Liệu FHE có xứng đáng nhận được nhiều sự chú ý đến vậy không?

Tôi xin chân thành cảm ơn Keewoo Lee, Michal Zajac, Nam Ngo, Rand Hindi, Roman Walch và Thore Hildebrandt vì những phản hồi hữu ích của họ.

Tóm lại

• FHE đang nhận được sự chú ý ngày càng tăng vì nó hứa hẹn khả năng tính toán tổng quát, có thể kết hợp trên trạng thái mã hóa mà không cần dựa vào phần cứng đáng tin cậy. Tuy nhiên, trên thực tế, nhiều thiết kế blockchain dựa trên FHE hiện nay (ví dụ: các hệ thống kiểu FHEVM) vẫn dựa vào các ủy ban MPC để quản lý khóa và giải mã . Nghiên cứu gần đây, chẳng hạn như Scalable Private World Computer via Root iO , khám phá các cấu trúc mật mã tiên tiến (dựa trên sự làm mờ không thể phân biệt) nhằm mục đích giảm thiểu hoặc loại bỏ các giả định về sự tin cậy dựa trên ủy ban này.

• Nhiều trường hợp sử dụng FHE được đề xuất ( DeFi bảo mật, token riêng tư, AMM riêng tư) có các giải pháp thay thế như ZKP, MPC hoặc TEE, nhưng mỗi giải pháp đều có những đánh đổi về khả năng kết hợp, giả định về độ tin cậy, yêu cầu tương tác hoặc khả năng triển khai.

• FHE hay MPC? MPC có thể rất hiệu quả và đã được triển khai thực tế cho các tác vụ nhạy cảm về quyền riêng tư, nhưng thường giả định sự tương tác và một số hình thức ủy ban hoặc mô hình không thông đồng.

• Mã hóa toàn bộ có thể kiểm chứng (vFHE) rất cần thiết cho các ứng dụng dựa trên mã hóa toàn bộ Không cần tin cậy , đặc biệt khi tính toán mã hóa được thực hiện Ngoài chuỗi. Ngoài blockchain, vFHE cũng có thể đóng vai trò quan trọng trong các thiết lập trí tuệ nhân tạo (AI) , nơi các đảm bảo có thể kiểm chứng về suy luận chính xác hoặc huấn luyện trên dữ liệu mã hóa ngày càng trở nên quan trọng.

• Đối với trí tuệ nhân tạo và học máy , FHE mang đến một tầm nhìn dài hạn đầy hứa hẹn cho việc tính toán không tương tác và bảo vệ quyền riêng tư, nhưng vẫn còn bị hạn chế bởi hiệu năng và độ chín muồi về mặt kỹ thuật, đặc biệt là đối với các mô hình tiên tiến và khối lượng công việc phức tạp.

• Liệu FHE có xứng đáng được quan tâm? Có – nhưng không phải như một giải pháp thần kỳ. Giá trị của nó nằm ở những khả năng độc đáo mà nó mang lại – đặc biệt là khả năng tính toán kết hợp trên trạng thái được mã hóa và giảm sự phụ thuộc vào độ tin cậy của phần cứng – chứ không phải ở hiệu quả tức thì hay khả năng ứng dụng phổ quát.

Những câu hỏi đằng sau sự nổi tiếng của FHE

Trong sự kiện Devconnect ở Buenos Aires, đã có rất nhiều cuộc thảo luận về FHE . Tôi nghĩ FHE không được chú trọng nhiều ở các sự kiện trước đó.

Cuộc thảo luận thường xoay quanh các câu hỏi như:

1. Những trường hợp sử dụng nào thực sự thuyết phục cho FHE trong Web3?
2. Đối với các token bảo mật , chúng ta có thực sự cần Mã hóa đồng hình hoàn toàn không? Mã hóa đồng hình có phải là đủ không? Token bảo mật chẳng phải chỉ đơn thuần là phép cộng và phép trừ (số dư) sao?
3. Phải chăng FHE chỉ là một kỹ thuật dành cho MPC ?
4. Mã hóa toàn văn có thể kiểm chứng (vFHE) quan trọng đến mức nào, và khi nào nó sẽ trở nên khả thi để sử dụng trong các ứng dụng thực tế?

