AI Agent 蓬勃發展，資料安全成關鍵。Mind Network 以 FHE 技術打造可信基礎設施，為智慧體開啟合作新模式。
（前情提要：FHE全同態、ZK零知識證明、MPC多方計算，三種錢包加密技術有何不同？ ）
（背景補充：AI Agent 融合 Web3，機器人幫你鏈上理財時代要來了？ ）
AI Agent 的強大來自自主能力，而自主必須建立在安全之上。Mind Network 以 FHE 為核心，為智慧體提供一種不暴露資料也能協作的新路徑，破解信任難題。
幣安錢包最新一期 IDO 專案 Mind Network，有 Binance Labs 投資。
AI Agent 作為過去一年裡最重要的熱點之一，誕生了諸如 Virutual、ai16z 等明星專案。NVidia CEO 黃仁勳也公開演講力挺 AI Agent，認為 「AI Agent 可能是下一個機器人行業，潛力達到數兆美元」。前不久，OpenAI 釋出了專為簡化 AI Agent 應用開發的全新工具包，對複雜的 AI Agent 提供了巨大的開發支援。2025 年 AI Agent 或將繼續爆發潛力，各類能自主決策、協同工作的智慧代理正加速走向實用。
但隨著 AI Agent 能力激增，它們對使用者隱私和資料安全的挑戰也愈發突出。為了讓它們真正可信賴，技術社群開始將目光投向密碼學方案，如 ZK、MPC 和 FHE — — 我們依然記得 ZK 帶來的諸多專案的估值暴走。相比而言，FHE（全同態加密）在市場上獲得的關注度仍顯不足 — — 這項技術的潛力遠未被充分挖掘。在 AI Agent 這樣需要處理海量敏感資料的場景中，FHE 有望大顯身手，為隱私計算的應用拓展出全新的空間。
上述背景下誕生的 Mind Network 專案正吸引著行業目光。Mind Network 是首個將 FHE 技術應用於 AI 基礎設施專案（由幣安孵化並獲得投資），其核心亮點包括多代理（Multi-Agent）系統中引入端到端的加密計算架構。本文將通過分析 Mind Network 的技術架構、執行機制與實際案例，探討 FHE 對 AI Agent 行業的應用價值。
一、Mind Network 相關介紹
Mind Network 基本資訊
Mind Network 於 2022 年成立，核心團隊成員來自密碼學、區塊鏈、人工智慧等領域。彼時 Web3 和人工智慧興起，資料安全與隱私問題突出，Mind Network 基於 FHE（全同態加密）技術構建安全高效網路平臺，為資料主權保護、公平共識、私密投票、安全跨鏈傳輸和可信 AI 提供獨特的解決方案，旨在將 Web3 引領至量子抗性和端到端加密的新時代。
Mind Network 致力於構建一個 「信任作業系統」，支援具備自主決策能力的 AI Agent 安全執行。其目標不僅是提供 「更安全的 AI」，而是構建能夠與人類社會共存的可信 AI 基礎設施，通過 FHE 網路，實現 「資料在加密狀態下即可被計算」，從根本上解決 Agent 面臨的四大安全挑戰：
- 共識安全（Consensus Security）：通過加密共識機制，保障代理協作時行為可驗證且不可篡改；
- 資料安全（Data Security）：代理在處理健康、金融等敏感資料時，始終保持資料加密，避免隱私洩露；
- 計算安全（Computational Security）：避免 「黑箱模型」 風險，實現計算過程的透明可審計；
- 通訊安全（Communication Security）：通過零信任加密協議，實現端到端安全通訊。
Mind Network 2023 年完成 250 萬美元種子輪融資，2024 年完成 1000 萬美元 Pre-A 輪融資，共計融資 1250 萬美元，由 Animoca Brands 等知名機構參投。入選 Binance Labs 第五季孵化計劃與 Chainlink BUILD 計劃，與 Zama、Chainlink 等開展技術合作，釋出了 HTTPZ、MindV Hubs 等技術標準和產品，著力構建安全、加密且可持續發展的生態系統。其主網已於 2024 年 11 月正式上線，並在 2025 年完成 TGE。
