Mind Network 完整介紹：以 FHE 技術破解 AI Agent 安全難題

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？ ）

A I 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：

1. 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；
2. 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；
3. 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；
4. 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：

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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：

1. 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。
2. 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。
3. 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。

?相關報導?

民主黨提出《清潔雲法案》要求美國比特幣礦企與 AI 算力中心擁抱綠能：2035 實現零碳排

Coingecko 調查：是誰在投資加密AI？

吉卜力、AGI、Vibe-coding、影片生成， 整理今年 10 大 AI 應用趨勢