Tôi nghĩ tất cả những câu hỏi này đều hướng đến một mối lo ngại tiềm ẩn: liệu FHE có xứng đáng nhận được nhiều sự quan tâm đến vậy không?

Tôi cũng muốn bổ sung thêm điểm thứ năm, được đề cập một cách tình cờ trong một số cuộc thảo luận không tập trung vào FHE. Tôi vẫn đang tự hỏi liệu mọi người có thực sự nghiêm túc hay chỉ đơn thuần là đang lặp lại trào lưu AI hiện tại:

1. Ethereum có thể cung cấp sự đảm bảo về mặt mật mã rằng các mô hình AI được huấn luyện và thực thi đúng như dự định.

Chúng ta hãy cùng xem xét kỹ hơn từng chủ đề. Trên thực tế, chúng có mối liên hệ mật thiết với nhau hơn so với vẻ bề ngoài ban đầu.

1. Các trường hợp sử dụng thuyết phục

Chúng ta đã thảo luận về các trường hợp sử dụng tiềm năng của FHE trong bài viết này , nhưng sự thật là có rất nhiều thách thức, và việc đặt câu hỏi liệu FHE luôn là cách tiếp cận đúng đắn hay không là điều hợp lý. Một số mối lo ngại là:

• DeFi bảo mật cần các cơ chế để xử lý an toàn các sự kiện như thanh lý mà không làm lộ các vị thế riêng tư, điều này rất khó khi trạng thái được mã hóa.
• Các AMM tư nhân phải duy trì đủ tín hiệu thị trường để giá cả và tính thanh khoản hoạt động; nếu không, thị trường sẽ trở nên khó phối hợp hơn và kém hiệu quả hơn.
• Hình thức bỏ phiếu kín và các ứng dụng tương tự đã có những giải pháp thay thế đơn giản hơn như MPC, mã hóa, cam kết-tiết lộ, hoặc thậm chí là kiểm phiếu dựa trên zk.
• Theo quan điểm của tôi, FHE-EVM đại diện cho hướng đi cần thiết và "tối ưu" cho điện toán riêng tư on-chain . Nhưng hiện nay nó vẫn còn đối mặt với những hạn chế thực tế—đặc biệt là hiệu năng, độ trễ và chi phí thực hiện các chuyển đổi trạng thái được mã hóa.

Tuy nhiên, các phương án thay thế như ZKP, MPC và TEE đều có những hạn chế và sự đánh đổi quan trọng:

• Các ZKP có thể thực thi các ràng buộc như khả năng thanh toán hoặc thanh khoản mà không tiết lộ đầy đủ vị trí, nhưng chúng phải đối mặt với các vấn đề về khả năng kết hợp và tính mô-đun đã được biết đến: các chuyển đổi trạng thái nhiều bước phức tạp thường phải được mã hóa thành một mạch nguyên khối duy nhất ; việc kết hợp các bằng chứng trên các mô-đun độc lập thường yêu cầu tổng hợp phức tạp ; và logic động hoặc tùy ý trên dữ liệu riêng tư phải được dự đoán trước, hạn chế tính linh hoạt. Ngược lại, FHE hỗ trợ một cách tự nhiên việc kết hợp tùy ý các phép tính được mã hóa mà không cần phối hợp mạch hoặc thiết kế lại.

• Threshold hóa ngưỡng và MPC có thể cho phép tiết lộ thông tin có kiểm soát hoặc Tính toán đa bên, nhưng nhìn chung đòi hỏi sự tương tác, các giả định về thời gian hoặc các ủy ban cố định , khiến chúng ít phù hợp hơn với các môi trường mở, Không cần cho phép và bất đồng bộ .

