Direkt zum Hauptinhalt

Mind Networks FHE-Konsens: Die erste Blockchain, bei der Validatoren die von ihnen validierten Daten niemals sehen

· 12 Min. Lesezeit
Dora Noda
Dora Noda
Software Engineer

Stellen Sie sich eine Blockchain vor, bei der Validatoren über die Korrektheit einer KI-Inferenz abstimmen – ohne jemals den Prompt des Benutzers, die Gewichte des Modells oder die Ausgabe zu sehen. Nicht verschleiert. Nicht gehasht. Verschlüsselt. Die eigene Software des Validators kann das, worüber sie abstimmt, nicht entschlüsseln.

Das ist die Wette, die Mind Network auf der Konsensebene eingeht, und es ist die deutlichste architektonische Abkehr von der „öffentlichen Blockchain“ seit der Einführung von Zero-Knowledge-Rollups. Eine aktuelle ausführliche Analyse von Web3Caff Research bezeichnet dies als einen kategoriedefinierenden Schritt: den ersten Versuch, vollständig homomorphe Verschlüsselung (Fully Homomorphic Encryption, FHE) innerhalb des Konsenses auszuführen und nicht als Feature auf der Anwendungsebene. Wenn es funktioniert, werden Validatoren zu kryptografischen Black Boxes – sie verarbeiten Chiffretext, erzeugen Chiffretext und berühren niemals den Klartext von irgendetwas, das sie sichern.

Falls nicht, reiht es sich in eine lange Liste brillanter Kryptografie ein, die für echte Nutzer zu langsam war.

Hier ist, was die Architektur tatsächlich tut, wie sie sich von der ZK-Welt unterscheidet, die die meisten Entwickler bereits kennen, und wo die versteckten Fehlermöglichkeiten liegen.

Warum „Validatoren sehen die Daten niemals“ ein größeres Versprechen ist, als es klingt​

Jede öffentliche Blockchain, die heute in Betrieb ist, funktioniert auf einer tiefen Ebene nach dem gleichen Prinzip: Validatoren führen die Transaktionen aus, über die sie sich einigen sollen. Sie müssen die Eingaben sehen, um zu verifizieren, dass die Ausgaben korrekt sind. Datenschutz auf Ethereum, Solana oder einem generischen L2 ist daher immer nachträglich hinzugefügt – zk-SNARKs beweisen, dass eine private Berechnung korrekt durchgeführt wurde, aber die Berechnung selbst fand Off-Chain statt, bevor der Beweis veröffentlicht wurde.

Die vollständig homomorphe Verschlüsselung kehrt dies um. FHE ermöglicht es Ihnen, Berechnungen direkt auf verschlüsselten Daten durchzuführen und ein verschlüsseltes Ergebnis zu erhalten, das nach der Entschlüsselung durch den Schlüsselinhaber genau dem entspricht, was eine Klartextberechnung ergeben hätte. Keine vertrauenswürdige Ausführungsumgebung (TEE). Kein „Beweisen, dann Enthüllen“-Tanz. Der Validator besitzt niemals den Schlüssel.

Die Architektur von Mind Network schiebt dieses Primitiv direkt in den Konsenspfad. Laut der eigenen Dokumentation des Projekts verschlüsseln Validator-Knoten ihre Urteile, bevor sie diese an einen Validation Hub-Contract senden, und erzielen eine Einigung durch FHE-verschlüsselte On-Chain-Abstimmungen. Da die Abstimmung über Chiffretext erfolgt, werden „Absprachen und Datenlecks mathematisch unmöglich“. Mind nennt den resultierenden Mechanismus POSIV – Proof-of-Stake-and-Integrity-Verification – ein Staking-System, bei dem die Stimmkraft nach dem Stake gewichtet wird, die Stimmen selbst jedoch Chiffretexte sind.

Die praktische Konsequenz: Ein Validator kann keine Front-Running-Daten verkaufen, kann nicht zur Herausgabe von Klartext vorgeladen werden, den er nicht besitzt, und kann nicht mit anderen Validatoren kolludieren, indem er sich über sichtbare Stimmen abstimmt. Der Chiffretext ist die einzige Wahrheit, bis eine Schwellenwert-Entschlüsselung das Endergebnis freigibt.

FHE-Konsens vs. die ZK-Welt, die die meisten Teams kennen​

Entwickler, die aus dem Rollup-Ökosystem kommen, werfen FHE oft mit ZK in einen Topf, da beides „Datenschutz-Kryptografie“ ist. Der Unterschied ist jedoch entscheidend dafür, welche Anwendungen tatsächlich möglich sind.

