究和开发 Zama 的 FHE 工具,加速公司产品的市场推广和技术完善。

通过这些努力和创新,Zama 不仅在技术上推动了加密和隐私保护的边界,也在为整个区块链和 AI 领域带来更广泛的影响。随着这些先进工具的逐步成熟和实施,Zama 预计将在全球隐私技术市场中占据领导地位。

PADO

PADO 是一个采用 zkFHE 技术的创新去中心化计算网络,旨在为机器学习(ML)应用乃至更广泛的虚拟机(VM)功能开发多功能的 zkFHE 算法。通过扩大应用场景,PADO 使得未来任何计算资源都能作为网络节点参与,为用户提供计算服务。目前,PADO Labs 正致力于开发关键的技术基础设施,包括 PADO 扩展程序、开发者工具包和节点 SDK。

技术上,PADO 的核心创新在于结合了 zk-SNARK 和全同态加密(FHE),这种结合不仅确保了隐私数据计算的真实性,还增强了其可验证性。此外,PADO 还将多方计算(MPC)、交互式零知识证明(IZK)与 zkFHE 技术相结合,进一步强化了隐私保护和数据处理能力。按照技术路线图,PADO 短期内将专注于增强 FHE 方案的特定功能,并为支持 zkFHE 的应用推出定制化产品。当前的工作重点是优化 FHE 算法,并集成 ZK 组件以确保操作的可验证性。

PADO 的早期 HE 解决方案已经能够支持线性运算,将证明密文与加法同态运算的 ZK 证明时间缩短至大约 0.7 秒,未来目标是进一步缩减至 0.1 秒以下。此外,与 Zama 的解决方案相比,PADO 在同态比较运算上的计算时间已减少一半,并计划扩展对更大明文空间(如 u8/u16/u32)的支持,预计性能将至少提高 2 倍。通过借助 Zama 的技术,PADO 的通用 zkFHE 性能预计也将提升 3 至 5 倍。在开发工具方面,PADO 支持包括 Python 和 Rust 在内的多种常用编程语言。

在应用层面,PADO 目前主要关注与 AO 和 Arweave 生态系统内的数据共享相关的场景。2023 年 4 月,PADO 与 AO 合作发起了可验证机密计算项目(VCC),该项目将基于 AO 平台构建。PADO 计划在 AO 的基础上逐步建立去中心化计算单元,并利用 Arweave 区块链作为隐私数据的存储层。用户可以通过 PADO 的 zkFHE 技术加密自己的数据,并将其安全地存储在 Arweave 区块链上。AO 生态系统内的任何计算请求都将通过 AO 调度单元发送至 PADO 的计算节点,由计算节点完成所需的全同态计算及计算完整性证明。

至于融资方面,PADO 在 2023 年完成了 300 万美元的种子轮融资,资金将用于继续研究和开发其 FHE 工具,为推动其技术和市场扩展提供支持。

Sunscreen

Sunscreen 是一家专注于隐私保护的创新初创公司,其使命是简化工程师使用全同态加密(FHE)等前沿密码技术的过程,使他们能够轻松构建和部署保护隐私的应用程序。该公司通过其开源的 FHE 编译器,一个 Web3 原生工具,将普通的 Rust 函数转换为具有隐私性的 FHE 等效函数,特别适用于需要算术操作的应用,如去中心化金融(DeFi)。这一编译器优化了性能,无需依赖硬件加速,同时支持 BFV(Brakerski-Fan-Vercauteren)全同态加密方案。

为了进一步增强计算的完整性和隐私安全,Sunscreen 还在开发一个与其 FHE 编译器兼容的零知识证明(ZKP)编译器。虽然目前在执行同态运算证明方面的速度尚存在挑战,公司正致力于改进这一点。此外,Sunscreen 正在探索适合存储 FHE 密文的去中心化存储解决方案,以完善其隐私保护技术生态系统。

在产品发展路线图方面,Sunscreen 计划分阶段推进其技术的实际应用:从支持测试网中的私有交易开始,逐步过渡到支持预先定义的私有程序,并最终实现允许开发者使用其 FHE 和 ZKP 编译器自由编写任意私有程序。