• TEE mang lại hiệu năng mạnh mẽ nhưng dựa trên các giả định về độ tin cậy yếu hơn đáng kể , với lịch sử lâu dài về các cuộc tấn công kênh phụ và các luồng chứng thực bị phá vỡ ; ngược lại, FHE cung cấp tính riêng tư hoàn toàn dựa trên mật mã chứ không phải phần cứng .

Mặc dù các kỹ thuật thay thế có thể xấp xỉ một số đặc tính bảo mật nhất định, FHE nổi bật nhờ khả năng thực hiện tính toán tổng quát, có thể kết hợp trên trạng thái được mã hóa với các giả định về độ tin cậy mật mã giảm đáng kể so với các phương pháp dựa trên phần cứng.

Đồng thời, nhiều thiết kế blockchain dựa trên FHE thực tiễn hiện nay — đáng chú ý nhất là các hệ thống kiểu FHEVM — không chỉ dựa vào FHE. Trong các kiến ​​trúc này, một ủy ban ad-hoc đáng tin cậy vẫn được yêu cầu để quản lý các khóa bí mật và thực hiện giải mã các bản mã đầu ra thông qua MPC , thường sử dụng các giao thức giải mã Threshold . Mặc dù cấu trúc này ngăn chặn bất kỳ bên nào biết được giá trị văn bản gốc, nhưng nó lại tái tạo các giả định về ủy ban, yêu cầu phối hợp và sự phụ thuộc vào Liveness tại ranh giới của quá trình tính toán được mã hóa. Công trình nghiên cứu gần đây Scalable Private World Computer via Root iO nhằm mục đích giảm thiểu hoặc loại bỏ các giả định về sự tin cậy dựa trên ủy ban này bằng cách áp dụng các cấu trúc mật mã tiên tiến (làm mờ dựa trên tính không thể phân biệt).

2. Mã thông báo bí mật và (F)HE

Thoạt nhìn, các token bảo mật có vẻ vô cùng đơn giản. Khi Alice muốn chuyển một lượng ETH nào đó cho Bob, các thao tác liên quan dường như chỉ là những phép toán số học cơ bản:

• cộng giá trị đã chuyển vào số dư được mã hóa của Bob.
• trừ giá trị đó khỏi số dư được mã hóa của Alice.

Tuy nhiên, trên thực tế, một giao dịch chuyển tiền bí mật cũng phải đảm bảo rằng số dư của người gửi là đủ . Một phương pháp, được sử dụng trong nhiều thiết kế dựa trên cơ chế zero-knowledge (ví dụ: Zether ), là chứng minh bằng cơ chế không tiết lộ thông tin rằng giá trị của các khoản tiền mới được tạo ra không vượt quá số dư hiện có. Mặc dù hiệu quả, phương pháp này coi việc kiểm tra số dư đủ hay không là một bước xác thực bên ngoài và đòi hỏi phải thực hiện theo trình tự cẩn thận để tránh tình trạng tranh chấp tài nguyên khi nhiều giao dịch chuyển tiền được thực hiện đồng thời.

Ngược lại, phương pháp dựa trên FHE cho phép kiểm tra số dư được thực hiện ngay trong trạng thái mã hóa . Logic chuyển khoản có thể được thể hiện dưới dạng cập nhật mã hóa có điều kiện — ví dụ, trừ đi số tiền chuyển khoản nếu và chỉ nếu nó không vượt quá số dư mã hóa, và nếu không thì tạo ra một khoản chuyển khoản có giá trị bằng không. Điều này đảm bảo rằng việc chi tiêu vượt quá số dư không thể xảy ra , ngay cả trong thời gian ngắn, và giảm các điều kiện về tính chính xác phụ thuộc vào thứ tự giao dịch bằng cách thực thi các cập nhật nguyên tử trên trạng thái mã hóa .

