Mind Network이 ZAMA 창립자 랜드 힌디와 나눈 독점 대화: HTTPZ, 완전동형암호 시대를 구축하다
6월 17일 밤, Mind Network는 오픈소스 암호학 기업 ZAMA의 설립자 랜드 힌디(Rand Hindi)를 초청해 FHE 기술과 응용, 비교 분석 및 탈중앙화 AI에 관한 독점 대담을 진행했습니다. 행사에는 이더리움 재단 펠로우이기도 한 Mind Network 공동 설립자 크리스티안(Christian), 메이슨(Mason), 연구 책임자 애슐리(Ashely)도 함께 참여했습니다.
Zama는 힌디와 유명한 암호학자이자 전형적 동형 암호(FHE) 기술의 창시자 중 한 명인 파스칼 페야르(Pascal Paillier)가 2020년 초 공동 설립한 오픈소스 암호학 회사입니다. 최근에는 7300만 달러 규모의 시리즈 A 펀딩을 완료하기도 했습니다.
Mind Network는 AI 및 POS 네트워크를 위한 최초의 전형적 동형 암호(FHE) 재스테이킹 레이어입니다. ETH, BTC, AI 블루칩으로부터 스테이킹된 토큰을 받아 FHE 검증 네트워크로 운영되며, 탈중앙화 AI, DePIN, EigenLayer, Symbiotic AVS 및 다수의 핵심 POS 네트워크에 컨센서스, 데이터 및 암호경제 보안을 제공합니다.
AMA 리뷰 링크:https://x.com/mindnetwork_xyz/status/1802725269867757743
FHE AI 네트워크: FHE 기술을 활용한 탈중앙화 AI 네트워크로, 더욱 안전한 컨센서스와 더욱 프라이버시 보장된 AI 데이터를 제공합니다.
HTTPZ: 전형적 동형 암호 인터넷으로, FHE를 통해 엔드투엔드 전체 암호화를 실현하여 데이터 전송 및 처리 과정에서 항상 암호화 상태를 유지합니다.
현재 Web2 AI 프레임워크에서 개선이 필요한 문제는 무엇입니까?
Rand:
중심화된 AI의 주요 문제는 두 가지입니다.
계산의 무결성과 정확성: 중심화된 AI 시스템에서는 계산의 무결성과 정확성이 의심될 수 있습니다. 즉, 계산 과정과 모델 파라미터가 투명하지 않기 때문에 결과를 완전히 신뢰할 수 없습니다.
기밀성과 프라이버시: 개인 데이터 프라이버시 문제가 특히 두드러집니다. 예를 들어 소프트웨어 사용 시 조작 기록이 기업에 노출되어 기업 자체가 프라이버시와 데이터의 단일 장애 지점(single point of failure)이 됩니다. 공격자는 하나의 목표만 공격해도 모든 정보를 얻을 수 있습니다.
탈중앙화의 장점은 공개 검증과 데이터 보안에 있습니다. 결과를 신뢰할 수 없다면 스스로 검증할 수 있기 때문입니다. 이는 특히 민감한 상황에서 중요한데, 블록체인의 탈중앙화 특성 덕분에 단일 장애 지점이 없으며 공격자가 단일 목표를 공격해 모든 정보를 얻는 것도 불가능합니다.
블록체인은 AI의 계산 무결성 문제를 해결할 수 있고, 전형적 동형 암호(FHE)는 AI의 데이터 프라이버시 문제를 해결할 수 있으며, 이것이 바로 저희가 Mind Network와 협력하는 방향 중 하나입니다. 따라서 탈중앙화 암호화 AI는 미래의 발전 방향이 될 것입니다.
FHE, ZK, MPC의 차이점
Rand:
암호학에서는 특히 프라이버시 분야에서 FHE, ZK, MPC 등 다양한 기술이 널리 사용되고 있습니다.
- 제로 날란 증명(ZK): ZK은 매우 흥미로운 기술이지만, 한 가지 제약은 암호화 상태에서 다른 기술과 결합하거나 암호화된 결과를 계산할 수 없다는 점입니다. 구체적인 값을 공개하지 않으면서도 특정 계산을 수행했음을 증명하는 것만 가능합니다. 블록체인에서는 여러 스마트계약 또는 사용자 간의 상호 운용성을 실현할 수 없습니다. 증명을 제공하는 사람이 반드시 평문 환경에서 계산을 수행해야 하므로 모든 데이터를 획득하게 되며, 이는 사실상 문제를 해결하지 못합니다. 다만 확장성 측면에서는 여전히 우수한 성능을 보여주며, 예를 들어 zkRollup이 있습니다.
- 다자간 안전 계산(MPC): MPC는 하나의 기술이라기보다 일반적인 용어입니다. 다수의 당사자 사이에서 어떻게 안전하게 계산을 수행할 수 있는지를 다루며, 이를 실현하기 위한 다양한 기술이 존재합니다.
- 전형적 동형 암호(FHE): FHE는 데이터를 복호화하지 않고도 암호화된 데이터 위에서 직접 계산을 수행할 수 있게 해줍니다. 이를 통해 데이터 프라이버시를 보호하면서도 계산의 정확성과 무결성을 보장할 수 있습니다.