FHE 技術原理
Mind Network 採用的 FHE（全同態加密）技術，能在加密資料上直接進行各類計算，且計算結果仍加密，全程無需解密，極大保護了隱私與安全。傳統加密計算前需解密，存在安全風險。在多方資料合作場景中，傳統加密難以保障隱私，而 FHE 能讓各方資料加密計算，僅授權方憑金鑰獲取明文。
具體的 FHE 技術工作機制包含加密、計算、解密三個過程。加密時，傳送方用特定加密演算法和公鑰將明文轉為密文。計算階段，計算節點可在密文上執行加、乘等操作，依靠同態性質，確保密文計算結果與明文相同計算後的加密結果一致。解密階段，只有擁有私鑰的接收方才可將密文還原為明文。
FHE 的技術優勢在多領域應用潛力巨大，在醫療資料共享、金融機構聯合風險評估等場景中能有效防止資料洩露，目前在金融、雲端計算、人工智慧、物聯網等領域均有廣泛應用。
ZK（零知識證明）、MPC（多方安全計算）和 FHE（全同態加密）技術在一些應用上有些相似，這裡對各種技術之間的特點做一個簡單的歸納：
ZK 不用透露資訊就能證明其正確性，可保護隱私，常用於身份許可權驗證；MPC 支援多方在資料保密的情況下共同計算，在跨機構的資料分析、財務審計中很有用。而 FHE 在 AI 方面優勢突出，能讓資料在整個計算過程都保持加密。這意味著在 AI 資料處理和模型訓練時，就算把加密資料交給第三方輔助計算，也不用擔心資料洩露，極大提升了 AI 資料的安全性和隱私性，助力 AI 技術在對資料安全要求高的領域推廣應用。
Mind Network 利用 FHE（全同態加密）技術，讓 Agent 在不暴露原始資料的前提下完成協作任務。 可以總結為四個核心安全需求：
- 共識安全：去中心化環境中，需要確保 Agent 之間的一致性，當前的區塊鏈本質上都是基於 「交易」 記帳，難以滿足複雜的動態協作，Mind Network 基於 FHE 提供了可信的協作機制
- 資料安全：保護 Agent 處理敏感資料時，不會暴露原始內容
- 計算安全：Agent 在執行推理過程時，提供過程的加密，但保持可驗證
- 通訊安全：Agent 在通訊或協作過程中，確保其從傳輸到結果，始終加密
HTTPZ：下一代網際網路協議
HTTPZ 是下一代網際網路協議，由 Mind Network 與 ZAMA 聯合提出，旨在利用全同態加密（FHE）技術實現網路資料的端到端加密。
2024 年 Telegram 在創辦人兼 CEO 帕維爾・杜羅夫被捕後修改了服務條款，向美國政府提交了更多的使用者資訊。這一事件凸顯出在當今網際網路環境下，即使像 Telegram 這樣以加密技術及高保密性著稱的平臺，在面對外部壓力時，難以完全保護使用者資訊。而 HTTPZ 使用 FHE 提供端到端加密，確保資料在傳輸、儲存和計算過程中的隱私。其他情況下，如在醫療資料場景中，醫院上傳加密的基因資料用 HTTPZ 進行分析，資料全程加密，雲提供商無法訪問原始資料，可以很好地保護資料隱私。
相比傳統的 HTTP 和 HTTPS，HTTPZ 的優勢可以總結如下：
- 加密範圍：HTTP 沒有加密機制，資料以明文形式傳輸，容易被竊取和篡改。HTTPS 僅在傳輸過程中加密，在資料處理和儲存時需解密，存在資料暴露風險。HTTPZ 則利用 FHE 技術，實現資料在傳輸、儲存和計算全生命週期的加密。
- 架構模式：HTTP 和 HTTPS 基於傳統的信任模型，依賴伺服器和中間機構的可信性。HTTPZ 採用零信任架構，不預設任何信任，對每個請求和資料互動都進行嚴格的驗證和授權。
- 應用支援：HTTP 和 HTTPS 難以滿足去中心化應用（dApps）、人工智慧驅動的解決方案或量子彈性系統的安全需求。HTTPZ 可實現安全、去中心化的應用程式和量子安全加密，能很好地支援區塊鏈、AI 和量子計算等新興技術。