Nói một cách tổng quát hơn, phép so sánh đồng cấu cho phép kiểm tra số dư kết hợp một cách tự nhiên với các logic điều khiển luồng được mã hóa khác, thay vì phải được thực thi thông qua các bằng chứng độc lập. Sự khác biệt này ngày càng trở nên quan trọng trong các ứng dụng bảo mật có trạng thái và lập trình được , vượt ra ngoài phạm vi thanh toán đơn giản.

Tuy nhiên, khả năng biểu đạt bổ sung này đi kèm với một cái giá. Phép so sánh tốn kém hơn đáng kể so với phép toán số học đơn giản trong mã hóa đồng hình. Trong các lược đồ FHE, phép so sánh thường yêu cầu đánh giá dấu của một giá trị được mã hóa , điều này lại liên quan đến các thao tác khởi tạo tuần tự . Do đó, phép so sánh phát sinh chi phí tính toán cao hơn đáng kể so với phép cộng hoặc phép trừ, và chi phí này thường tăng lên theo độ chính xác hoặc độ lớn của các giá trị được so sánh. Các kỹ thuật đánh giá dấu đồng hình được nghiên cứu trong các công trình như "Đánh giá dấu đồng hình độ chính xác lớn bằng cách sử dụng khởi tạo FHEW/TFHE" và các tài liệu liên quan, trong đó luôn xác định phép so sánh là một phép toán cơ bản đầy thách thức .

Tuy nhiên, những tiến bộ kỹ thuật gần đây —đặc biệt là các triển khai tăng tốc GPU của các lược đồ kiểu TFHE —có thể giúp việc so sánh trở nên khả thi trong các trường hợp cụ thể, thường đưa chi phí của chúng đến gần hơn với chi phí của các phép toán số học độ chính xác cao.

3. Sử dụng MPC thay vì FHE?

Nhìn chung, cả FHE và MPC đều hướng đến việc cho phép tính toán trên dữ liệu riêng tư, điều này đương nhiên đặt ra câu hỏi liệu FHE có phải chỉ đơn thuần là một dạng chuyên biệt của MPC hay không. Mặc dù có những mối liên hệ về mặt khái niệm, hai mô hình này khác nhau ở chỗ quyền riêng tư được thực thi ở đâu, quá trình tính toán diễn ra như thế nào và những giả định nào cần thiết trong thực tế.

MPC bảo vệ dữ liệu bằng cách chia dữ liệu thành các phần bí mật do nhiều bên cùng thực hiện tính toán nắm giữ. Phương pháp này có thể đạt được hiệu suất tuyệt vời. Tuy nhiên, MPC về cơ bản dựa trên các giả định không thông đồng , nhiều người tham gia trực tuyến và giao tiếp tương tác trong quá trình tính toán , điều này có thể gây khó khăn trong môi trường hoàn toàn Không cần cho phép hoặc có tính bất đồng bộ cao.

Ngược lại, FHE cho phép tính toán trực tiếp trên trạng thái được mã hóa. Một bên duy nhất có thể áp dụng các chương trình tùy ý lên văn bản mã hóa mà không cần tương tác với các bên khác trong quá trình thực thi, điều này khiến FHE về mặt khái niệm rất phù hợp với các mô hình thực thi blockchain. Điều này cho phép tính toán tổng quát, có thể kết hợp và có trạng thái trên dữ liệu riêng tư , bao gồm cả luồng điều khiển động không cần phải được cố định trước – điều khó đạt được chỉ với bằng chứng ZK hoặc MPC tương tác.

Tuy nhiên, trên thực tế, các hệ thống FHE phải đối mặt với những thách thức bổ sung. Như đã thảo luận trước đó, việc quản lý khóa và giải mã đầu ra thường được xử lý thông qua MPC Threshold , có nghĩa là nhiều thiết kế FHE được triển khai vẫn dựa vào sự không thông đồng và phối hợp của ủy ban tại ranh giới giải mã, ngay cả khi bản thân quá trình tính toán không tương tác.