  • ZK-Beweise verifizieren, dass eine Berechnung korrekt durchgeführt wurde. Ein Prover führt die Berechnung Off-Chain im Klartext aus und reicht dann einen kompakten Beweis ein. Verifizierer prüfen den Beweis, nicht die Eingaben.
  • FHE lässt die Berechnung selbst auf dem Chiffretext stattfinden. Es ist kein Off-Chain-Prover erforderlich. Die Chain kann verschlüsselte Eingaben aufnehmen, die Logik homomorph ausführen und verschlüsselte Ausgaben ausgeben.

Wie es in einer aktuellen Studie hieß: „ZK beweist, dass etwas passiert ist; FHE ermöglicht es, dass Dinge passieren – privat.“ Die beiden Technologien werden zunehmend als komplementär statt als konkurrierend angesehen: ZK für die kompakte Verifizierung, FHE für die eigentliche vertrauliche Ausführung darunter. Zamas eigene Roadmap setzt genau auf diesen „Best-of-both-worlds“-Ansatz.

Für KI-Workloads ist das FHE-Modell dasjenige, das sich auszahlt. ZK-Schaltkreise für moderne neuronale Netze sind zwar möglich, aber extrem teuer, und sie erfordern immer noch, dass der Prover das Klartextmodell und die Eingaben an irgendeinem Punkt verarbeitet. FHE ermöglicht es – zumindest im Prinzip –, dass der Prompt des Nutzers und die Gewichte des Modells während der gesamten Inferenz verschlüsselt bleiben, wobei keine Partei jemals beides gleichzeitig besitzt.

Die vier Workloads, für die Mind Network tatsächlich entwickelt wurde​

Wenn man das Marketing weglässt, zielt die Mind-Network-Architektur auf vier Kategorien von Anwendungen ab, bei denen „niemand den Klartext sieht“ das Hauptprodukt und nicht nur ein nettes Extra ist.

1. Verschlüsselte KI-Inferenz. Ein Benutzer sendet einen verschlüsselten Prompt. Ein KI-Modell – dessen Gewichte ebenfalls verschlüsselt sind – führt die Inferenz homomorph aus. Die verschlüsselte Ausgabe geht zurück an den Benutzer, der sie mit seinem Schlüssel entschlüsselt. Weder das Netzwerk noch der Modell-Host sehen jemals die Eingabe oder Ausgabe im Klartext. Dies ist der wichtigste Anwendungsfall, um den herum auch die Partnerschaft mit BytePlus (ByteDance) aufgebaut ist: Mind stellt einen FHE-basierten Model Context Protocol (MCP)-Dienst auf BytePlus bereit, damit KI-Workloads „native End-to-End-Privatsphäre und verifizierbare Integrität“ erhalten.

2. Versiegelte Validator-Abstimmungen. Manipulationen bei Abstimmungen in PoS-Systemen nutzen oft die Tatsache aus, dass frühe Stimmen sichtbar sind und kopiert, erzwungen oder durch Front-Running ausgenutzt werden können. Wenn jede Validator-Stimme ein Chiffretext ist, bis ein Entschlüsselungsschwellenwert erreicht wird, erhält man einen kryptografisch erzwungenen Konsens mit verdeckten Geboten. Dies ist der Kern von POSIV.

3. Vertrauliche Datenmärkte. Datensätze können gelistet, abgefragt und monetarisiert werden, ohne dass der Käufer jemals die Rohdaten sieht und ohne dass der Verkäufer die Abfrage sieht. Die Berechnung findet auf dem Chiffretext statt; nur das vertraglich lizenzierte Ergebnis wird entschlüsselt.

4. Nachweise zur Einhaltung regulatorischer Vorschriften. Finanzinstitute können Prüfern gegenüber nachweisen, dass eine Reihe von Transaktionen eine Regel erfüllt (Sanktionsprüfung, Eigenkapitalanforderungen, Fair-Lending-Tests), ohne die zugrunde liegenden Transaktionen offenzulegen. Heute erfordert dies entweder, dem Prüfer den Klartext anzuvertrauen oder pro Regel einen maßgeschneiderten ZK-Schaltkreis zu bauen. FHE ermöglicht es, Compliance-Logik als normale Funktion zu schreiben, die auf verschlüsselten Daten läuft.

Jeder dieser Punkte folgt einem gemeinsamen Muster: Der Wert hängt davon ab, dass die Daten niemals gesehen werden, und nicht nur davon, dass die Berechnung korrekt ist.