이러한 기술들을 결합하면 더 고급의 프라이버시 보호를 실현할 수 있습니다. 예를 들어 Zama가 개발 중인 FHEVM과 암호화된 스마트계약은 FHE를 이용해 계산과 데이터 암호화를 수행하고, MPC를 활용해 데이터를 분산시키고 선택적 복호화를 실현함으로써 다수 사용자가 참여하는 환경에서 데이터 프라이버시를 보호합니다.
Mason:
Rand는 전형적 동형 암호(FHE), 제로 날란 증명(ZK), 다자간 계산(MPC), 그리고 탈중앙화 AI가 Web2에서 해결되지 않은 보안 및 프라이버시 문제를 어떻게 해결할 수 있는지 잘 설명해주셨습니다. 추가로 말씀드리면, FHE는 데이터 프라이버시 문제뿐만 아니라 탈중앙 네트워크의 공정성 문제도 해결할 수 있습니다.
FHE는 탈중앙 네트워크의 투표를 암호화 상태에서 계산할 수 있게 하여 컨센서스 계산 과정의 보안성과 결과의 공정성을 보장합니다. 이렇게 함으로써 노드 간에 신뢰가 없더라도 암호화된 계산을 통해 부정행위를 방지할 수 있습니다. 이것은 ZK로는 완전히 실현할 수 없는 부분이며, Rand가 언급했듯이 ZK의 경우 여전히 증명자(prover)를 신뢰해야 합니다. 다수의 사용자가 참여하고 계산 결과에 프라이버시가 요구되는 암호화 응용 시나리오에서는 FHE가 더욱 적합하며, 특히 탈중앙화 AI 네트워크에 그렇습니다.
ZAMA의 Concrete ML 오픈소스 라이브러리는 AI 네트워크의 데이터 암호화에 기반을 제공하고, Mind Network는 FHE 기술을 활용해 탈중앙화 AI 네트워크의 컨센서스 레이어를 지원합니다. 데이터 암호화와 컨센서스 보안이 결합된 형태가 우리가 예측할 수 있는 미래의 AI 네트워크 모습입니다.
Zama 제품 소개
Rand:
저희는 자체 토큰도 없고, 블록체인처럼 운영되지도 않습니다. 저희의 목표는 타인이 탈중앙화 프로토콜을 만들 수 있도록 기술을 구축하는 것입니다. 저희의 주요 라이브러리는 TFHE-rs인데, Rust로 작성된 전형적 동형 암호(FHE) 라이브러리로, Zama에서 제공하는 모든 암호화 알고리즘을 포함하고 있습니다.
또한 FHEVM이라는 암호화된 스마트계약 플랫폼도 개발하고 있으며, 이는 암호화된 데이터 위에서 Solidity 스마트계약을 작성할 수 있게 해줍니다. 또한 Concrete ML도 제공하는데, 이는 Python에서 직접 암호화된 머신러닝 모델을 생성할 수 있게 해줍니다. 개발자는 scikit-learn(오픈소스 머신러닝 라이브러리), PyTorch(오픈소스 딥러닝 프레임워크), NumPy(대규모 다차원 배열 및 행렬 연산을 지원하는 과학 계산 기반 라이브러리)를 사용할 수 있으며, 우리는 이를 자동으로 FHE 프로토콜로 변환해줍니다.
Zama의 주요 목표는 개발자들이 복잡한 암호학 지식을 배우지 않고도 쉽게 FHE 애플리케이션을 구축할 수 있도록 하는 것입니다.
또 다른 핵심 문제는 과거에는 암호화된 계산 결과가 비암호화된 결과와 완전히 일치한다는 것을 보장할 수 없었다는 점입니다. 일부 응용에서는 근사 오차를 허용할 수 있지만, 블록체인 응용, 예를 들어 스마트계약 기반의 수백만 달러 송금 같은 경우에는 거의 맞는 정도가 아니라 완전히 일치해야 합니다.
Zama의 기술인 임계값 FHE(tfhe)는 암호화된 데이터 위에서 계산을 수행하면서도 암호화된 계산 결과가 비암호화된 데이터의 결과와 완전히 동일하다는 것을 보장합니다. 따라서 개발자로서 근사 오차 등의 문제를 더 이상 걱정할 필요가 없습니다.
Mind Network와 ZAMA의 협업 및 아키텍처
Ashely:
탈중앙 AI 네트워크에서 컨센서스 메커니즘은 네트워크 내 노드들이 합의에 도달하도록 보장하는 핵심 요소이며, 이는 일반적으로 두 가지 주요 문제를 해결해야 합니다.
컨센서스 보안성과 공정성: 검증자가 다른 노드로부터 복사하는 행위가 발생할 수 있으며, 이는 독립적인 검증을 수행하지 않음으로써 컨센서스의 무결성을 저해할 수 있습니다.