Về khả năng kiểm chứng , MPC hiện đang có lợi thế. Việc chứng minh tính đúng đắn của các phép thực thi MPC tương đối đơn giản vì hầu hết các hệ thống SNARK đều tương thích tự nhiên với kiểu tính toán MPC. Điều này đã cho phép xây dựng các hệ thống thực tế, trong đó việc thực thi MPC có thể được kết hợp với các bằng chứng zero-knowledge tùy chọn — ví dụ, chứng minh hợp tác bằng cách sử dụng các công cụ hướng MPC như thư viện co-SNARK của TACEO . Ngược lại, chứng minh FHE có thể kiểm chứng vẫn là một vấn đề nghiên cứu và kỹ thuật đang được quan tâm , với chi phí cao hơn và công cụ chưa hoàn thiện.

Cả FHE và MPC đều đang được tích cực nghiên cứu như những nền tảng cho điện toán bảo vệ quyền riêng tư trong Web3, với một hệ sinh thái các dự án ngày càng phát triển đang thúc đẩy mỗi phương pháp tiến tới triển khai thực tiễn.

Về phía FHE , Zama đang phát triển bộ công cụ FHEVM, nhằm mục đích cho phép các hợp đồng thông minh bảo mật bằng cách cho phép các chương trình Máy ảo Ethereum (EVM) hoạt động trực tiếp trên trạng thái được mã hóa. Fhenix đang theo đuổi mục tiêu tương tự, tập trung vào việc thực thi bảo mật cho các môi trường tương thích với EVM thông qua các bộ xử lý phụ FHE và các công cụ dành cho nhà phát triển được thiết kế để tích hợp với các quy trình làm việc hợp đồng thông minh hiện có. Enclave khám phá việc thực thi được mã hóa từ góc độ hướng đến giao thức hơn, kết hợp FHE với các kỹ thuật xác minh mật mã để hỗ trợ tính chính xác và tiết lộ đầu ra được kiểm soát trong các thiết lập phi tập trung.

Về phía MPC , Partisia Blockchain vận hành một Layer 1 độc lập tích hợp Tính toán đa bên an toàn trực tiếp vào mô hình thực thi của nó, cho phép các hợp đồng thông minh xử lý các đầu vào riêng tư trên một tập hợp các nút MPC phân tán. Nillion áp dụng một cách tiếp cận khác, cung cấp một mạng lưới Ngoài chuỗi chuyên dụng cho tính toán và lưu trữ riêng tư dựa trên các kỹ thuật kiểu MPC, được thiết kế để tương tác với các blockchain hiện có thay vì thay thế chúng. gcEVM của Soda Labs khám phá cách MPC—cụ thể là các giao thức kiểu mạch mã hóa—có thể được nhúng vào môi trường thực thi tương thích với EVM, cho phép các hợp đồng thông minh xử lý các giá trị bí mật trong khi vẫn giữ nguyên các công cụ Ethereum quen thuộc.

Nhìn chung, các dự án này minh họa hai hướng đi song song cho vấn đề bảo mật trong Web3: các hệ thống dựa trên FHE nhấn mạnh vào tính toán không tương tác hơn là trạng thái được mã hóa, và các hệ thống dựa trên MPC dựa vào việc thực thi phân tán giữa nhiều bên. Trên thực tế, cả hai phương pháp đang được nghiên cứu song song và trong một số trường hợp được kết hợp, khi hệ sinh thái tìm kiếm các cách thức có thể mở rộng và kết hợp để mang lại tính bảo mật cho Các ứng dụng phi tập trung (DAPPS).

4. Tại sao vFHE lại quan trọng

Có vẻ như mọi người đều đồng ý rằng FHE có thể kiểm chứng (vFHE) là một hướng đi quan trọng. Để hiểu lý do tại sao, hãy cùng xem xét FHE sẽ có ý nghĩa như thế nào đối với việc cho phép các hợp đồng thông minh riêng tư trên Ethereum.