Wie sich Mind Network in die überfüllte Karte der „vertraulichen Blockchains“ einfügt​

Mind Network ist nicht allein. Die Kategorie der Confidential-Compute-Blockchains hat sich zu vier unterschiedlichen architektonischen Ansätzen konsolidiert:

  • Zama verkauft die Infrastruktur-Spitzhacke. Seine TFHE-rs-Bibliothek und fhEVM bilden die Basisschicht für mehrere Projekte – Fhenix’ optimistisches FHE-Rollup, Incos Confidentiality-as-a-Service und mehr. Zama positioniert sich eher als Vertraulichkeitsschicht denn als konkurrierende Chain, und der ZAMA-Token-Launch im Januar 2026 formalisierte die Ökonomie.
  • Arcium geht einen anderen Weg: Multi-Party Computation (MPC) als Alternative zu FHE, wobei andere Performance- und Vertrauensannahmen abgewogen werden.
  • Inco Network bietet Confidentiality-as-a-Service für bestehende Chains an und kombiniert TEE-basierte Fast-Paths mit sicherer FHE + MPC-Berechnung auf Zamas fhEVM.
  • Mind Network ist derjenige, der FHE in den Consensus-Layer selbst drängt – nicht als Coprozessor, nicht als Bibliothek auf Anwendungsebene, sondern als die Art und Weise, wie Validatoren Übereinkunft erzielen.

Diese letzte Position ist die ehrgeizigste und zugleich fragilste. Sie verspricht die stärksten Datenschutzgarantien (selbst die eigenen Validatoren der Chain sind blind), setzt das Design jedoch direkter als alle Wettbewerber der Performance-Obergrenze von FHE aus, die Hot Paths mittels TEEs umgehen oder FHE aus dem kritischen Abstimmungspfad heraushalten können.

Die Performance-Wand ist die eigentliche Geschichte​

Jedes ernsthafte Gespräch über FHE stößt schließlich auf dieselbe Zahl: FHE-Operationen laufen etwa 100 × bis 1.000 × langsamer als im Klartext. In einigen neueren Arbeiten wird der Rechenaufwand mit 4 – 5 Größenordnungen und der Energieverbrauch mit 5 – 6 Größenordnungen höher beschrieben. Das ist kein Rundungsfehler – das ist der Unterschied zwischen „produktionstauglich“ und „Forschungskuriosität“.

Die Entwicklung verbessert sich, jedoch ungleichmäßig:

  • CPU heute: Führende FHE-Blockchain-Protokolle melden ca. 20 + TPS auf handelsüblichen CPUs – genug für seltene, hochwertige Transaktionen, aber nicht genug für KI für Endverbraucher.
  • GPU-Migration: Roadmaps prognostizieren 500 – 1.000 TPS bis Ende 2026 mit GPU-beschleunigten FHE-Bibliotheken.
  • ASIC-Horizont: Speziell entwickelte FHE-ASICs – einige davon durch das DPRIVE-Programm der DARPA finanziert, das Intel, Duality, SRI und Niobium unterstützt – peilen über 100.000 TPS im Zeitraum 2027 – 2028 an.
  • FPGA-Überbrückung: Akademische Arbeiten wie FAST (FPGA-Beschleunigung von FHE mit effizientem Bootstrapping) und HERA (ein HBM-fähiger FPGA-FHE-Beschleuniger) landen bereits in den ACM/SIGDA-Tagungsberichten 2025 – 2026. TFHE-rs liefert bereits heute FPGA-Unterstützung für AMD Alveo aus.

Speziell für Mind Network ist dies ein ökonomisches und nicht nur ein technisches Problem. Wenn Validatoren FPGAs oder letztlich ASICs benötigen, um FHE mit einem nennenswerten Durchsatz zu betreiben, muss die Staking-Rendite für den FHE-Token hoch genug sein, um spezialisierte Hardware zu amortisieren – andernfalls können nur finanzstarke Betreiber validieren, und „dezentral“ bleibt lediglich ein Wunschgedanke. Dies ist ein reales Spannungsfeld, dem sich jedes FHE-Design auf Consensus-Layer-Ebene direkt stellen muss.

Der MIND / FHE-Token und die Staking-Mechanik​

Der native Token des Netzwerks (Ticker: FHE) ist die Koordinationsschicht. Das Angebot ist auf eine Milliarde begrenzt, mit einer Community-gewichteten Zuteilung (ca. 41,7 % für Airdrop und Community). Das Staking von FHEerwecktKI−AgentenindendezentralenHubsdesAgenticWorld−Frameworkszum„Leben“.DerMindesteinsatzwurdefu¨rdenerstenMonatnachdemAirdropvoru¨bergehendauf10FHE erweckt KI-Agenten in den dezentralen Hubs des AgenticWorld-Frameworks zum „Leben“. Der Mindesteinsatz wurde für den ersten Monat nach dem Airdrop vorübergehend auf 10 FHE gesenkt und kehrt danach zum Standardminimum von 100 $FHE zurück – eine Mechanik, die darauf ausgelegt ist, die Beteiligung der Validatoren anzukurbeln, bevor die ökonomische Sicherheit verschärft wird.

