Phân tích chuyên sâu赛道 FHE - Mã hóa đồng dạng toàn phần: FHE là công nghệ bảo vệ quyền riêng tư lý tưởng
Tuyển chọn TechFlowTuyển chọn TechFlow
Phân tích chuyên sâu赛道 FHE - Mã hóa đồng dạng toàn phần: FHE là công nghệ bảo vệ quyền riêng tư lý tưởng
Phần lớn các dự án FHE sẽ lên mainnet từ năm nay đến quý 1 năm sau.
Chuyên sâu báo cáo Web3Tác giả: Maggie @ Foresight Ventures
TLDR:
-
FHE – Mã hóa toàn đồng hình là công nghệ bảo vệ quyền riêng tư thế hệ tiếp theo đang trỗi dậy, xứng đáng để chúng ta đầu tư. FHE sở hữu khả năng bảo mật lý tưởng nhưng hiệu suất hiện tại vẫn còn khoảng cách. Chúng tôi tin rằng với sự tham gia của vốn Crypto, tốc độ phát triển và trưởng thành của công nghệ sẽ được đẩy nhanh mạnh mẽ, giống như sự bùng nổ gần đây của ZK.
-
Mã hóa toàn đồng hình trong Web3 có thể được dùng cho bảo mật giao dịch, bảo mật AI và bộ xử lý phụ hỗ trợ bảo mật. Trong đó, tôi đặc biệt đánh giá cao EVM bảo mật, vì nó linh hoạt hơn các giải pháp hiện tại như chữ ký vòng, dịch vụ trộn tiền (mixer) hay ZK, và phù hợp hơn với EVM.
-
Chúng tôi đã khảo sát một số dự án FHE tiêu biểu hiện nay, phần lớn đều lên mainnet từ năm nay đến quý 1 năm sau. Trong số này, ZAMA có công nghệ mạnh nhất nhưng chưa thông báo kế hoạch phát hành token. Ngoài ra, chúng tôi nhận định Fhenix là dự án FHE xuất sắc nhất.
I. FHE là công nghệ bảo vệ quyền riêng tư lý tưởng
1.1 Tác dụng của FHE
Mã hóa toàn đồng hình (FHE) là một dạng mã hóa, cho phép thực hiện vô số phép toán cộng và nhân trên dữ liệu mã hóa mà kết quả vẫn ở dạng mã hóa; khi giải mã, kết quả thu được giống hệt như khi thực hiện cùng phép toán trên dữ liệu gốc. Như vậy đạt được mục tiêu “tính toán được nhưng không nhìn thấy”.
FHE đặc biệt phù hợp với tính toán thuê ngoài – bạn có thể giao dữ liệu cho bên thứ ba xử lý mà không lo rò rỉ thông tin.
Giải thích đơn giản: Giả sử bạn điều hành một công ty với dữ liệu cực kỳ giá trị, muốn tận dụng dịch vụ điện toán đám mây mạnh mẽ nhưng lo ngại về việc rò rỉ dữ liệu. Khi đó bạn có thể:
-
Mã hóa toàn bộ dữ liệu sang dạng mật văn trước khi tải lên máy chủ đám mây. Ví dụ, hai con số 5 và 10 trong hình minh họa sẽ được mã hóa thành "X", "YZ".
-
Khi cần tính toán, ví dụ cộng 5 và 10, bạn chỉ cần yêu cầu máy chủ đám mây thực hiện phép toán tương ứng trên các mật văn "X", "YZ" theo quy tắc thuật toán, kết quả là một mật văn mới "PDQ".
-
Sau khi tải xuống mật văn "PDQ", bạn giải mã nó để lấy dữ liệu gốc. Kết quả giải mã chính xác là kết quả của 5 + 10.
Dữ liệu gốc chỉ tồn tại tại phía bạn, còn tất cả dữ liệu lưu trữ và xử lý trên máy chủ đám mây đều là dạng mã hóa. Do đó, bạn hoàn toàn yên tâm về nguy cơ rò rỉ dữ liệu. Đây là phương pháp bảo vệ quyền riêng tư lý tưởng.
-
Mã hóa bán đồng hình (Partially Homomorphic Encryption): Dễ xây dựng và thực tiễn hơn. Chỉ hỗ trợ một loại phép toán đồng hình, ví dụ: cộng hoặc nhân.