Ethereum là một máy tính toàn cầu: một nền tảng phi tập trung thực thi các chương trình tùy ý và đạt được Consensus toàn cầu về một trạng thái chung. Nhưng theo mặc định, tất cả các dữ liệu đầu vào, trạng thái và dấu vết thực thi đều được công khai . FHE cung cấp một con đường hướng tới điện toán riêng tư trên dữ liệu được mã hóa, có khả năng cho phép tạo ra một "máy tính toàn cầu riêng tư" nơi người dùng đóng góp các dữ liệu đầu vào bí mật mà không tiết lộ chúng.

Tuy nhiên, trên thực tế, FHE không phù hợp với blockchain một cách tự nhiên như SNARK — văn bản mã hóa rất lớn, quá trình khởi tạo tốn kém và việc thực thi on-chain là không khả thi. Do đó, hầu hết các thiết kế FHE hiện nay đều dựa vào các bộ xử lý Ngoài chuỗi để thực hiện tính toán mã hóa và trả về kết quả cho chuỗi.

Điều này đặt ra một vấn đề then chốt: làm thế nào chúng ta có thể tin tưởng vào kết quả của một phép tính được mã hóa? Chỉ riêng FHE không cung cấp cách nào để xác minh tính đúng đắn.

Mã hóa toàn phần có thể kiểm chứng (vFHE) giải quyết vấn đề này: nó cho phép một nút tính toán tạo ra bằng chứng ngắn gọn rằng đầu ra được mã hóa là kết quả của việc thực hiện chính xác phép tính dự định.

Nhưng vFHE mở khóa những khả năng quan trọng khác:

• iO (Mã hóa làm mờ không thể phân biệt): Trong Root iO , mã hóa làm mờ không thể phân biệt được sử dụng trong quy trình đánh giá dựa trên FHE để loại bỏ nhu cầu về một ủy ban giải mã chuyên dụng, với FHE có thể kiểm chứng đóng vai trò là một trong những thành phần quan trọng.

• Web3 + AI: suy luận riêng tư và học tập hợp tác trên các mô hình được mã hóa.
  Với vFHE, kết quả của các phép tính được mã hóa này trở nên Không cần tin cậy, có thể kiểm toán và xác minh được , cho phép các hệ thống AI phi tập trung không dựa vào việc thực thi hoặc sao chép đáng tin cậy.

Tính khả thi của điều này — và khi nào nó sẽ trở nên khả thi — vẫn là một câu hỏi bỏ ngỏ, và mọi người có những ý kiến ​​khác nhau về vấn đề đó.

5. Ethereum + Trí tuệ nhân tạo

Giờ chúng ta hãy chuyển sang câu hỏi về mối liên hệ giữa Ethereum và Trí tuệ nhân tạo.

Hiện nay, Use Case nhân tạo (AI) là các mô hình ngôn ngữ quy mô lớn (LLM) . Chúng được huấn luyện trên dữ liệu không mã hóa, và điều này có thể sẽ vẫn tiếp diễn. Tuy nhiên, các truy vấn của người dùng cũng không được mã hóa , và hy vọng điều này sẽ không còn như vậy nữa.

Thật đáng sợ khi nghĩ rằng, trong tương lai gần, khi chúng ta ngày càng tương tác nhiều hơn qua các cuộc gọi hoặc không gian thực tế ảo, một hệ thống LLM (Learning Learning Module) có thể tái tạo một bản sao kỹ thuật số chính xác đến mức đáng lo ngại của chính chúng ta. Tất cả dữ liệu cần thiết để xây dựng bản sao đó đều nằm trên máy chủ của nhà cung cấp LLM, hoàn toàn nằm ngoài tầm kiểm soát của chúng ta, điều đó có nghĩa là họ có thể tạo ra và sử dụng nó bất cứ lúc nào. Một tác nhân dựa trên bản sao kỹ thuật số của chúng ta sau đó có thể di chuyển trên Internet như thể đó là chính chúng ta .