데이터 프라이버시와 보안: 데이터 및 계산 결과가 탈중앙화된 노드에서 유출되면 컨센서스 과정의 보안에 위협이 됩니다.
컨센서스 과정의 보안성과 무결성을 강화하기 위해 Mind Network는 전형적 동형 암호(FHE) 검증 네트워크를 도입했습니다. 검증자의 데이터를 암호화하여 다른 노드로부터 복사하는 것을 방지하고, 각각 독립적으로 계산을 수행하도록 강제함으로써 표절 행위를 차단하고, 계산의 독립성과 데이터 프라이버시를 강화합니다. 반면 결과 자체도 암호화되기 때문에 키를 가진 사람만 복호화할 수 있으며, 공격자가 저장된 데이터를 확보하더라도 데이터를 복호화할 수 없으므로 조작할 수도 없습니다.
예를 들어 FHE AI 서브넷에서는 다음과 같은 검증 과정이 이루어집니다.
- 모델 검증 및 순위 매기기: 각 노드가 AI 모델을 독립적으로 검증하고 순위를 매깁니다. 데이터가 암호화되어 있으므로 노드는 다른 노드의 계산 결과를 볼 수 없어 독립성이 보장됩니다.
- 합의 도달: 노드들은 FHE를 통해 암호화된 계산을 수행하고, 암호화된 투표 메커니즘을 통해 합의에 도달함으로써 결과의 정확성과 공정성을 보장합니다.
저희와 ZAMA의 협업 가치는: 광범위한 탈중앙화 AI 네트워크에서 FHE는 독립적인 검증을 보장함으로써 가장 가치 있는 모델을 식별할 수 있어 시장이 진정으로 필요로 하는 실제 사례를 제공할 수 있다는 점에 있습니다. 동시에 FHE 계산은 탈중앙화된 노드들 사이에서 데이터의 보안과 프라이버시를 보장합니다.
이는 저희가 ZAMA와 함께 구축 중인 FHE AI 네트워크가 투자 전략 계산, 생물정보 분석 등 더 많은 고부가가치 시나리오를 지원할 수 있음을 의미하며, 데이터와 모델의 소유자가 진정한 소유권과 수익을 갖도록 할 수 있습니다.
FHE AI 네트워크 소개 및 응용
Rand:
Concrete ML은 저희가 가장 인상적인 제품 중 하나입니다.
몇 년 전, 저는 팀에게 말했습니다. "여러분, scikit-learn이나 PyTorch가 아닌 프로그램을 작성해서 FHE 위에서 실행할 수 있을까요?" 그들은 저를 바라보며 거의 불가능하다고 말했습니다. 기본적으로 Python 코드를 FHE와 동등한 형식으로 변환해야 하기 때문이었죠. 하지만 우리는 그것을 해냈습니다.
저희는 특수한 컴파일러를 보유하고 있으며, 이는 Python 코드를 성능과 보안을 최적화한 FHE 연산 회로로 변환합니다. 결과적으로 실제로는 암호화된 데이터를 처리하는 어떤 기계에서도 실행 가능한 실행 파일이 생성됩니다.
여러 가지 일을 할 수 있습니다. Hugging Face 사이트 에서 Concrete ML을 이용한 이미지 처리 데모를 확인할 수 있습니다.
예를 들어 이미지가 있고, 크기를 조정하거나 필터를 적용하거나, 공개하지 않으려는 부분을 흐릿하게 만든다고 가정합시다. 이러한 작업은 실제 이미지 내용을 보지 않고도 직접 수행할 수 있습니다.
다른 예로 의료 데이터가 있는데, 암호화된 의료 기록을 업로드하여 선택한 AI 모델에 따라 자동 진단을 받을 수 있으며, 데이터에 대한 어떠한 정보도 노출하지 않을 수 있습니다.
FHE는 탈중앙화 및 AI 분야에서 혁명적인 기술로, 무한한 가능성을 지니고 있으며, Mind Network와 협력해 더 많은 FHE AI 사용 사례를 탐색할 수 있기를 기대합니다.
Christian: 제가 정리하겠습니다. ZAMA는 FHE 분야에 크게 기여하며 많은 '그냥 사용할 수 있는' 오픈소스 제품을 제공했습니다. 특히 ConcreteML은 AI 데이터 프라이버시와 개발의 용이성을 해결했고, Mind Network의 FHE 검증 네트워크는 탈중앙화 AI 네트워크의 보안성과 공정성을 해결했습니다. FHE 기술과 AI 네트워크의 결합은 미래 AI 네트워크의 예측 가능한 발전 방향이 될 것입니다.
ZAMA와 Mind Network의 협업은 혁명적인 탈중앙화 FHE AI 컴퓨팅 패러다임을 가져올 것이며, 우리의 궁극적 비전인 HTTPZ(완전 암호화 인터넷)를 향해 한 걸음 더 나아갈 것입니다!
양사는 추가 협력을 추진하여 7월 9일 ETH CC 기간 중 'How to Build FHE AI' 워크숍을 개최할 예정입니다.
행사 등록 링크: https://lu.ma/zxmz7vzb
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
@mindnetwork_xyz