在资金支持方面,Sunscreen 在 2022 年 7 月完成了 465 万美元的种子轮融资,由 Polychain Capital 领投,得到 Northzone、Coinbase Ventures、dao5 等的加入,以及包括 Naval Ravikan 和 Entropy 创始人 Tux Pacific 在内的多位知名个人投资者的支持。公司由隐私网络 NuCypher 的联合创始人 MacLane Wilkison 和 Ravital Solomon 共同创立,旨在为工程师提供强大的工具,以构建基于全同态加密技术的应用程序。此前,Sunscreen 还曾在获得 57 万美元的 Pre-Seed 轮融资。

Sunscreen 的愿景和技术创新在加密和隐私领域具有重要意义,预示着隐私保护技术将向更广泛的应用前景迈进。

SherLOCKED

SherLOCKED 是一个创新的区块链隐私支持基础设施,它将全同态加密(FHE)技术与以太坊虚拟机(EVM)框架结合,提供了一个开发者友好的平台,使开发者能够在保持数据加密的同时,对区块链上的数据进行操作和编写自定义智能合约。这意味着,尽管区块链的数据通常是公开的,SherLOCKED 使这些数据在链上保持加密状态,从而增强了交易数据的隐私保护。

SherLOCKED 的核心理念可以通过一个简洁的公式概括:ZK(零知识证明)+ MPC(多方计算)+ FHE = SherLOCKED。这个组合体现了其三大主要组件:SherLOCKED SDK、节点网络、以及 zkVM(零知识虚拟机)计算基础设施。这种结构设计确保了从数据加密、智能合约执行到计算验证的每一步都极致地保护了用户数据的隐私。

在实际操作中,当用户发起交易到智能合约时,首先通过节点网络的多方计算技术加密数据,然后加密后的数据通过 SherLOCKED SDK 传递给智能合约,由智能合约进行进一步操作。考虑到对加密数据进行操作会消耗大量的 Gas,SherLOCKED 借助于基于 zkVM 的 RISC Zero 证明计算机(Bonsai)来处理计算任务,并生成相应的零知识证明。这个证明最终由链上的中继器和验证者进行验证,以确保操作的正确性和安全性。

SherLOCKED 不仅可以部署在任何 EVM 兼容的网络上,还提供了高度的灵活性和可扩展性,使其成为支持各种区块链应用的理想选择。该项目由 Rize Labs 的联合创始人 Nitanshu 在 2023 年 10 月参加 ETHGlobal 举办的 ETHOnline 黑客松期间构建,并最终获得了决赛入围奖项。尽管其 GitHub 上的代码库已有 7 个月未进行更新,SherLOCKED 的概念和实现已经在区块链隐私领域引起了广泛关注。

SherLOCKED 的推出标志着一个重要的里程碑,它不仅推动了区块链隐私保护技术的发展,也为区块链生态系统提供了新的安全与合规性解决方案。随着区块链技术的不断成熟和智能合约应用的不断扩展,像 SherLOCKED 这样的平台将在未来发挥越来越重要的作用。

Fair Math

Fair Math 是一家致力于发展和推广全同态加密(FHE)隐私保护技术的研究公司,采用开源和面向社区的方法来推动其项目和技术的进步。2024 年 4 月,公司发布了 "协作式 FHE-(E) VM 宣言",标志着在构建 FHE-(E) VM(全同态加密以太坊虚拟机)方面的一次重大创新。这一宣言提倡以模块化的方式设计 FHE-(E) VM,允许不同版本的 FHE-(E) VM 并行存在,并将规范版本作为开发支持 FHE 应用程序的标准参考。

作为推动全同态加密技术普及和应用的一部分,Fair Math 还提议建立一个名为 FHERMA 的竞赛平台。该平台是与 OpenFHE 合作开发的,旨在通过设计有结构的竞赛来教育市场并激励 FHE 技术的创新。计划于 2024 年通过 FHERMA 平台发起超过 25 个 FHE 相关的技术挑战,进一步推动该领域的研究和应用发展。

Poly Circuit 是在 FHERMA 竞赛框架下构建的应用层 FHE 组件库。一旦竞赛中的挑战确定了获胜者,其解决方案将通过 PR(Pull Request)方式添加到组件库中。此外,Fair Math 与 OpenFHE 合作的另一个重要项目是 OpenFHE-rs,这是目前最全面的 FHE Rust 库,为 Rust 开发者提供了强大的支持。

