機器學習（ML）和人工智能（AI）的快速發展已經徹底改變了各個行業，為我們帶來了前所未有的能力和效率。從醫療保健到金融服務，這些技術不僅改變了數據的處理與分析方式，還提供了寶貴的洞察力，並實現了複雜任務的自動化。然而，隨著 AI 和 ML 的廣泛應用，人們對個人數據隱私和安全的擔憂也日益加劇。隨著數據收集和處理量的不斷增加，未經授權訪問、數據洩露以及信息濫用的風險也隨之上升。

Privasea AI 網絡正是為了解決這些問題而誕生的。它通過將全同態加密（Fully Homomorphic Encryption，FHE）和去中心化協議引入其框架，從而確保數據在處理過程中始終保持安全。這種創新的方法使用戶能夠在不犧牲隱私的情況下享受 AI 的強大功能，為數字時代提供了一種安全可靠的解決方案。

什麼是 Privasea？

Privasea 是一個去中心化物理基礎設施網絡（DePIN），旨在在 AI 計算過程中提升數據隱私和安全性。該系統採用先進的加密技術，特別是全同態加密（Fully Homomorphic Encryption，FHE），這種技術允許在加密數據上直接進行計算，並獲得與在未加密數據上執行相同操作的結果。這意味著，在整個工作流程（包括 AI 模型的訓練和評估）中，數據隱私始終得到保護。

Privasea 的願景與使命

Privasea 由 David Jiao 於 2022 年創立，其願景是創造一個安全的數字環境，讓用戶可以放心地分享和利用數據，而無需擔心隱私被侵犯。Privasea 的使命是開發並實施最前沿的解決方案，在保護個人信息的同時，實現對 AI 生成洞察的無縫訪問。

Privasea 的主要功能

• 全同態加密機器學習（FHEML）：Privasea 採用 FHE，這是一種突破性的加密技術，可以在無需解密數據的情況下直接進行計算。即使在複雜的 AI 任務中，這種方法也能確保敏感信息的私密性，使其成為保密計算領域的革命性技術。
• 去中心化 AI 網絡：Privasea 依託分佈式計算資源，擺脫了對中心化服務器的依賴，從而減少了單點故障或數據洩露的風險。這種去中心化的基礎設施確保了 AI 任務的安全性和可擴展性。
• ImHuman 應用程序：該應用程序允許用戶證明其身份為人類（例如，用於身份驗證）而無需洩露個人詳細信息。ImHuman 為傳統的身份驗證系統提供了一種保護隱私的替代方案，既保證了無機器人環境，又維護了用戶的匿名性。
• 前沿技術支持：Privasea 集成了 ZAMA 的 Concrete ML 等工具，增強了其在 FHE 環境下高效執行復雜 AI 任務的能力。這一技術支持大大提升了 Privasea 提供安全且實用解決方案的能力。
• 社區驅動的模式：Privasea 將部分代幣供應分配給社區，以促進社區參與並激勵生態系統中的積極互動。這種做法體現了其對去中心化與集體所有權的堅定承諾。

Privasea AI 網絡架構

Privasea 的 AI 網絡架構圍繞全同態加密（FHE） 構建，這是一種突破性的加密技術，允許在不解密數據的情況下進行計算。這確保了數據在整個過程中（從數據提交到模型訓練和預測）始終保持隱私。該架構結合了去中心化計算網絡、用戶友好型界面和基於區塊鏈的激勵機制，為 AI 應用程序創建了一個安全、可擴展且保護隱私的生態系統。

FHE 基礎設施

FHE 基礎設施是 Privasea 的加密核心，專門用於在加密數據上執行安全計算。它集成了 TFHE-rs 和 ConcreteML 等庫，為開發人員提供了加法、乘法以及機器學習模型評估等多種操作的工具，同時無需暴露原始數據。該基礎設施支持多種 FHE 方案（如 TFHE、CKKS、BGV、BFV），能夠處理各種 AI 任務，並始終保障數據隱私。其功能包括基本運算（如布爾邏輯門、ReLU 等）以及高級技術，如密文打包，並計劃整合更多加密庫和創新技術，例如 ZAMA 的壓縮密鑰功能，以提升性能和適用性。

