Privasea与Zama达成合作，共同探索AI 、数据安全、ML领域

“近日， Privasea 生态不断取得实质性的生态进展。在此前获得了新一轮战略私募轮融资后，其又 Zama 达成了战略合作伙伴关系，双方将长期绑定。这不仅表明 Zama 对于 Privasea 技术方案、长期发展前景以及叙事方向的认可，同时也是隐私保护应用于机器学习领域的重要进展”。

Zama 是一个致力于推动全同态加密技术（FHE）在区块链和人工智能领域应用的科技公司，在过去的四年中，其不断将 FHE 从抽象的数学理论转化为实际可用的代码，极大地提升了开发者对于 FHE 技术的应用能力。最近，Zama 在其 A 轮融资中成功筹资 7300 万美元，这进一步印证了市场对 Zama 技术实力以及发展潜力的信心。

目前，Zama 开发了针对开发者友好的 FHE 库和解决方案，并在性能上持续进行优化，其推出的 fhEVM，在区块链应用的隐私智能合约方面取得显著成效，并已与多个项目包括 Fhenix、Shiba Inu 和 Inco 等整合，这些合作标志着对隐私保护在区块链中实用性的进步。

人工智能、机器学习等是 Zama 期望推动 FHE 技术广泛采用的潜在领域，比如其所推出的 Concrete ML 工具就服务于这些科技前沿领域，而为了进一步在该方向上取得实质性的进展，近日 Zama 已经与 Privasea 达成了战略合作伙伴关系，且相互间形成了深入的技术整合。基于此，Zama 将长期为 Privasea 的 FHEML 方案提供技术支持， Privasea 也将成为 Zama 将其 FHE 方案应用于 AI、ML 领域的一块重要拼图。

通过此次合作，Privasea 与 Zama 将在对方生态中都扮演不可或缺的重要角色，且双方生态将长期绑定。与此同时，这一合作关系的达成，也预示着隐私保护技术在机器学习领域的应用即将迎来全新的突破。

Privasea 生态的叙事

Privasea 是一个由 AI+DePIN 驱动、以 FHE 为技术方案的隐私计算平台，其致力于提供一个安全和可持续的 AI 和机器学习计算环境。我们看到，在 AI 领域，数据安全和隐私保护一直是一个长期和复杂的挑战，而 Privasea 的 FHE 方案具备高度的数据保密性和符合性，并能够遵守欧盟通用数据保护条例(GDPR)等法律法规方面。

Privasea 网络的核心是一个强大的 FHE 管道，该管道基于 TFHE-RS 和 Concrete-ML 并针对 Privasea 需求进行特别定制的。这一组件为数据的安全性提供了坚实的堡垒，使得用户的数据在整个计算过程中都得到加密保护，即便是在协同计算的过程中也不会被泄漏。所以我们看到，Zama 是 Privasea FHE 的重要来源，其对于 Privasea 网络的支持是长期且持续的。

Privasea 不仅能够通过其 API，为开发者们提供了接入 Privasea AI 网络能力的工具和功能，支持其无缝地将 AI 能力集成入他们的应用程序中，同时保证了数据的安全和私密性。同时 Privasea 还推出了一个以计算为核心的 DePIN 网络 Privanetix，该网络聚集了分散的计算资源，使之能够安全高效地处理加密数据。网络的每个节点都装备了适用的 FHEML 管道，使得分散的节点能够高效地进行机器学习计算，而不会暴露敏感数据。

Privanetix 网络由 Privasea 的智能合约套件驱动，确保了网络中的计算节点能够被准确地跟踪和奖励。智能合约为网络参与者提供了激励，同时保持了透明度和公平性，是整个网络可持续运行的经济基础。

Privasea 的另外一个优势在于，其支持没有密码学或编程背景的用户，也能轻松地访问和利用这个网络的能力。这不仅大幅降低了使用高级 FHE AI 计算的门槛，让更多用户能够安全地享受 AI 带来的便利，同时还能将这套隐私 AI 计算能力无缝向各个领域拓展。同时，Privasea 网络在保护用户数据的同时，支持合规性审计，满足包括反洗钱法律等在内的各种国家法律规定。这种链下计算方案在保障数据安全的同时，也确保了网络的行为能够在必要时接受审查，为用户提供了一个既安全又可靠的计算环境。

基于此，Privasea 能够与诸多具备验证、计算分析需求的诸多场景高度结合，以用于数据的保护，潜在场景包括生物识别、医疗、金融、安全云数据计算、匿名投票系统等等。

我们看到，Privasea 正在推动 FHE 方案的规模性采用，同时为 AI 技术在保证数据安全、符合数据法规的前提下，与各类场景深入的融合并被广泛的采用提供动力，该生态也有望成为万亿应用市场的全新价值载体。

Privasea 与 Zama 的“双向奔赴”

目前，Privasea 与 Zama 的合作已经取得了实质性的进展，二者合作的核心在于算法整合。Privasea 目前不仅支持主流的 TFHE 方案，还将 Zama 的先进 TFHE-rs 库整合到自身的网络中，以此提高 AI 操作的隐私性和安全性。同时，Privasea 将与 Zama 的技术团队密切协作，确保 TFHE 方案可以无缝融入 Privasea 的基础架构中，通过在测试网上进行压力测试和安全审计，双方将共同确保技术整合的稳定性和安全性。