Từ "chiếc cốc thánh" đến nền tảng: FHE sẽ định hình lại hệ sinh thái tính toán riêng tư Web3 như thế nào?
Tuyển chọn TechFlowTuyển chọn TechFlow
Từ "chiếc cốc thánh" đến nền tảng: FHE sẽ định hình lại hệ sinh thái tính toán riêng tư Web3 như thế nào?
Công nghệ mã hóa cấp độ thánh杯 FHE, trong bối cảnh AI trở thành tương lai, chắc chắn sẽ trở thành một trong những nền tảng bảo mật, có khả năng được chấp nhận rộng rãi hơn nữa.
Chuyên sâu báo cáo Web3Tôi từng nói trong nhiều bài viết rằng AI Agent sẽ là "cứu cánh" cho vô số câu chuyện cũ trong ngành Crypto. Trong làn sóng phát triển các câu chuyện tự động hóa AI trước đó, TEE từng được đưa lên trung tâm điểm, tuy nhiên còn có một khái niệm công nghệ còn "kém nổi" hơn cả TEE hay ZKP – FHE (mã hóa đồng dạng toàn phần) – cũng sẽ nhờ đà bứt phá của lĩnh vực AI mà được "hồi sinh". Dưới đây, tôi sẽ phân tích logic này thông qua một vài ví dụ:
FHE là một kỹ thuật mật mã học cho phép thực hiện tính toán trực tiếp trên dữ liệu đã mã hóa, được xem là "Holy Grail", nhưng lại nằm ở vị trí tương đối hẻo lánh so với các công nghệ nổi bật như ZKP hay TEE, chủ yếu do bị giới hạn bởi chi phí và các trường hợp ứng dụng.
Mind Network chính là dự án tập trung vào cơ sở hạ tầng FHE, và đã ra mắt chuỗi FHE chuyên biệt cho AI Agent – MindChain. Dù đã gọi vốn thành công hàng chục triệu USD và trải qua nhiều năm nghiên cứu công nghệ, nhưng do bản thân FHE còn hạn chế, mức độ quan tâm từ thị trường vẫn còn thấp.
Gần đây, Mind Network lại liên tục tung ra những tin tức tích cực xoay quanh ứng dụng AI: chẳng hạn, SDK Rust FHE do họ phát triển đã được tích hợp vào mô hình mã nguồn mở lớn DeepSeek, trở thành mắt xích then chốt trong quy trình huấn luyện AI, tạo nền tảng an toàn cho việc hiện thực hóa AI đáng tin cậy (Trusted AI). Vậy tại sao FHE lại có thể phát huy vai trò trong điện toán riêng tư AI? Liệu nó có thể tận dụng câu chuyện AI Agent để vượt mặt hay thậm chí "cứu rỗi" chính mình?
Đơn giản mà nói: FHE (mã hóa đồng dạng toàn phần) là một kỹ thuật mật mã có thể áp dụng trực tiếp lên kiến trúc blockchain hiện tại, cho phép thực hiện mọi phép tính như cộng, nhân... trực tiếp trên dữ liệu đã mã hóa, mà không cần giải mã trước.
Nói cách khác, việc ứng dụng FHE giúp dữ liệu duy trì trạng thái mã hóa xuyên suốt từ đầu vào đến đầu ra; ngay cả các nút tham gia xác thực theo cơ chế đồng thuận công khai cũng không thể truy cập dữ liệu gốc. Điều này khiến FHE có thể trở thành nền tảng kỹ thuật hỗ trợ các mô hình LLM-AI trong các lĩnh vực chuyên biệt như y tế, tài chính.
FHE vì thế trở thành một giải pháp "ưu tiên" khi muốn mở rộng các trường hợp ứng dụng chuyên sâu cho mô hình AI truyền thống, đồng thời kết hợp với kiến trúc phân tán của blockchain. Dù là hợp tác dữ liệu y tế giữa các tổ chức, hay suy luận riêng tư trong giao dịch tài chính, FHE đều có thể đóng vai trò bổ trợ nhờ đặc điểm độc đáo của mình.