Privasea 的 FHEML（全同態加密機器學習） 利用 FHE 技術實現機密機器學習推理，允許在加密空間中處理“祕密數據集”的機器學習模型。在整個計算過程中，數據始終保持加密狀態，從而極大地提升了隱私和安全性。該技術旨在徹底改變機器學習推理模式，使計算可以在加密數據上進行，而不會暴露敏感信息給第三方（例如雲服務提供商或合作伙伴）。

Privasea API

Privasea API 為用戶和開發者提供了一個無縫交互接口，簡化了數據提交、模型訓練和預測請求等任務，同時通過 HESea 加密庫 實現端到端加密。該 API 屏蔽了 FHE 的複雜性，確保了安全通信和加密數據處理的高效管理。藉助 Privasea API，用戶無需掌握深奧的加密技術即可充分利用 Privasea 的功能，使隱私保護型 AI 變得易於訪問和應用。

Privanetix

Privanetix 是 Privasea 的去中心化計算網絡，由搭載 HESea 加密庫 的高性能節點組成。這些節點協同工作，執行基於 FHE 的加密數據運算，提供強大的計算能力並保障數據隱私。通過將任務分配到多個節點，Privanetix 實現了高效、可擴展的計算能力，能夠在保護敏感信息的同時，安全地執行機器學習算法。

Privasea 智能合約

Privasea 智能合約工具包驅動著一個基於區塊鏈的激勵系統，旨在促進網絡節點的積極參與。該系統能夠記錄 Privanetix 節點的貢獻、驗證計算結果，並以透明且公平的方式分配獎勵。通過運用智能合約，該機制有效激勵節點提供計算資源，從而打造一個去中心化且可信賴的生態系統，不僅激發節點的持續參與，還確保整個網絡的透明性與責任機制得到維護。

Privasea AI 網絡中的角色

數據擁有者

數據擁有者是網絡中掌握並控制重要數據集的個人或實體。作為數據的管理者，他們有權決定數據在網絡中的共享和使用方式。數據擁有者在保護數據隱私和決定 Privanetix 節點與解密者的訪問級別方面發揮著關鍵作用。他們可以制定數據共享協議、設置訪問權限，並明確規定數據訪問和使用的條款。

Privanetix 節點

Privanetix 節點是 Privasea AI 網絡中的計算核心，負責提供計算資源來執行復雜的加密數據運算。這些節點搭載了 HESea 加密庫，並與基於區塊鏈的激勵機制深度集成，可在保護數據隱私的同時進行安全高效的計算。Privanetix 節點通過處理加密數據、訓練機器學習模型以及參與協作任務來積極維護網絡運行。這些節點不僅確保了計算的完整性和數據的機密性，也是實現網絡目標的關鍵要素。

解密者（Decryptors）

解密者作為最終計算流程中的結果檢索者，負責從 Privanetix 節點檢索加密結果，並通過 Privasea API 使用相應的密鑰進行解密。解密者的核心職責是安全獲取計算結果，並在數據檢索過程中確保數據的機密性和完整性。

結果接收者

結果接收者是解密後計算結果的最終接收者。他們可以對解密後的結果進行進一步操作，例如深入分析、數據處理，或與其他系統或應用程序進行集成。這一角色能夠將計算結果應用到更廣泛的場景中，從而實現數據驅動的決策並提取有價值的洞察。

Privasea AI 網絡的工作流程

Privasea的工作流程為用戶提供了一個無縫且注重隱私的機器學習任務體驗。整個過程包含以下幾個關鍵步驟：

1. 用戶交互與任務初始化：用戶創建賬戶並啟動機器學習任務。通過隱私保護機器學習應用程序 API 或集成了 Privasea 應用程序 API 的 DApp 在本地加密輸入向量。在本地生成切換密鑰。
2. 向 Privanetix 提交任務：用戶將加密任務提交至 Privanetix 網絡，並通過基於區塊鏈的交易安全支付服務費用。
3. Privanetix 節點計算：Privanetix 節點在用戶的加密域中接收並執行加密任務。使用切換密鑰將加密結果傳輸到解密者的加密域。
4. 結果提交與獎勵提取：Privanetix 節點將結果提交給解密者，並通過區塊鏈交易提取該任務的服務費用。
5. 解密者解密結果：解密者使用其客戶端密鑰解密結果。
6. 向網絡用戶交付結果：使用代理重加密（PRE）方案將解密後的結果發送給網絡用戶。