隨著網路環境與 AI 技術的加速發展，HTTPZ 的零信任架構和先進加密技術能作為 Web3、AI、區塊鏈、量子計算等新興技術的關鍵支撐協議，提供安全執行環境，推動網際網路向去中心化、智慧化，引領下一代網際網路朝著更安全、注重隱私、高效的方向發展。
二、AI Agent 的多代理共識問題剖析
Single Agent 與 Multi Agent 比較
隨著 AI Agent 的廣泛應用和處理越來越複雜的問題，原有的 Single Agent（單一代理）往往難以高效、準確地完成，所以 Multi Agent 應運而生。Multi Agent 即 「多代理」 或 「多智慧體」，通過多個 Agent 的協作，能夠將複雜任務分解，利用各 Agent 的專長從不同角度解決問題，實現資訊共享與協同作業。這不僅大大提升了處理複雜問題的能力，增強了系統的靈活性和適應性，為解決複雜的現實難題提供了更強大的技術手段。
Single Agent 的不足：
- 能力範圍受限，難以應對複雜任務
- 缺少交叉驗證，容易產生判斷偏差
- 獨立執行，無法藉助外部力量
- 任務量過大時效能容易下降
Multi Agent 的優點：
- 專業分工，發揮各自所長
- 資訊共享，形成完整解決方案
- 互相校驗，降低錯誤率
- 靈活擴展套件，適應複雜需求
基於處理複雜任務的優勢，Multi Agent 目前已經得到廣泛的應用，包括：Questflow、MetaGPT、ai16z、Swarms 等。
Multi Agent 共識問題
在 Multi Agent 的系統結構裡，各 Agent 之間的共識問題極為關鍵。以自動駕駛為例，車輛的感知 Agent、決策 Agent 以及控制 Agent 間的共識尤為重要。一旦遇到突發狀況，如前方突然出現行人，若各 Agent 不能迅速就緊急制動達成共識，極有可能引發交通事故，威脅生命安全。
資料安全與隱私問題也不容忽視。在醫療行業，AI Agent 系統會接觸大量患者的敏感資訊，如病歷、診斷結果等。一旦資料安全防護不足，這些隱私資料就可能被洩露，這不僅會損害患者權益，還會阻礙 AI Agent 在醫療領域的推廣應用。
決策一致性和效率同樣是重要問題。智慧投資決策系統中，不同 AI Agent 基於不同演算法和資料給出的投資建議可能相互矛盾，讓投資者無所適從。
三、Mind Network 基於 FHE 技術的解決方案
Mind Network 致力於利用 FHE 技術打造全加密的 Web3，為 Multi Agent 或 AI Agent 面臨的問題提供創新解決方案，主要涵蓋以下幾個關鍵方面：
1. 資料主權保護：AI Agent 處理的資料常包含個人資料、感測器資料、交易資料等高價值資訊，其輸入輸出資料敏感度高。用 FHE 技術實現資料全流程加密，在無需解密的情況下完成計算與處理，保障資料在傳輸、儲存和使用過程中的安全性，確保資料主權歸使用者所有，避免資料洩露風險。
2. 公平共識機制：對於 AI 網路和 AI Agent 之間的共識機制，傳統投票方式在節點較少的網路中易出現作弊和操縱現象。藉助 FHE 技術使 Agent 基於加密資料進行共識驗證，提高共識效率和可靠性，減少作弊行為，保障網路公平公正地達成共識。
3. 通訊互動安全：在多方或跨鏈協作中，不同智慧體之間很難互相信任。比如讓 Binance 的 Agent 和 OKX 的 Agent 協作，雙方很難願意互相共享資料。而 FHE 技術讓它們在不暴露資料的情況下也能交換和處理資訊，既保護隱私，又保證安全，為合作打下信任基礎。
4. 可信 AI 支援：Mind Network 通過 FHE 技術賦能 AI Agent，保證在資料處理和模型訓練過程中資料始終加密，防止資料洩露，讓 AI Agent 能在安全環境下高效處理敏感資料，提升 AI 資料的安全性和隱私性，推動可信 AI 的發展。
應用案例
