Privasea人脸NFT铸造：AI与Web3新玩法

作者：十四君

最近，Privasea发起的人脸NFT铸造项目引起了巨大的轰动。这个项目看似简单，用户只需在IMHUMAN（我是人类）移动应用上录入自己的人脸，并将其数据铸造成一枚NFT。令人惊讶的是，自4月底上线以来，该项目已经铸造了超过20万枚NFT，其火爆程度可见一斑。我也很好奇，为什么人脸数据能上链？我的脸部信息会不会被盗用？Privasea又是什么样的公司？带着这些疑问，我对项目和Privasea进行了深入研究。关键词：NFT、AI、FHE（全同态加密）、DePIN

适合国内用的虚拟币交易所

• 欧易OKX >>>进入官网<<< >>>官方下载<<<
• 币安Binance >>>进入官网<<< >>>官方下载<<<

从Web2到Web3-人机对抗从未停止

这个项目不仅仅是将人脸数据铸造成NFT那么简单。IMHUMAN这个名字已经说明了一切：该项目旨在通过人脸识别来判断你是否是真人。为什么我们需要人机识别？根据Akamai在2024年第一季度的报告，Bot（一种自动化程序，可以模拟人发送HTTP请求等操作）占据了互联网流量的42.1%，其中恶意流量占了27.5%。恶意Bot可能导致中心化服务商响应延迟甚至宕机，影响真实用户的体验。

以抢票为例，作弊者通过创建多个虚拟账号提高抢票成功率，甚至将自动化程序部署在服务商机房旁边，实现几乎零延时的购票。普通用户面对这些高科技手段几乎毫无胜算。服务商也尝试通过实名认证、行为验证码等方式区分人机，但问题并未得到根本解决，因为作弊带来的收益实在太高。人机对抗持续升级，作弊者和检验者都在不断提升自己的技术水平。随着AI的发展，客户端的行为验证码几乎被各种视觉模型击败，AI甚至比人更快更准地识别信息。因此，检验者不得不升级到仿生物学特征检测（如客户端环境监测、设备指纹等），甚至生物学特征检测（如指纹、人脸识别）。

在Web3领域，人机检测同样重要。面对项目空投，作弊者可能创建多个虚假账号进行女巫攻击，这时需要鉴别真人。由于Web3的金融属性，对于高风险操作（如账号登录、提币、交易、转账等），不仅需要确认是真人，还需要确认是账号所有者，人脸识别成为首选。那么，Web3如何实现人脸识别？这实际上涉及到一个更深层次的问题：Web3如何适配AI场景？

Privasea AI Network 的架构与工作原理

Privasea AI Network 的架构主要包括以下几个部分：

数据所有者：通过Privasea API，安全地提交任务及数据。

Privanetix 节点：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，执行安全高效的计算，保护数据隐私并确保计算的完整性和机密性。

解密器：通过Privasea API获取解密后的结果，并对结果进行验证。

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。

Privasea AI Network 的核心工作流

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，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，数据由HEsea库加密，数据所有者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：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，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，保持数据的机密性，并为这些步骤生成零知识证明以验证计算的完整性。

STEP 5：密钥切换：完成计算后，指定的Privanetix节点采用密钥切换技术，确保最终结果是经过授权的，只有指定的解密器才能访问。

STEP 6：结果验证：完成计算后，Privanetix节点将加密结果和相应的零知识证明传回基于区块链的智能合约以供将来验证。

STEP 7：激励机制：跟踪Privanetix节点的贡献，并分配奖励。

STEP 8：结果检索：解密器利用Privasea API访问加密结果，验证计算的完整性，确保Privanetix节点按照数据所有者的意图执行了计算。

STEP 9：结果交付：将解密结果与数据所有者预先确定的指定结果接收者共享。

在Privasea AI Network的核心工作流中，用户只需关注输入参数和相应的结果，无需了解网络内部的复杂运算。端到端的加密在不影响数据处理的前提下，确保数据本身不被泄露。

PoW和PoS双机制叠加：Privasea推出了WorkHeart NFT和StarFuel NFT，通过PoW和PoS的双重机制进行网络节点管理与奖励发放。购买WorkHeart NFT即可获得成为Privanetix节点的资格，参与网络计算，并基于PoW机制获取代币收益。StarFuel NFT是节点增益器（限量5000），可以与WorkHeart组合，类似PoS，向其质押的代币数量越多，WorkHeart节点的收益倍率越大。为什么使用PoW和PoS？PoW通过运算时间成本降低节点作恶率，维护网络稳定。不同于BTC的随机数验证，该隐私计算网络节点的实际工作产出（运算）可以直接与工作量机制挂钩，适合PoW。而PoS则更易于平衡经济资源。WorkHeart NFT通过PoW获取收益，StarFuel NFT通过PoS提高收益倍率，形成多层次、多样化的激励机制，优化收益分配结构，平衡计算资源和经济资源在网络中的重要性。

小结

Privasea AI Network基于FHE构建了一套加密版本的机器学习体系。通过FHE隐私计算的特性，把计算任务分包给分布式环境下的各个运算节点（Privanetix），通过ZKP对结果进行有效性验证，并借助于PoW和PoS的双重机制对提供运算结果的节点进行奖励或惩罚，维护网络的运行。Privasea AI Network的设计为各个领域的隐私保护AI应用铺平了道路。

FHE同态加密-新的密码学圣杯？

上个章节我们可以看到，Privasea AI Network的安全性依赖于其底层的FHE。随着FHE赛道领头羊ZAMA在技术上的不断突破，FHE甚至被投资者称为新的密码学圣杯。让我们把它与ZKP以及相关的解决方案进行对比。

对比下来，ZKP与FHE的适用场景区别较大，FHE侧重于隐私计算，ZKP侧重于隐私验证。而SMC（安全的联合计算）与FHE有着更大的重合度，解决的是共同计算的计算机个体的数据隐私问题。

FHE的局限性

FHE实现了数据处理权与数据所有权的分离，在不影响计算的情况下防止了数据泄露。但与此同时，牺牲的是运算速度。加密如同一把双刃剑，在提升了安全性的同时，导致运算速度大打折扣。近年来，各种类型的FHE性能提升方案被提出，包括基于算法优化的新FHE方案，如CKKS和优化的bootstrap方法，以及依靠硬件加速的定制GPU、FPGA等。此外，混合加密方案的应用也在探索之中，通过结合部分同态加密（PHE）和搜索加密（SE），在特定场景下可以提升效率。尽管如此，FHE在性能上仍与明文计算有较大差距。

总结

Privasea通过其独特的架构和相对高效的隐私计算技术，不仅为用户提供了高度安全的数据处理环境，还开启了Web3与AI深度融合的新篇章。虽然其底层依赖的FHE有着天然的运算速度劣势，但是Privasea近期与ZAMA已经达成了合作，共同攻坚隐私计算的难题。未来，随着技术上的不断突破，Privasea有望在更多领域发挥其潜力，成为隐私计算和AI应用的探索者。