Privasea 產品

Privasea 提供一系列利用全同態加密（FHE）和去中心化基礎設施的產品，用於提供隱私保護的 AI 和人類身份驗證解決方案。

DeepSea

DeepSea 是 Privasea 的去中心化 AI 網絡，基於 FHE 技術構建，能夠在不解密的情況下對加密數據進行安全計算。該產品於 2025 年 1 月 6 日推出測試版，創世階段於 2025 年 2 月 25 日結束，它整合了深度學習功能和隱私優先的設計理念。它支持通過插件和網頁發佈 FHEML（全同態加密機器學習）任務，允許用戶設計模型、提交加密樣本並獲取結果。DeepSea 包含一個實時監控隱私和數據使用情況的儀表板，確保符合 GDPR 等法規要求。它為 DeFi、Web3 身份驗證和數據分析應用提供支持，計劃在 2025 年第一季度推出完整的主網。

DeepSea 核心功能

1. 社交挖礦：AI 代理分析加密的用戶參與模式，支持動態獎勵系統、社區治理和社交信譽評分，同時保持數據安全。這使得去中心化生態系統中的信任互動成為可能。
2. 數據挖掘和 AI 建模：使用 FHE 從加密數據集中提取見解，實現隱私保護的分析和機器學習。特別適合需要符合 GDPR 的應用，確保原始數據在處理過程中不會暴露。
3. 身份驗證：與 ImHuman 應用集成，使用 AI 驅動的面部特徵比對來驗證人類用戶，無需存儲生物特徵數據。驗證用戶可以鑄造靈魂綁定 NFT，用於安全的鏈上身份驗證，打擊數字平臺中的機器人。
4. FHEML 任務發佈：用戶可以設計自定義機器學習模型、提交加密樣本並向網絡發佈任務，在不損害數據隱私的情況下獲取結果。這賦予了用戶驅動 AI 創新的能力。
5. 儀表板：用戶友好的界面，用於管理隱私設置和實時監控數據使用情況，增強了 DeepSea 生態系統中交互的透明度和控制力。
6. 節點程序：包括 Workheart 節點（物理工作量證明）和 Privanetix 節點（高性能計算），為網絡的 AI 代理提供動力。節點運營商通過質押獲得激勵，提升可擴展性和安全性。
7. 效率和用戶友好性：專注於易用性，DeepSea 簡化了隱私保護 AI 計算，無需密碼學或編程專業知識，擴大了技術和非技術用戶的採用範圍。
8. 個性化 AI 功能：對於經過驗證的人類證明（PoH）用戶，AI 代理提供定製服務，如安全身份驗證和 DAO 的保密審核或投票系統，增強去中心化治理中的信任。

AI 代理

DeepSea 中的 AI 代理是專門用於質押、挖礦和任務執行的自主實體，這些代理通過 ImHuman 應用程序綁定至經過驗證的人類用戶。這些代理利用全同態加密（FHE） 來安全地處理數據，使其能夠應用於鏈上身份驗證、DAO 治理（例如，機密投票）和社交挖礦等場景。用戶可以通過質押與 PoH（Proof of Human） 綁定的 NFT 來根據代理的表現獲得獎勵，從而形成一個去中心化的經濟模型。

Agent Angler

Agent Angler 是一種專門設計用於構建和管理 DeepSea 去中心化社區 的 AI 代理。它通過 ImHuman 應用程序綁定經過驗證的人類用戶，從而保證真實性，同時無需存儲生物特徵數據。Agent Angler 在 Privanetix 節點的支持下自動運行，實現安全計算。