-
Mã hóa gần đồng hình (Somewhat Homomorphic Encryption): Cho phép thực hiện cả cộng và nhân trên dữ liệu mã hóa, nhưng giới hạn số lần.
-
Mã hóa toàn đồng hình cấp độ hữu hạn (Leveled Fully Homomorphic Encryption): Hỗ trợ tổ hợp tùy ý các phép cộng và nhân mà không giới hạn số lần, nhưng bị ràng buộc bởi giới hạn phức tạp về độ phức tạp hàm.
-
Mã hóa toàn đồng hình (Fully Homomorphic Encryption): Hỗ trợ vô hạn phép cộng và nhân, không giới hạn về độ phức tạp hay số lần thực hiện.
FHE là dạng khó nhất và lý tưởng nhất, được mệnh danh là “chiếc chén thánh của mật mã học”.
1.2 Lịch sử phát triển
Lịch sử phát triển lâu dài của FHE:
-
Năm 1978: Khái niệm mã hóa toàn đồng hình được đề xuất.
-
Năm 2009 (thế hệ 1): Giải pháp FHE đầu tiên được công bố.
-
Năm 2011 (thế hệ 2): Giải pháp FHE dựa trên số nguyên được đề xuất. Đơn giản hơn nhưng hiệu suất chưa cải thiện.
-
Năm 2013 (thế hệ 3): Công nghệ GSW tạo ra FHE được đề xuất, hiệu suất cao hơn và an toàn hơn. Công nghệ này được cải tiến thêm thành FHEW và TFHE, nâng cao hiệu suất.
-
Năm 2016 (thế hệ 4): Sơ đồ mã hóa gần đồng hình CKKS được đề xuất, hiệu quả nhất để xấp xỉ đa thức, rất phù hợp cho ứng dụng học máy bảo mật.
Các thư viện mã hóa đồng hình phổ biến hiện nay chủ yếu hỗ trợ thuật toán thế hệ 3 và 4. Với sự đổ bộ của vốn, nhiều đột phá về thuật toán, tối ưu kỹ thuật, thân thiện với Blockchain và tăng tốc bằng phần cứng sẽ dễ dàng xảy ra.
1.3 Hiệu suất và tính khả dụng hiện tại
Các thư viện mã hóa đồng hình phổ biến:
Hiệu suất ZAMA TFHE:
Ví dụ: ZAMA TFHE mất khoảng 200ms để thực hiện phép cộng/trừ 256 bit. Trong khi phép toán trên dữ liệu rõ chỉ mất vài chục đến vài trăm nanosecond. Như vậy, FHE chậm hơn khoảng 10^6 lần so với tính toán thông thường. Một số thao tác đã được tối ưu có thể chỉ chậm hơn khoảng 1000 lần. Tất nhiên, so sánh trực tiếp giữa tính toán mã hóa và rõ là không công bằng. Bảo mật luôn đi kèm chi phí, nhất là với FHE – một công nghệ bảo mật lý tưởng.
ZAMA dự định nâng cao hiệu suất bằng cách nghiên cứu phần cứng dành riêng cho FHE.
1.4 Các hướng nghiên cứu công nghệ FHE+Web3
Web3 mang tính phi tập trung, do đó việc kết hợp FHE với Web3 còn nhiều vấn đề kỹ thuật cần nghiên cứu, ví dụ như:
-
Các sơ đồ, trình biên dịch, thư viện FHE sáng tạo giúp FHE dễ dùng hơn, nhanh hơn và phù hợp hơn với blockchain.
-
Phần cứng FHE để tăng hiệu suất tính toán.
-
FHE + ZKP: Dùng FHE để tính toán riêng tư, đồng thời dùng ZK để chứng minh đầu vào/ra thỏa mãn điều kiện hoặc chứng minh FHE được thực thi đúng.
-
Ngăn chặn hành vi xấu của các nút tính toán, có thể kết hợp với restaking trên EigenLayer.
-
Sơ đồ giải mã MPC: Trạng thái chia sẻ đã được mã hóa, khóa thường được phân mảnh bằng MPC, cần giao thức giải mã ngưỡng an toàn và hiệu suất cao.
