当FHE遇上Restaking：一文读懂行业新贵Mind Network

互联网阅读 288 2024-04-06 18:40:22

原创｜

作者｜jk

Mind Network 是第一个基于全同态加密（FHE）的通用再质押 Rollup 解决方案，为 EigenLayer 和以太坊生态系统带来了安全计算和共识。Mind Network 的解决方案支持对加密数据进行可验证的去中心化计算，解决实际用例中面临的挑战，例如处理 AI 工作的去中心化 GPU 网络以及管理敏感用户数据的去中心化物理基础设施网络（DePIN）等。Mind Network 的解决方案已经与 io.net、AIOZ、Nimble Network (AI)、Chainlink 等项目达成产品市场共识。

2. 项目里程碑

Mind Network 获得了 Binance Labs、Hashkey、Big Brain、Chainlink、Comma 3、SevenX 的投资，并收到了以太坊基金会的资助，以研究 FHE 技术在以太坊上的实际应用
Mind Network 由 Binance Incubation Camp 孵化
Mind Network 参与 Chainlink BUILD 计划
与行业领导者合作如 ZAMA、Chainlink 等成为商业合作伙伴
测试网发布 3 个月内活跃钱包超过 60 万，交易次数近 300 万
社交媒体关注者和社区成员超过 80 万的
主网将于 5 月初启动

当FHE遇上Restaking：一文读懂行业新贵Mind Network

3. 再质押技术的风潮与所受到的挑战

目前市面上有越来越多的项目推出再质押，能在基础利率上再获得更多收益以及项目积分，数层叠加的收益让用户更积极参与，把再质押带到一个前所未见的风潮浪头，可谓这两个月最热门赛道的财富密码之一。

然而，再质押面临着不少挑战：

中心化风险：一个主要担忧是再质押可能导致质押中心化，少数验证者作弊和控制质押，这可能导致中立性降低。
复合风险：来自一个生态系统（例如 ETH）的 LST 可能会受损，并放大复合风险，使之对生态系统成为系统性风险。
数据安全性：操作者没有配备数据保护机制，可能影响数据隐私和计算公平性。对于像 AI 或 DePIN 网络这样的数据密集型网络来说，这是至关重要的。

4. Mind Network 解决方案

4.2 FHE 再质押层

当FHE遇上Restaking：一文读懂行业新贵Mind Network

Mind 的 FHE 再质押解决方案由三个互联的层构成：

再质押层：支持各种安全偏好的再质押代币，与 EigenLayer、StakeStone、Renzo、Babylon、Ankr 等行业头部项目合作，Mind Network 通过再质押代币将来自以太坊和比特币等一流网络的安全带给用户。Mind Network 与战略合作伙伴如 Chainlink CCIP 和 Connext 合作，提供跨不同网络的远程再质押。广受欢迎的产品 MindSAP（FHE 隐形地址）得到了原生支持，以保护链上和跨链交易的隐私和安全。
FHE 安全层：Mind Network 相信，在 Web3 确保所有权的路径是端到端加密，这对于像 AI 或 DePIN 网络这样的数据密集型网络尤其关键。通稿引入增强 FHE 的验证者，以确保验证和共识计算过程的端到端加密。这种计算完全去中心化，FHE 验证者的所有者可以选择加入不同的网络并获得奖励。通过与模块化 fhEVM 合作伙伴 Fhenix 和 Inco 集成，安全性将进一步提高。
共识层：Mind Network 引入了一种专为 AI 任务设计的新颖的智能证明（POI）共识机制，确保在 FHE 验证者之间公平且安全地分配奖励，为网络内的行为提供一个强大的框架，以安全和透明地执行。此外，Mind Network 正在与 AltLayer、EigenDA 和 Arbitrum Orbit 合作推出一个 rollup 链，进一步提高共识计算的成本效率和性能速度。

上述解决方案不仅在安全性上带来实质的提升，也涵括了最热门的再质押项目，主网上线前最后的测试网活动阶已经热度攀升，在多重奖励激励下，预估主网上线后会带来更大一波关注。

4.3 Mind Network：智能证明

与依赖于解决复杂数学问题或持有一定数量的代币的工作证明（PoW）和权益证明（PoS）不同，智能证明（PoI）利用了机器学习（ML）任务的力量。换句话说，AI 网络中的节点通过执行 ML 任务而非传统方法获得奖励。

然而，为了保护机器学习任务的结果并减轻来自恶意 FHE 验证者的潜在威胁，Mind Network 提出基于 FHE 加密数据计算奖励和达成共识。通过利用 FHE，敏感数据在整个过程中保持加密，确保了机密性和完整性。

在 Mind Network 中，三个集群协调验证者的工作：挖矿集群、验证者集群、共识集群。挖矿集群在模型生成中扮演着关键角色，而验证者则评估这些模型的准确性。这些集群，即挖矿者和验证者，构成了子网的基本组成部分，共同推动网络的功能。相反，共识集群负责在多样化的验证者之间达成共识，确保网络内关键决策的一致，并计算分配给 Mind 子网参与者的奖励。这些集群共同构成了 Mind 验证服务的支柱，加强了网络的基础设施并促进了其运营效率。

4.4 再质押 x AI

AI 项目和系统正在呈指数级增长，AI 计算需求每 3.5 个月就会翻一番。然而，它面临着高度集中的 GPU 资源和治理模型的挑战，以发展主要的 AI 开发，例如模型训练、推理服务。这代表这个行业已经面临瓶颈，不仅是巨大的开销成本，还有伦理和隐私问题。 Mind Network 为 AI 在区块链上的用例做好了准备，提供了以下四个贡献：

贡献 0 ：加密经济的安全至关重要，特别是对于初启动的 AI 网络。Mind Network 引入多样化的再质押代币来消除来自单一生态系统的复合风险。

贡献 1 ：Mind Network 相信 AI 网络的需求和潜力是巨大的，将允许再质押代币持有者在最小化波动风险的同时分享看涨的 AI 代币的上涨空间。

贡献 2 ：AI 模型需要大量的参数来协作更新。Mind Network 引入了一个新的 AI 原生 rollup，具有更快的计算速度和更低的成本，以及一个为 AI 网络设计的创新的智能证明共识机制。

贡献 3 ：如果 AI 参数完全是明文数据，且每个操作者都能看到它。它很容易被相互复制，导致操纵。通过 FHE 的保护，Mind Network 启用匿名评分和投票来保持 AI 的秘密性，但可以公开验证。