在资金支持方面,Fair Math 在 2024 年 2 月完成了 140 万美元的 pre-seed 轮融资,由 gumi Cryptos Capital、Inception Capital 和 Polymorphic Capital 领投。这一资金将用于推动 FHE 技术的研究、开发和采用,加速 Fair Math 在全同态加密领域的发展和创新。

Fair Math 的愿景和努力显示了全同态加密技术在保护数据隐私和增强安全性方面的巨大潜力,同时也展示了开源和社区驱动的研究方法如何有效促进技术进步和应用普及。

AntChain

AntChain TrustBase 是基于蚂蚁链的开源技术体系,包括广域网共识算法,零知识证明、全同态加密等。

公链

Fhenix

Fhenix 是一个创新的以太坊 L2,它通过全同态加密(FHE)Rollups 和 FHE 协处理器的技术支持,能够在区块链上实现保密计算的智能合约。这一平台完全兼容 EVM,支持 Solidity 编程语言,使得开发者能够创建和运行利用 FHE 技术保护数据隐私的智能合约。

与常见的使用零知识全同态加密(zkFHE)的解决方案不同,Fhenix 选择了采用 Optimistic Rollup 技术。这一选择允许平台在不牺牲性能的情况下,提供更高的灵活性和兼容性。Fhenix 利用了 Zama 提供的 FHE 技术,通过 fhEVM 保证了链上数据的保密性,并专注于实现阈值 FHE(TFHE),这是一种能够在多个参与者之间安全地分割密钥的 FHE 变体。

2024 年 4 月 2 日,Fhenix 宣布将与 EigenLayer 合作开发 FHE 协处理器,这是一项旨在将 FHE 技术更广泛地应用于智能合约的重大进展。这些所谓的 "FHE 协处理器" 设计用于直接在加密数据上进行计算,无需解密,也不需要在以太坊主网或任何层二或层三网络上处理 FHE 计算任务,而是由专门的协处理器来完成。这些协处理器将受到 Fhenix 的 FHE Rollup 和 EigenLayer 的质押机制的保护,确保了操作的安全性和可靠性。

按照 Fhenix 的技术路线图,该平台计划于 2025 年 1 月正式上线主网。此前,在 2023 年 9 月,Fhenix 已成功完成了 700 万美元的种子轮融资,由 Sora Ventures、Multicoin Capital 和 Collider Ventures 领投,Node Capital、Bankless、HackVC、TaneLabs 和 Metaplanet 等机构也参与了投资。这些资金将用于支持 Fhenix 进一步的技术开发和生态系统构建。2024 年初,Fhenix 还计划发布公共测试网,这将为开发者提供一个平台来测试和优化他们的应用程序,为主网的成功启动打下坚实的基础。

Inco

Inco Network 是 Web3 通用隐私保护层与模块化保密计算 L1 区块链,为链上应用程序提供隐私保护。该平台独特地将以太坊 EVM 与全同态加密(FHE)技术结合,实现了一个无需 TEE(受信执行环境)、电路、链下存储或协处理器的隐私保护环境。所有的操作和计算都在链上完成,确保了数据处理的隐私性和安全性。

Inco Network 的核心特性之一是 Gentry 测试网的推出,该测试网专门设计来应对 Web3 领域中的隐私保护挑战。平台的设计允许应用程序在不解密数据的情况下进行操作和计算,从而保护用户数据免受外部访问和利用。

在应用支持方面,Inco Network 不仅支持游戏和 DeFi 应用(如暗池、私人借贷和盲拍等),还提供企业级解决方案,包括保密稳定币、私人实物资产(RWA)和私人投票系统等。这一广泛的应用支持使 Inco 成为一个多功能的区块链平台,满足了各种行业对隐私保护的需求。

此外,Inco Network 通过与 EigenLayer 的验证服务项目 Ethos 合作,不仅能共享以太坊的经济安全性,还使得以太坊上的 DApp 可以利用 Inco 的保密计算功能。通过与模块化互操作协议 Hyperlane 的合作,Inco 还能将隐私数据存储与计算扩展到模块化区块链生态系统中。