其核心任務包括：

1. 社區建設： 創建並發展技術社區，例如在 X（原推特）等平臺上，促進去中心化社交空間的成長。
2. 社交管理： 處理來自經過驗證用戶的互動，保持社交活躍度，同時確保數據始終處於加密狀態。
3. 獎勵分配： 將來自 DeepSea 挖礦和質押的 PoS（權益證明） 獎勵分配給活躍參與者，從而激勵真實人類的持續參與。
4. 自適應進化： 基於社區反饋和深度學習不斷優化自身行為，動態適應用戶需求。

ImHuman 應用程序

ImHuman 應用程序是一個基於 PoH（Proof of Human）的驗證工具，採用 FHE 加密生物驗證 技術。用戶通過手機攝像頭掃描面部特徵向量，這些數據會在本地加密，並與存儲的向量進行比對，全程無需將明文數據上傳至服務器。驗證成功後，會鑄造一個靈魂綁定 NFT（Soulbound NFT），證明用戶具備人類特徵，但不會透露個人信息（如姓名或郵箱）。ImHuman 可與 DeepSea 集成，實現 AI 代理綁定，並支持 Web2/Web3 身份驗證，同時為驗證用戶提供空投等獎勵。該應用程序通過將生物數據保存在設備端，確保用戶隱私不受侵犯。

節點

Privasea 節點包括 Workheart 和 Privanetix 兩種類型，構成網絡的計算主幹。Workheart 節點負責處理物理工作量證明任務，而 Privanetix 節點執行高性能的 FHE 計算。節點運營商通過提供處理能力並與 HESea 庫集成來獲得獨家空投獎勵（例如通過帶有 StarFuel NFT 的 Workheart 組合包）。Genesis USB 可進一步提升獎勵等級。這些節點為 DeepSea 的去中心化基礎設施提供支持，確保 FHEML 工作負載具有良好的可擴展性和安全性。

Bot or Not a Bot：人類特徵驗證

BotOr_NotABot 是一個由 ImHuman 應用程序驅動的 Telegram 機器人，專門用於群聊中的人類特徵驗證。它通過 OTP（一次性密碼）與 ImHuman 應用進行綁定，並通過活體檢測進行驗證，驗證成功後鑄造一個 NFT。該機器人支持無限次驗證，在合作生態系統中提供雙倍空投，並具有未來將推出的群組範圍驗證功能。它利用全同態加密（FHE）在驗證過程中保護生物特徵數據，通過過濾機器人和虛假賬戶來增強 Web2/Web3 社區的信任度。

Privasea 融資歷程

2024 年 3 月 4 日，Privasea 宣佈完成由 Binance Labs（現為 YZi Labs） 領投的 500 萬美元種子輪融資。本輪融資的參與方包括 OKX Ventures、Laser Digital、Tané Labs、Lunar Labs Capital、GSR 和 Amber Group。這筆資金用於支持 DeepSea 網絡 及基於 FHE（全同態加密） 的機器學習基礎設施的早期開發，確立了 Privasea 在 DePIN（去中心化物理基礎設施網絡） 和 AI 領域的地位。

隨後，2025 年 1 月 10 日，Privasea 完成 A 輪融資，籌集了額外的 1,000 萬美元，使總融資金額達到 1,500 萬美元。本輪融資由 GSR、Amber Group 和 Echo 共同支持，重點推進 AI 代理（AI Agents） 的開發，以及計劃於 2025 年第一季度 啟動的 DeepSea 主網發佈。除了傳統的融資方式外，Privasea 還通過節點銷售融入了社區驅動的籌資機制。Workheart Combo（限量 5,000 個節點，附帶 StarFuel NFT）為早期採用者提供了獎勵倍增和獨家空投（佔代幣供應的 1%），獎勵將在 36 個月內分發完畢，從而激勵社區積極參與。