-
Lớp lưu trữ dữ liệu (DA layer): Cần lớp DA có thông lượng cao hơn, Celestia hiện tại chưa đáp ứng được.
Tóm lại, chúng tôi tin rằng mã hóa toàn đồng hình (FHE) là công nghệ bảo vệ quyền riêng tư thế hệ tiếp theo sắp nổi lên. FHE sở hữu khả năng bảo mật lý tưởng nhưng hiệu suất vẫn còn khoảng cách. Chúng tôi tin rằng với sự tham gia của vốn Crypto, công nghệ sẽ phát triển và trưởng thành nhanh chóng, tương tự như sự bùng nổ của ZK trong những năm gần đây. Lĩnh vực FHE xứng đáng để chúng ta đầu tư.
II. FHE trong Web3 phục vụ nhiều tình huống bảo mật, trong đó tôi đặc biệt đánh giá cao EVM bảo mật
FHE thuộc lĩnh vực bảo vệ quyền riêng tư, nói đơn giản gồm: «Bảo mật giao dịch» + «Bảo mật AI» + «Bộ xử lý phụ bảo mật».
-
Bảo mật giao dịch bao gồm DeFi bảo mật, bỏ phiếu, đấu giá, chống MEV, v.v.
-
Bảo mật AI bao gồm định danh phi tập trung, cũng như bảo mật mô hình và dữ liệu AI khác.
-
Bộ xử lý phụ bảo mật thực hiện các thao tác mã hóa toàn đồng hình bên ngoài chuỗi, sau đó trả kết quả về chuỗi, có thể dùng cho các trò chơi Trustless, v.v.
Tất nhiên, có nhiều công nghệ bảo mật, so sánh sẽ giúp bạn hiểu rõ tính đặc biệt của FHE.
-
TEE rất nhanh, dữ liệu trong phần cứng đáng tin cậy được xử lý dưới dạng rõ nên tốc độ rất cao. Nhưng nó phụ thuộc vào phần cứng an toàn, thực chất là tin tưởng nhà sản xuất, chứ không phải thuật toán – mô hình tin cậy này mang tính tập trung. Hơn nữa, một số xác minh tính toán TEE cần kết nối mạng để kiểm tra từ xa với nhà sản xuất. Điều này không phù hợp với tích hợp blockchain, nơi yêu cầu xác minh chuỗi phải hoàn toàn độc lập dựa trên dữ liệu lịch sử chuỗi, không phụ thuộc vào bất kỳ tổ chức trung tâm nào.
-
MPC (Tính toán đa phương an toàn) là công nghệ tính toán riêng tư giữa nhiều bên. Nhưng công nghệ này thường yêu cầu nhiều bên phải trực tuyến liên tục và tương tác thường xuyên, thường không phù hợp với môi trường bất đồng bộ như blockchain. MPC thường được dùng để quản lý khóa phân tán – trong ví MPC, khóa riêng không bao giờ tồn tại đầy đủ ở bất kỳ đâu. Thay vào đó, nó được chia thành nhiều mảnh, lưu trữ trên các thiết bị hoặc nút khác nhau. Chỉ khi cần ký giao dịch, các mảnh mới cùng tham gia tính toán để tạo chữ ký.
-
ZK (Chứng minh không kiến thức) thường dùng để chứng minh tính đúng đắn của quá trình tính toán, ít dùng để bảo mật dữ liệu. ZK và công nghệ đồng hình cũng gắn bó chặt chẽ, phần bảo mật trong ZK cũng sử dụng công nghệ đồng hình.
-
FHE trong suốt quá trình tính toán trên dữ liệu mã hóa không cần trao đổi dữ liệu trung gian, có thể thực hiện hoàn toàn trên máy chủ/nút. Vì vậy, không yêu cầu các bên phải trực tuyến như MPC, phù hợp hơn với blockchain. Đồng thời, FHE là Trustless so với TEE. Điểm yếu duy nhất là hiệu suất chưa cao.
Do đó, chỉ cần FHE từng bước cải thiện hiệu suất, khả năng bảo mật của nó sẽ phù hợp hơn với Web3.
Đồng thời, trong bảo mật giao dịch, FHE cũng phù hợp hơn với EVM vì:
-
Chữ ký vòng và công nghệ trộn tiền không hỗ trợ hợp đồng thông minh.