在技术合作方面,Inco 与 Zama 建立了战略伙伴关系,采用了 Zama 的 TFHE 方案来增强其 fhEVM 的功能。Inco 的 fhEVM 与以太坊的主要开发工具(如 Remix、Hardhat 和 Metamask)和 Solidity 编程语言兼容,进一步提高了平台的可用性和开发者友好性。

2024 年 2 月,Inco Network 成功完成了 450 万美元的种子轮融资,由 1kx 领投,得到了 Circle Ventures、Robot Ventures、Portal VC、Alliance DAO、Big Brain Holdings、Symbolic、GSR、Polygon Ventures、Daedalus、Matter Labs 和 Fenbushi 等的参投。这一轮资金的成功筹集显示了市场对 Inco 的信心和对其隐私保护技术的高度认可。

Octra

Octra 是一个采用先进全同态加密(FHE)技术的区块链网络,推出了一种名为 HFHE(Hypergraph-FHE)的新型 FHE 实现。这种在超图(Hypergraphs)上进行引导的 FHE 方法设计用于提高隐私保护和计算效率,使其能够与各种项目兼容并独立运行。尽管这种技术在学术界尚未广泛讨论且安全性尚待验证,Octra 团队正致力于通过严格的安全验证来确保其实用性和安全性。

在技术实现方面,Octra 的主要代码库主要使用 OCaml、AST、ReasonML(一种专门用于与 Octra 区块链网络交互的智能合约和应用程序的语言)和 C++ 进行开发。这种多语言的开发方法旨在优化网络的性能和安全性,同时保持代码的灵活性和可扩展性。

此外,Octra 引入了一种基于机器学习的新型共识机制。这种机制使用支持向量机(SVM)进行负载管理,通过分析节点的历史确认行为来选择最佳的确认路线。这种方法不仅提高了网络的效率,还增强了其抗干扰能力,确保验证过程的公正性和透明性。

为了增加网络的可访问性,Octra 还开发了一种轻量级客户端,允许用户在多种设备上运行节点,包括树莓派、个人电脑、服务器、云服务器和手机。这使得 Octra 网络可以更广泛地被个人和企业用户采用。

目前,Octra Network 的验证和测试仍在进行中,测试网尚未正式推出。团队正在积极调试并准备将这一创新技术带到实际应用阶段。随着更多的安全验证和网络稳定性测试,Octra 预计将成为在隐私保护和区块链技术领域的一个重要创新者。

Shibarium

Shibarium 是 Shiba Inu 旗下的 Layer2 解决方案,目前正在利用密码学公司 Zama 的全同态加密(FHE)技术开发一个全新的 Layer3 区块链。这一尚未命名的区块链专注于增强隐私保护,将被部署在以太坊 Layer2 区块链 Shibarium 之上,主要面向区块链与人工智能应用,特别是智能合约和机器学习等领域的机密计算。

TREAT 代币将作为这一新 Layer3 区块链的实用和治理代币,承担重要的网络功能和治理角色。这标志着 Shiba Inu 生态系统在推动隐私和扩展性方面的进一步发展。TREAT 代币的引入是为了支持这一全新区块链平台的运营和发展,同时也是 Shiba Inu 生态系统中最后一个非稳定代币。

Shiba Inu 生态系统已有的代币包括 SHIB(原始的 meme 币)、BONE(Shibarium 的治理代币)以及 LEASH(供应固定,面向 Shiba Inu 忠实用户的代币,可用来获取 BONE 奖励)。除此之外,该生态系统还计划在今年晚些时候推出一种名为 Shi 的新代币。

2024 年 4 月,Shiba Inu 成功通过向非美国风险投资者出售尚未发行的 TREAT 代币筹集了 1200 万美元。这轮融资由多家知名的投资公司参与,包括 Polygon Ventures、Foresight Ventures、Mechanism Capital、Big Brain Holdings、Shima Capital、Animoca Brands、Morningstar Ventures、Woodstock Fund、DWF Ventures、Stake Capital 和 Comma 3 Ventures 等。这一资金将用于支持 Shibarium 和即将推出的 Layer3 区块链的开发和扩展,加速 Shiba Inu 生态系统在区块链隐私和智能合约领域的创新和应用。