FHE có thể ngăn chặn điều này, nhưng các triển khai hiện tại vẫn còn quá chậm để chạy các mô hình AI tiên tiến. Liệu vFHE có cần thiết trong trường hợp này? Chắc chắn là có, nhưng trong nhiều trường hợp, các nhà cung cấp LLM được khuyến khích đưa ra các suy luận chính xác — việc tạo ra câu trả lời tốt nhất là vì lợi ích của chính họ. Tuy nhiên, như chúng ta sẽ thấy bên dưới, có những trường hợp mà động lực này yếu hơn hoặc không rõ ràng, và khả năng kiểm chứng trở nên quan trọng hơn nhiều .

Nhưng cũng có những kịch bản đáng lo ngại khác. Ví dụ, robot có thể sẽ trở thành một phần quan trọng trong cuộc sống hàng ngày của chúng ta . Thật dễ dàng để hình dung những robot gia đình nhỏ đảm nhiệm các công việc như sửa chữa thiết bị, nấu ăn, giặt giũ, dọn dẹp những khu vực khó tiếp cận, giám sát an ninh nhà cửa, sắp xếp đồ đạc lộn xộn, chăm sóc vườn trong nhà hoặc hỗ trợ người thân lớn tuổi.

Những hoạt động này phức tạp hơn nhiều đối với AI so với bất kỳ mô hình LLM hiện tại nào có thể xử lý. Thật vậy, Yann LeCun gần đây đã khởi động một nỗ lực mới tập trung vào các hệ thống AI học hỏi thông qua tương tác không gian và thể hiện . Việc huấn luyện các mô hình như vậy sẽ đòi hỏi một lượng lớn dữ liệu thực tế.

Câu hỏi đặt ra là: liệu chúng ta có sẵn lòng tiết lộ toàn bộ bố cục nhà cửa, tình trạng các thiết bị gia dụng, thói quen nấu nướng, thói quen giặt giũ, cách sắp xếp đồ đạc, nhu cầu giám sát an toàn, hay thậm chí cả cách chăm sóc người thân lớn tuổi – tất cả chỉ để huấn luyện các hệ thống này?

Dĩ nhiên, những dữ liệu này cần được mã hóa trước khi gửi đi . Nhưng chỉ mã hóa thôi là chưa đủ: ai sẽ xác minh rằng mọi người thực sự đang gửi dữ liệu thật, không bị chỉnh sửa? Ai sẽ đảm bảo rằng thông tin không bị thao túng hoặc làm giả để gian lận hệ thống?

Và ngoài tính toàn vẹn dữ liệu, ai sẽ kiểm tra xem quá trình huấn luyện có được thực hiện đúng cách hay không — liệu mô hình có bị thiên vị một cách tinh vi, bị can thiệp hoặc được tối ưu hóa theo những cách có lợi cho nhà cung cấp hơn là người dùng hay không?

Cuối cùng, ai sẽ đảm bảo rằng kết quả suy luận được tạo ra một cách trung thực , không có sự lọc, xếp hạng, giám sát ngầm hoặc các can thiệp vô hình khác?

Tóm lại, những câu hỏi này cho thấy khả năng kiểm chứng trong AI có thể đóng vai trò ngày càng quan trọng. Mặc dù mã hóa đơn thuần bảo vệ quyền riêng tư, nhưng khả năng kiểm chứng—khi kết hợp với blockchain như một lớp kiểm toán độc lập, minh bạch —cung cấp một con đường để đảm bảo rằng việc gửi dữ liệu, huấn luyện và tính toán đều được thực hiện chính xác. Vì vậy, tôi nghĩ mọi người đúng khi liên kết AI với Ethereum.