Điều này không hề trừu tượng, hãy lấy một ví dụ đơn giản: giả sử AI Agent là ứng dụng hướng tới người dùng cuối (C端), backend thường kết nối với các mô hình AI lớn từ nhiều nhà cung cấp như DeepSeek, Claude, OpenAI... Nhưng làm thế nào để đảm bảo rằng trong các ứng dụng tài chính nhạy cảm cao, quá trình thực thi của AI Agent không bị ảnh hưởng bởi sự thay đổi đột ngột các quy tắc từ backend mô hình? Rõ ràng, cần phải mã hóa Prompt đầu vào. Khi nhà cung cấp LLM xử lý trực tiếp dữ liệu mã hóa, sẽ không còn khả năng can thiệp ép buộc làm sai lệch tính công bằng.
Vậy còn khái niệm "AI đáng tin cậy (Trusted AI)" kia thì sao? Trusted AI là tầm nhìn về một hệ sinh thái AI phi tập trung dựa trên FHE mà Mind Network đang xây dựng, bao gồm việc cho phép nhiều bên cùng tham gia huấn luyện và suy luận mô hình hiệu quả thông qua sức mạnh tính toán GPU phân tán, không phụ thuộc vào máy chủ trung tâm, cung cấp cơ chế xác thực đồng thuận dựa trên FHE cho AI Agent. Thiết kế này loại bỏ những hạn chế vốn có của AI tập trung, mang lại cho AI Agent trên web3 sự bảo vệ kép về quyền riêng tư và tính tự chủ trong kiến trúc phân tán.
Điều này càng phù hợp với định hướng kể chuyện của chính Mind Network về một kiến trúc công chuỗi phân tán. Ví dụ, trong các giao dịch đặc biệt trên chuỗi, FHE có thể bảo vệ quá trình suy luận riêng tư và thực thi dữ liệu Oracle của các bên, cho phép AI Agent tự quyết định giao dịch mà không cần tiết lộ vị thế hay chiến lược.
Vậy tại sao nói FHE sẽ có con đường thâm nhập ngành giống như TEE, và tận dụng được cơ hội bùng nổ từ các ứng dụng AI?
Trước đây, TEE nắm bắt được cơ hội từ AI Agent nhờ môi trường phần cứng TEE cho phép lưu trữ dữ liệu trong trạng thái riêng tư, từ đó giúp AI Agent tự quản khóa riêng, tạo nên câu chuyện mới mẻ về việc AI Agent tự chủ quản lý tài sản. Tuy nhiên, việc TEE lưu giữ khóa riêng có một điểm yếu cố hữu: niềm tin phải đặt vào bên cung cấp phần cứng thứ ba (ví dụ: Intel). Để TEE hoạt động hiệu quả, cần một kiến trúc chuỗi phân tán để bổ sung thêm lớp "đồng thuận" công khai minh bạch cho môi trường TEES. Ngược lại, FHE hoàn toàn có thể tồn tại trên kiến trúc chuỗi phi tập trung mà không cần bất kỳ bên thứ ba nào.
FHE và TEE có vị trí sinh thái tương tự nhau. Đừng thấy TEE hiện chưa phổ biến trong hệ sinh thái web3, nhưng trong lĩnh vực web2 nó đã là công nghệ rất trưởng thành. Tương tự, FHE cũng sẽ dần tìm được giá trị tồn tại trong cả web2 và web3 dưới làn sóng bùng nổ xu hướng AI lần này.
Trên đây.
Tóm lại, có thể thấy công nghệ mã hóa đẳng cấp "Chén Thánh" như FHE, trong bối cảnh AI trở thành tương lai, chắc chắn sẽ trở thành một trong những nền tảng an ninh thiết yếu, có tiềm năng được áp dụng rộng rãi hơn.
Tất nhiên, dù vậy cũng không thể né tránh vấn đề chi phí cao trong việc triển khai thuật toán FHE. Nếu nó có thể được ứng dụng hiệu quả trong các kịch bản AI web2, sau đó kết nối với các kịch bản AI web3, ắt hẳn sẽ tạo ra hiệu ứng "quy mô hóa" ngoài dự kiến, làm giảm chi phí tổng thể và thúc đẩy việc phổ cập rộng rãi hơn.
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
Haotian | CryptoInsight