Secret Network

Secret Network 是一个隐私公链与 Web3 隐私保护计算层,在其 Secret 2.0 规划中,该团队正以 Fhenix 为基础开发 TFHE Layer1 网络,并开发隐私保护 Rollups 作为补充。

DePIN

Arcium

Arcium 是一个在 Solana 平台上构建的去中心化私密计算网络(DePIN),专注于为分布式应用提供并行机密计算能力。Arcium 是由 Yannik Schrade、Julian Deschler、Nicolas Schapeler 和 Lukas Steiner 共同创立的,这四位创始人此前推动了基于零知识的合规隐私协议 Elusiv 的发展,该项目于 2024 年 5 月 8 日重塑品牌为 Arcium。

Arcium 旨在为 DeFi、DePIN 和 AI 等领域的开发者提供一个无需信任、可验证且高性能的机密计算环境。该网络并非传统意义上的区块链,而是利用底层区块链的数据可用性(DA)层和共识层,支持开发者在多个区块链上部署机密智能合约,并为非区块链用户提供自定义区块链层信任模型的能力。

Arcium 网络的核心分为两个主要组成部分:Arx 网络和多方执行环境(MXE)。MXE 是一种结合了多方计算(MPC)、全同态加密(FHE)、零知识证明(ZKP)等技术的复杂环境,旨在确保对加密数据的安全处理。Arx 网络则是一个去中心化的节点网络,允许任何人通过运行一个称为 Arx 的节点来贡献网络资源。Arcium 还推出了一个激励性的私人测试网,邀请 100 位开发者或团队成员参与,这些参与者可以运行 MPC 节点、中间层节点或利用 MXE 开发链上应用。

在资金方面,Arcium 的前身 Elusiv 在 2022 年 11 月完成了 350 万美元的种子轮融资,由 LongHash Ventures 和 State Stripities Ventures 领投。此轮融资的参投方包括 Jump Crypto、NGC Ventures 和 Big Brain Holdings 等。

2024 年 5 月,Arcium 完成了 550 万美元的战略融资,由 Greenfield Capital 领投,参投方包括 Coinbase Ventures、Heartcore Capital、Longhash VC、L2 Iterative Ventures、Stake Facilities、Smape Capital、Everstake 以及行业知名人士如 Solana 联合创始人 Anatoly Yakovenko 和 Monad 联合创始人 Keone Han。这一轮融资将用于进一步发展 Arcium 平台,为开发人员和区块链应用程序提供一个可配置的加密计算框架。总的来说,Arcium 的总融资额已达到 900 万美元,资金将支持其在提供高效、安全的机密计算解决方案方面的进一步扩展。

Privasea

Privasea 是一个 DePIN+AI 项目,致力于将全同态加密机器学习(FHEML)技术集成到其分布式计算网络中。该项目的核心产品之一是利用全同态加密(FHE)技术的去中心化应用(DApp)"ImHuman",这是一个创新的「人类证明」(Proof of Humanity,PoH)解决方案,旨在通过先进的隐私保护技术确保用户验证的安全性和隐私性。

具体来说,ImHuman 应用允许用户在创建账户时使用前置摄像头扫描其人脸矢量,并在手机端直接进行加密处理,确保敏感数据不会传输至任何服务器,也不被 Privasea 访问。这一过程通过将加密后的人脸矢量发送至 Privasea 服务器并铸造成个人专属 NFT 来完成 PoH,增强了用户身份的可验证性并提供了一种新形式的数字身份认证。完成 PoH 的用户还将获得独家空投奖励。目前,ImHuman 应用已在 Google Play 上推出,且计划不久后在 App Store 上线。

除了 ImHuman,Privasea 还构建了 AI DePIN 基础设施 ------Privasea AI Network,该网络旨在通过建立一个去中心化的计算网络为 FHE AI 任务提供必要的分布式计算资源。这不仅可以大幅降低中心化数据处理的风险,还可以提高计算任务的效率和可扩展性。Privasea 的 FHE 方案得到了 Zama 在机器学习领域的技术支持,进一步增强了平台的机器学习能力和安全性。