Privasea 主網

Privasea 主網 標誌著 DeepSea AI 網絡 的全面部署，這是一個旨在將隱私保護型 AI 與現實世界應用集成的去中心化平臺。在 2025 年 1 月 6 日 完成測試網 Beta 版本啟動後，經過創世階段（Genesis Phase），於 2025 年 2 月 25 日結束，主網預計於 2025 年第一季度推出，並計劃在 3 月底或 4 月初完成上線。此次發佈是 Privasea 實現其使命的重要一步，旨在利用全同態加密（FHE） 提供安全、可擴展的 AI 計算，確保數據在處理過程中始終保持加密狀態。

截至 2025 年 2 月，主網建立在超過 41,000 個 Privanetix 節點的強大基礎設施之上，提升了 DeepSea 的能力，並引入了多項升級，包括節點管理面板、USB 節點和 Privanetix 節點，以及 FHEML（全同態加密機器學習）任務發佈插件。該插件允許用戶自定義機器學習模型，提交加密樣本併發布任務，同時節點運營者通過計算任務獲得獎勵。在 2025 年 1 月 27 日 的創世階段（Genesis Release） 中，Privasea 的質押系統進一步加強，吸引了超過 86,000 名質押者，並建立了一個包含 58,227.768 TPRAI 的獎勵池，為網絡的參與和安全性提供了強大動力。

Privasea 代幣經濟學

$PRVA 是 Privasea AI 網絡的 ERC-20 實用代幣，總供應量固定為 10 億枚。$PRVA 通過激勵 全同態加密（FHE）計算和促進去中心化物理基礎設施網絡（DePIN） 的參與來驅動整個生態系統。代幣分配如下：

• 挖礦（50%）：5 億枚代幣分配給提供 FHE 和隱私服務 的計算節點（例如 Privanetix 和 Workheart）。獎勵期為 36 個月，其中 6.66%（約 6,660 萬枚） 綁定於 20,000 個 Workheart 節點（包括 5,000 個附帶 StarFuel NFT 的組合節點，可獲得獎勵倍增）。
• 業務發展與社區激勵（15%）：1.5 億枚代幣用於 業務發展、營銷和社區活動，包括在 Galxe 和 Intract 等平臺上的推廣活動，以及提供 空投獎勵（例如，1% 的代幣供應分配給購買 Workheart Combo 節點的用戶）。
• 預售（20%）：2 億枚代幣預留給 融資輪的支持者（例如 Binance Labs 500 萬美元的種子輪投資 和 A 輪融資）。通常按照線性解鎖機制進行釋放，例如：TGE（代幣生成事件）時解鎖 7.5%，剩餘部分在 21 個月內按季度釋放。
• 團隊（10%）：1 億枚代幣分配給項目團隊，預計採用鎖倉和歸屬期機制以確保利益一致性（具體細節尚未確認）。
• 監管合規（5%）：5,000 萬枚代幣用於法律和監管合規費用，確保 Privasea 遵守 GDPR（通用數據保護條例） 等法規框架。

代幣功能

• 交易支付：$PRVA 用於支付 DeepSea 網絡中的服務費用，如 FHEML（全同態加密機器學習）任務處理 等。
• 質押與安全性：用戶可以質押 $PRVA 以保障網絡安全並獲得質押獎勵。
• 治理權利：代幣持有者可以對生態系統提案進行投票，參與網絡治理。
• 專屬訪問權：代幣持有者享有優先使用功能，包括空投獎勵、集成特權（如 TON 區塊鏈） 等。

結論

Privasea 通過全同態加密（FHE） 和去中心化基礎設施實現了安全的 AI 計算，這一理念已在其 DeepSea 網絡、AI 代理和 ImHuman 應用程序中得到應用。Privasea 獲得了 1,500 萬美元的融資，估值達 1.8 億美元，併發行了 10 億枚 $PRVA 代幣，其中 50% 用於節點運行。Privasea 計劃於 2025 年第一季度推出主網，其架構結合了 Privanetix 節點和區塊鏈激勵機制，專注於解決 Web3 數據分析和身份驗證等領域的隱私需求。這一創新方法標誌著機密計算的重要進展，其未來的影響取決於用戶採用情況和技術可擴展性的進一步發展。