-
Các dự án bảo mật ZK như Aleo sử dụng mô hình dữ liệu riêng tư kiểu UTXO, khác với mô hình tài khoản của EVM.
-
FHE vừa hỗ trợ hợp đồng thông minh, vừa hỗ trợ mô hình tài khoản, dễ dàng tích hợp vào EVM.
Xét về tổng thể, EVM bảo mật bằng FHE thực sự hấp dẫn.
Tính toán AI vốn đã tốn nhiều tài nguyên, nếu chồng thêm FHE – một cơ chế mã hóa phức tạp – thì hiện tại hiệu suất có thể quá thấp và chi phí quá cao. Theo tôi, bảo mật AI cuối cùng sẽ là một giải pháp lai ghép TEE/MPC/ZK/mã hóa bán đồng hình.
Tóm lại, FHE trong Web3 có thể dùng cho bảo mật giao dịch, bảo mật AI và bộ xử lý phụ bảo mật. Trong đó tôi đặc biệt đánh giá cao EVM bảo mật, vì nó linh hoạt hơn các công nghệ hiện tại như chữ ký vòng, mixer hay ZK, và phù hợp hơn với EVM.
III. Phần lớn dự án FHE sẽ lên mainnet từ năm nay đến quý 1 năm sau, chúng tôi nhận định Fhenix là dự án FHE xuất sắc nhất sau ZAMA
Chúng tôi đã khảo sát các dự án mã hóa toàn đồng hình nổi bật hiện nay, thông tin tóm tắt như sau:
3.1 ZAMA (Công cụ)
-
Định hướng: Cung cấp mã hóa toàn đồng hình cho blockchain và AI
-
Công cụ: TFHE-rs, triển khai TFHE bằng Rust
-
Công cụ: Concrete, trình biên dịch cho TFHE
-
Sản phẩm: Concrete ML, học máy bảo mật
-
Sản phẩm: fhEVM, hợp đồng thông minh bảo mật
-
Đội ngũ: CTO Pascal Paillier – nhà mật mã học nổi tiếng
-
CTO & đồng sáng lập: Pascal Paillier, tiến sĩ tại Telecom ParisTech năm 1999, phát minh hệ thống mật mã Paillier năm 1999, bắt đầu công bố các bài báo về mã hóa đồng hình từ năm 2013, là một trong những chuyên gia hàng đầu về FHE.
-
CEO & đồng sáng lập: Rand Hindi, tốt nghiệp tiến sĩ Bioinformatics tại UCL năm 2011, từng làm các dự án khoa học dữ liệu, đồng thời đảm nhiệm vai trò cố vấn cho nhiều dự án khác khi vận hành ZAMA.
-
Huy động vốn: Trong 4 năm, tổng cộng huy động hơn 82 triệu USD, vòng A gần nhất huy động 73 triệu, do Multicoin Capital và Protocol Labs dẫn dắt.
-
Ngày 26/9/2023, vòng hạt giống 7 triệu USD, do Multicoin Capital dẫn dắt, Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC và Metaplanet tham gia.
3.2 Fhenix (EVM + AI)
-
Định hướng: Bộ xử lý phụ FHE / L2 Rollup FHE (L2 riêng tư tương thích EVM)
-
Sản phẩm: Rollup hỗ trợ FHE, là hợp đồng thông minh bí mật tương thích EVM. Nhà phát triển dùng Solidity để xây Dapp, đồng thời đảm bảo riêng tư dữ liệu.
-
Sản phẩm: FHE coprocessor, nhiệm vụ tính toán mã hóa được chuyển từ chuỗi chính (Ethereum, L2 hay L3) xuống off-chain. Chúng极大地提高基于 FHE 操作的效率。
-
Hợp tác: Làm việc với ZAMA, sử dụng fhEVM của ZAMA, trên GitHub là fork thư viện của ZAMA.
-
Hợp tác: Làm việc với EigenLayer, các nút Rollup cần restake trên EigenLayer.
-
Đội ngũ: Guy Itzhaki từng có hơn 7 năm kinh nghiệm tại Intel, giữ chức Giám đốc Phát triển Kinh doanh Mã hóa Đồng hình và Blockchain.