在资金方面,Privasea 在 2024 年 3 月成功完成了 500 万美元的种子轮融资,由 Binance Labs、Gate Labs、MH Ventures、K300、QB Ventures、CryptoTimes 等知名投资机构参投。紧接着在 4 月,Privasea 进行了一轮新的战略融资,吸引了 OKX Ventures、野村证券控股的 Laser Digital、软银参股的孵化器 Tanelabs 等重量级投资者的加入。这些资金将被用于进一步发展其隐私保护技术,扩展其在 DePIN 和 AI 领域的影响力,并加速其产品的市场推广和应用开发。

Cluster Protocol

Cluster Protocol 是一个 DePIN 计算证明协议,希望构建去中心化 AI 模型的 Github,利用 FHE 集成为 GPU 提供商提供安全和一致的奖励,从而为全球个人和中小企业提供支持。

2024 年 3 月,Cluster Protocol 完成种子轮融资,Pivot Ventures、Genesis Capital 参投,具体金额暂未披露,Cluster Protocol 还将加入 Pivot 旗下的孵化加速计划。

Mind Network

Mind Network 是一个专注于为去中心化个人信息网络 (DePIN) 和人工智能 (AI) 领域提供全同态加密 (FHE) 再质押层的先进平台,由领先的密码学公司 Zama 提供技术支持。该网络致力于实现端到端加密互联网的愿景,简称为 "HTTPZ",旨在增强网络数据的隐私性和安全性。

Mind Network 的主要产品包括三个核心组件:MindLayer、MindSAP 和 MindLake。MindLayer 是一个适用于 AI 与 DePIN 网络的 FHE 再质押方案,允许用户将比特币 (BTC) 和以太坊 (ETH) 的 LST 代币再质押到 Mind Network。此外,该层还引入了 FHE 增强的验证器,以确保 AI 与 DePIN 网络的验证和计算过程能够实现端到端的加密。MindSAP 是一个 FHE 授权的隐形地址协议,专门设计用于保护用户的交易和数据隐私。MindLake 则是一个基于 FHE 的数据存储 Rollup,专门用于处理链上加密数据,优化数据的处理效率和安全性。

Mind Network 还引入了专为 AI 机器学习任务设计的智能证明(PoI)共识机制,这种机制确保了 FHE 验证者之间的公平和安全的资源分配。此外,FHE 计算可以通过硬件加速来提高效率和处理速度。

此外,Mind Network 正在与 AltLayer、EigenDA 和 Arbitrum Orbit 等合作推出 Rollup 链,进一步扩展其生态系统的功能和覆盖范围。Mind Network 的测试网已成功上线,为未来的全面部署和应用提供了实验和验证的平台。

在融资方面,Mind Network 在 2023 年 6 月完成了 250 万美元的种子轮融资,投资方包括 Binance Labs、Comma3 Ventures、SevenX Ventures、HashKey Capital、Big Brain Holdings、Arweave SCP Ventures 和 Mandala Capital 等。同月,Mind Network 还入选了 Binance Labs 的第五季孵化计划,此外也是 Chainlink BUILD 计划的一部分,并获得了以太坊基金会的 Fellowship Grant。

相关推荐
LabVIEW开发12 分钟前
什么样的LabVIEW控制算自动控制?
算法·labview
liuming199228 分钟前
Halcon中histo_2dim(Operator)算子原理及应用详解
图像处理·人工智能·深度学习·算法·机器学习·计算机视觉·视觉检测
sc写算法44 分钟前
Hash 映射
数据结构·算法·哈希算法
雅妮yyn1 小时前
头歌数据结构-排序的实现及其应用
数据结构·算法
云边有个稻草人1 小时前
【优选算法】—移动零(双指针算法)
算法·排序算法·双指针算法
小墨&晓末1 小时前
【PythonGui实战】自动摇号小程序
python·算法·小程序·系统安全
落魄君子2 小时前
SVM分类-支持向量机(Support Vector Machine)
神经网络·算法·支持向量机·分类
上理考研周导师3 小时前
【单片机原理】第1章 微机基础知识,运算器,控制器,寄存器,微机工作过程,数制转换
算法
IT猿手4 小时前
基于PWLCM混沌映射的麋鹿群优化算法(Elk herd optimizer,EHO)的多无人机协同路径规划,MATLAB代码
算法·elk·机器学习·matlab·无人机·聚类·强化学习
m0_675988239 小时前
Leetcode2545:根据第 K 场考试的分数排序
python·算法·leetcode