- io.net：2024 年 4 月，io.net 與 Mind Network 宣佈合作，在增強人工智慧的安全和效率上共創解決方案。io.net 將 Mind NetworkFHE 解決方案引入其分散式計算平臺中，以幫助加強其產品的安全性，並進一步提高應對全球 GPU 短缺的能力。
- Chainlink：2024 年 5 月，Chainlink 與 Mind Network 建立戰略聯盟，將 FHE 藉口建立在 Chainlink 的跨鏈互操作性協議 (CCIP) 之上，適用於 Arbitrum、以太坊基金會和 Polygon 等各種平臺。
- Phala：2025 年 1 月，Phala Netwrok 與 Mind Network 宣佈達成戰略合作，將 TEE（可信執行環境）與 FHE 相結合打造下一代安全零信任的 AI Agent 解決方案。Phala Network 的 TEE 助力 AI Agent 低成本且安全地處理資料與模型，隨後載入 Mind Network 的 FHE SDK 對推理結果加密，再將其傳送至 Mind Network 的 FHE Hub 進行共識驗證。通過 TEE、FHE 與區塊鏈的融合，實現端到端的安全服務和自主共識能力，有效解決資料安全、量子抗性和去中心化共識等關鍵難題。
- Swarms：2025 年 1 月，Mind Network 與 Swarms 宣佈深度合作，聚焦技術融合與功能拓展。在 Agent 開發方面，雙方用 Rust 語言優化 Swarms 成 Swarms-rust，提升程式設計安全性與並發效率，增強系統性能穩定性。Multi Agent 協作上，借全同態加密技術構建安全共識機制，保護資料隱私與智慧財產權，降低資訊洩露風險，實現高效協作。實際效果顯著，Multi Agent 系統在金融分析、醫療診斷等領域處理複雜任務能力大幅提升，為相關工作提供有力支援。Swarms 是天才少年 Kye Gomez 開發的 AI 領域重要專案，專注 Agent 和群體技術研發創新，在 Multi Agent 編排架構成果顯著，為 Agent 互動提供基礎。
四、優勢與挑戰
優勢：
- 技術首創：Mind Network 是首個將 FHE 技術用於共識管理的專案，開創了行業先河。
- 資料安全升級：傳統 AI Agent 共識方案中資料傳輸和計算需解密，易洩露。Mind Network 利用 FHE 讓資料全程加密，在金融資料處理等場景中有效防洩露。
- 效率顯著提升：傳統共識演算法隨節點增加效率降低，Mind Network 結合 FHE 技術，能在大規模 AI Agent 協作如智慧城市交通管理中快速驗證和共識加密資料。
- 信任機制革新：傳統信任建立依賴身份認證和信譽機制，易受攻擊。Mind Network 基於 FHE 使節點僅驗證加密資料，無需知曉真實身份和內容，可解決跨組織供應鏈信任難題。
- 架構靈活可擴展套件：其分散式網路節點多樣，在 DePIN 和 AI Agent 領域可按需擴展套件。
- 激勵機制完善：通過原生代幣、交易手續費分成、榮譽獎勵等，激發節點參與共識的積極性與誠實性，推動生態繁榮。
挑戰：
- 效能瓶頸：FHE 技術計算複雜，處理大規模資料和複雜任務速度慢，密文體積大，給資料傳輸和儲存帶來困難。
- 市場認知不足：FHE 技術較新，企業和開發者對其瞭解有限，部分企業態度謹慎。
- 生態建設待加強：目前 Mind Network 應用場景有限，生態系統建設有待進一步完善。
五、尾聲
Mind Network 4 月 6 日已上線空投查詢，測試網、主網活躍參與者、邀請活動及社群貢獻者等均可領取。
儘管 FHE 技術目前仍有技術上的發展瓶頸，但隨著技術革新，未來潛力巨大，Mind Network 打造的生態有助於推動 AI Agent 領域的整體發展。對開發者和生態參與者而言機遇與挑戰並存，希望類似的紮實做好基礎設施建設的專案會越來越多，共同做好 AI 生態建設。