-
Sáng lập viên: Guy Zyskind, ứng viên tiến sĩ MIT, tốt nghiệp thạc sĩ MIT năm 2016. Tham gia phát triển giao thức Enigma tại MIT, có năng lực nghiên cứu phát triển mạnh mẽ.
-
CEO: Guy Itzhaki từng có 7 năm kinh nghiệm tại Intel, có nền tảng vững chắc trong lĩnh vực bảo mật, từng giữ chức Giám đốc Phát triển Kinh doanh Mã hóa Đồng hình và Blockchain tại Intel.
-
Prof. Chris Peikert, nhà mật mã học về mã hóa toàn đồng hình, trưởng nhóm mật mã của Algorand.
-
Huy động vốn: Trong 1 năm, vòng A gần nhất huy động 15 triệu USD, do Hack VC dẫn dắt, Foresight Ventures và các tổ chức khác tham gia.
-
Tháng 5/2024, vòng A huy động 15 triệu USD, do Hack VC dẫn dắt, Foresight Ventures và các tổ chức khác tham gia.
-
Ngày 26/9/2023, vòng hạt giống 7 triệu USD, do Multicoin Capital dẫn dắt, Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC và Metaplanet tham gia.
-
Lộ trình: Ra mắt testnet Q2/2024, lên mainnet Q1/2025.
-
Q2/2024: Ra mắt mạng threshold.
-
Q3/2024: FHE Co-processor V0.
-
Q1/2025: Mainnet.
-
Q3/2025: FHE Co-processor V1.
3.3 Inco (EVM)
-
Định hướng: Lớp tính toán riêng tư mô-đun / hỗ trợ các chuỗi EVM
-
Sản phẩm: Rollup hỗ trợ FHE, là hợp đồng thông minh bí mật tương thích EVM. Nhà phát triển dùng Solidity để xây Dapp, đồng thời đảm bảo riêng tư dữ liệu.
-
Hợp tác: Làm việc với ZAMA, sử dụng fhEVM của ZAMA.
-
Đội ngũ: Sáng lập viên Remi Ga, từng là kỹ sư phần mềm ngắn hạn tại Microsoft và Google, có kinh nghiệm làm dự án DeFi Parallel Finance.
-
Sáng lập viên: Remi Gai, từng làm kỹ sư phần mềm tại Microsoft và Google mỗi nơi 6–9 tháng trước năm 2022, sau đó làm dự án DeFi Parallel Finance.
-
Kỹ sư trưởng: Amaury A, là nhà phát triển lõi của Cosmos.
-
Huy động vốn: Vòng hạt giống gần nhất huy động 4,5 triệu USD, do 1kx dẫn dắt.
-
Tháng 2/2024, Inco Network hoàn tất vòng hạt giống 4,5 triệu USD, do 1kx dẫn dắt, Circle Ventures, Robot Ventures, Portal VC, Alliance DAO, Big Brain Holdings, Symbolic, GSR, Polygon Ventures, Daedalus, Matter Labs và Fenbushi tham gia.
-
Tiến độ: Ra mắt testnet tháng 3/2024, mainnet Q4/2024.
-
Tháng 3/2024: Ra mắt testnet chứa fhEVM. Hiện có các ví dụ như ERC-20 bảo mật, bỏ phiếu bí mật, đấu giá mù, DID riêng tư.
-
Q2–Q3/2024: Ra mắt testnet chứa fhEVM.
-
Q4/2024: Lên mainnet.
-
Kế hoạch năm 2025: Tăng tốc phần cứng FPGA, mong muốn đạt TPS 100–1000.
3.4 Mind Network (AI & DePIN)
-
Định hướng: Bảo mật dữ liệu và tính toán riêng tư. Dữ liệu và mô hình AI và DePIN.
-
Sản phẩm: Năm 2023 định hướng là hồ dữ liệu riêng tư – lưu trữ và tính toán dữ liệu bảo mật. Năm nay điều chỉnh sang bảo mật dữ liệu và mô hình cho AI và DePIN.
-
Hợp tác: Làm việc với ZAMA, sử dụng thư viện FHE của ZAMA.
-
Hợp tác: Làm việc với Fhenix, Inco, sử dụng fhEVM để làm Rollup.