Cap-Table-Signale sind stark: Binance Labs, Chainlink, HashKey, Animoca Brands, Cogitent und zwei Grants der Ethereum Foundation. Die Beziehung zu Chainlink besteht schon länger als der Token – Mind startete bereits 2024 die nach eigenen Angaben „erste institutionelle FHE-Schnittstelle auf Basis von Chainlink CCIP“ für Cross-Chain-Transaktionen. Q3 2026 ist für einen begrenzten Mainnet-Einsatz vorgesehen, wobei Cross-Chain-Interoperabilität die vertrauliche Zahlungsinfrastruktur später im Jahr 2026 über verschiedene Netzwerke hinweg erweitern soll.

Wo das Ganze scheitern könnte​

Drei ehrliche Risiken verdienen es, genannt zu werden.

1. Die Durchsatzlücke könnte den Anwendungsfall zunichtemachen. Vertrauliche KI-Inferenz bei 20 TPS ist eine Demo, kein Produkt. Wenn die FHE-GPU-Ära verspätet eintritt oder hinter den Roadmap-Prognosen zurückbleibt, bleibt der adressierbare Markt von Mind eng begrenzt: hochwertige, seltene institutionelle Transaktionsströme, bei denen der Durchsatz keine Rolle spielt. Das ist ein realer Markt – aber es ist nicht die Vision eines „verschlüsselten Web3 für alle“.

2. Druck zur Hardware-Zentralisierung. Je mehr FHE auf spezialisierte Beschleuniger angewiesen ist, desto stärker konzentriert sich der Betrieb von Validatoren auf finanzstarke Betreiber. Dies ist die gleiche Dynamik, die das Bitcoin-Mining zentralisierte, und sie arbeitet gegen den Gedanken der Vertrauensminimierung, den FHE eigentlich ermöglichen soll.

3. Key Management ist immer noch die Achillesferse. FHE schützt Ciphertext mathematisch während der Übertragung und der Berechnung. Es löst jedoch nicht das Problem, wer die Entschlüsselungsschlüssel hält. Threshold-Entschlüsselungsschemata verlagern dieses Problem in den Bereich von MPC – genau darauf konzentrieren sich Wettbewerber wie Arcium. Eine naive Implementierung mit einem „einzelnen Schlüsselhalter“ macht die meisten Garantien hinfällig.

Worauf man als Nächstes achten sollte​

Das wahre Anzeichen dafür, ob FHE-im-Konsens zu einer Produktionsinfrastruktur wird oder ein Forschungsartefakt bleibt, wird nicht der Token-Preis oder der TVL sein. Achten Sie auf drei Signale:

  • Mainnet-TPS vs. Roadmap. Erreicht Mind Network bis Ende 2026 die GPU-Ära-Prognose von 500 – 1.000 TPS auf einem öffentlichen Mainnet, oder liegt der Wert immer noch im Bereich von 20 – 50?
  • Nicht-triviale KI-Inferenz live. Kein Spielzeugmodell. Ein echtes Modell, bei dem sowohl Gewichte als auch Prompts Ende-zu-Ende verschlüsselt sind und in einem realen Benutzerfluss laufen – wahrscheinlich zuerst über die BytePlus-Integration.
  • Verteilung der Validator-Hardware. Wenn sich das Validator-Set innerhalb des ersten Jahres auf eine Handvoll mit FPGAs ausgestatteter Betreiber konzentriert, ist das Narrativ der „Dezentralisierung“ gefährdet, unabhängig von der Kryptographie.

FHE auf der Konsensschicht ist die Art von architektonischer Wette, die entweder die Bedeutung von „öffentlicher Blockchain“ grundlegend neu definiert oder eine elegante Randerscheinung bleibt. Das Design von Mind Network ist kohärent genug, um den Test zu verdienen. Die nächsten achtzehn Monate werden entscheiden, was davon eintritt.

Entwickler, die an Confidential Compute, KI-gestützten dApps oder Cross-Chain-Privacy-Infrastrukturen arbeiten, benötigen einen zuverlässigen Zugriff auf den Base-Layer, bevor sie mit der nächsten kryptographischen Grenze experimentieren können. BlockEden.xyz bietet RPC und Indexierung auf Enterprise-Niveau für Ethereum, Sui, Aptos und mehr – das Fundament, auf dem Entwickler stehen, während sie nach FHE greifen.

Quellen​

Share on Twitter