-
Hợp tác: Làm việc với Arweave, lưu trữ dữ liệu đã mã hóa.
-
Hợp tác: Làm việc với EigenLayer, Babylon, các nút dịch vụ thực hiện restaking. Tham khảo: https://mindnetwork.medium.com/fhe-secured-restaking-layer-scaling-security-for-ai-depin-networks-73d5c6e5dda3
-
Đội ngũ: CTO George từng là nghiên cứu viên Đại học Cambridge.
-
Đồng sáng lập & CTO: George từng là nghiên cứu viên Đại học Cambridge, từng làm giám đốc kỹ thuật ngân hàng đa quốc gia, có nhiều năm kinh nghiệm trong lĩnh vực fintech Internet.
-
Huy động vốn: Trong 2 năm, vòng hạt giống huy động 2,5 triệu USD, được Binance Labs ươm tạo.
-
Ngày 20/6/2023, vòng hạt giống 2,5 triệu USD, do Binance Labs dẫn dắt, HashKey, SevenX tham gia.
-
Lộ trình: Đã lên testnet, hiện có chức năng restake. Các lộ trình khác chưa công bố.
3.5 Privasea (AI & DePIN)
-
Định hướng: Tính toán riêng tư cho AI và DePIN.
-
Sản phẩm: Dùng FHE để huấn luyện mô hình ML. Tối ưu cổng Boolean của TFHE.
-
Sản phẩm: FaceID, nhận diện khuôn mặt bảo mật. Dùng để chống Sybil và KYC.
-
Hợp tác: Tích hợp BNB Greenfield để lưu trữ dữ liệu mã hóa.
-
Đội ngũ: CTO Zhuan Cheng, tiến sĩ Toán Đại học Chicago, giàu kinh nghiệm nghiên cứu phát triển mật mã.
-
CEO: David Jiao, từng huy động 20 triệu USD cho dự án AI, 4 triệu USD cho dự án blockchain.
-
CTO Zhuan Cheng, tiến sĩ Toán Đại học Chicago, giàu kinh nghiệm R&D mật mã, từng làm dự án bảo mật ZK NuLink.
-
Huy động vốn: Trong 1 năm, vòng hạt giống huy động 5 triệu USD, được Binance Labs ươm tạo.
-
Tháng 3/2024, vòng hạt giống 5 triệu USD, được Binance Labs ươm tạo, MH Ventures, K300, Gate Labs, 1NVST tham gia.
-
Lộ trình: Ra mắt testnet V2 tháng 4/2024, mainnet Q3/2024.
-
Tháng 1/2024: Testnet V1.
-
Tháng 4/2024: Testnet V2.
-
Q3/2024: TGE.
3.6 Optalysys (Công cụ)
Định hướng: Phần cứng mã hóa đồng hình.
Từ thông tin trên có thể thấy, ZAMA cung cấp thư viện mã nguồn mở FHE cốt lõi cho các dự án này, hiện là người tiên phong và mạnh nhất về công nghệ. Tuy nhiên, ZAMA hiện chưa công bố kế hoạch phát hành token, do đó chúng tôi tập trung vào Fhenix.
Fhenix sẽ hiện thực hóa EVM bảo mật, cho phép hợp đồng thông minh riêng tư. Họ dự định xây dựng Fhenix L2 – một EVM riêng tư toàn phần bằng FHE, cung cấp giao dịch và DeFi bảo mật. L2 này còn có mạng threshold để thực hiện các thao tác mã hóa/giải mã; đồng thời, Fhenix sẽ xây dựng FHE co-processor – một mạng tính toán FHE, có thể phục vụ các chuỗi EVM khác ngoài Fhenix, cung cấp dịch vụ tính toán FHE.
Đội ngũ Fhenix có năng lực kỹ thuật mạnh, bao gồm chuyên gia về tính toán riêng tư từ Intel, ứng viên tiến sĩ MIT từng tham gia phát triển giao thức Enigma, và trưởng nhóm mật mã của Algorand.
Tóm lại, chúng tôi tin rằng các dự án mã hóa toàn đồng hình như ZAMA, Fhenix sẽ mang lại các công cụ bảo vệ quyền riêng tư lý tưởng cho blockchain.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
Foresight Ventures
