Mind Network の FHE 駆動 AI エージェント・プライバシーレイヤー:ブロックチェーン脆弱性の 55% が暗号化インテリジェンスを必要とする理由
2025 年、AI エージェントによるブロックチェーン脆弱性の悪用率は 2% から 55.88% へと急増しました。これは、悪用による総収益が 5,000 ドルから 460 万ドルへと跳ね上がったことを意味します。この一つの統計は、不都合な真実を浮き彫りにしています。それは、ブロックチェーン上で自律型 AI を動かすインフラが、敵対的な環境を想定して設計されていなかったということです。AI エージェントが行うすべてのトランザクション、戦略、データリクエストは、ネットワーク全体に公開されます。スマートコントラクトの脆弱性の半分が現在の AI エージェントによって自律的に実行され得る世界において、この透明性はもはや機能(フィーチャー)ではなく、壊滅的な負債となります。
Mind Network は、コンピュータサイエンスの「聖杯」と呼ばれる暗号技術の画期的進歩、完全準同型暗号(Fully Homomorphic Encryption: FHE)に解決策があると考えています。Binance Labs、Chainlink、そして 2 つのイーサリアム財団の研究助成金から 1,250 万ドルの支援を受け、彼らは暗号化された AI 計算を現実のものにするためのインフラを構築しています。
透明性の罠:なぜ現在のブロックチェーンアーキテクチャは AI エージェントに不向きなのか
ブロックチェーンの急進的な透明性は、自律型 AI の運用と根本的な対立を生みます。AI エージェントが計算リソースを購入したり、API アクセス権を取得したり、DeFi 戦略を実行したりすると、支払という行為は取得したリソース以上の情報を露呈してしまいます。
新たな裁定取引(アービトラージ)戦略を展開するトレーディングエージェントを考えてみましょう。送信されるすべてのトランザクションは以下を公開します:
- コスト構造と利益率
- 戦略的なタイミングと実行パターン
- データソースと分析インプット
- リソース割り当ての優先順位
観察者はアルゴリズムをリバースエンジニアリングする必要はありません。単に支払いの流れを監視するだけでいいのです。伝統的な金融において、これはすべてのヘッジファンドの取引記録をリアルタイムで公開することと同等です。
この問題は競合他社のインテリジェンスに留まりません。Anthropic の AI セキュリティチームの研究によると、最近デプロイされた 2,849 件のスマートコントラクトのスキャンを依頼された現世代の AI エージェント(Sonnet 4.5 および GPT-5)は、3,694 ドル相当の悪用が可能な 2 つの新しいゼロデイ脆弱性を発見しました。さらに驚くべきことに、2025 年に実行されたブロックチェーンの悪用の半分以上が、現在の AI エージェントによって自律的に実行できた可能性があるということです。
マルチエージェントシステムは、これらのリスクを指数関数的に増大させます。連鎖的失敗に関する研究では、単一の侵害されたエージェントが 4 時間以内に下流の意思決定の 87% を汚染したことが判明しました。ほとんどの AI エージェントの基盤となる共有 LLM アーキテクチャはモノカルチャーリスクを生み出します。エージェントが同様の推論パターンを共有している場合、攻撃ベクトルはエコシステム全体に拡大します。
FHE の登場:秘密を保持したままの計算
完全準同型暗号(FHE)は、データのプライバシーに関する考え方のパラダイムシフトを表しています。保存中や転送中のデータを保護する従来の暗号化とは異なり、FHE はデータを復号することなく、暗号化されたまま直接計算することを可能にします。通常は平文へのアクセスが必要な数学的演算を暗号文に対して行い、データ所有者だけが復号できる暗号化された結果を生成します。
目に見えないデータをどのようにして意味のある形で処理できるのでしょうか? その答えは、格子ベース暗号の代数的構造にあります。これは、NIST が 2024 年に主要な耐量子暗号標準として承認したのと同じ基盤です。つまり、FHE は単なるプライバシー保護ツールではなく、設計段階から量子耐性を備えています。
準同型暗号市場は、この可能性に対する機関投資家の認識の高まりを反映しています。2024 年に 2 億 2,600 万ドルと評価された市場は、2030 年までに 11 億 2,000 万ドルに達すると予測されています。2026 年までに、大企業の 87% がデータ保護戦略に準同型暗号を統合すると予想されています。ブロックチェーンセグメントは、分散型アプリケーションにおけるプライバシー需要に後押しされ、すでに 55% の市場シェアで圧倒しています。
IBM や Zama のような主要企業は、金融取引、AI、クラウドコンピューティングのプライバシーのための実用的な FHE ソリューションを開発しています。Zama は 2024 年 3 月に、特に FHE 機能の拡張を目的としてシリーズ A で 7,300 万ドルを調達し、同社の本番環境対応の TFHE-rs v1.0.0 ライブラリは、現実世界の実装の基盤となっています。
Mind Network のアーキテクチャ:インフラとしての FHE
Mind Network は、既存のブロックチェーンパターンに FHE を単に適用しているわけではありません。彼らは暗号化された AI オペレーションのために、スタックを第一原理から再構築しています。
MindChain:初の FHE ネイティブ・ブロックチェーン
MindChain は AI エージェント専用に設計されており、Web2 および Web3 両方の環境におけるセキュリティと信頼の課題に対処します。FHE を活用することで、AI エージェントは財務データ、健康記録、秘密鍵などの機密情報を一度も復号することなく処理できます。エージェントは「暗号化された形式」のみを認識し、結果を不可視の状態で提供します。
このアーキテクチャの選択は、チームが「可視性の問題」と呼ぶ課題を解決します。従来のスマートコントラクトは、バリデーターが計算を検証する必要があるため、透過的に実行されます。MindChain の FHE コンセンサスにより、エージェントは 基礎となるデータやロジックを公開することなく、安全に連携し、動作を検証することができます。
AgenticWorld:暗号化されたマルチエージェント・コーディネーション
AgenticWorld は、AI エージェントを、環境を認識し、独立して考え、意思決定を行い、意味のある行動をとる自律的な存在として構想しています。これらはプログラムされたタスクを受動的に実行するだけのものではなく、暗号化されたメモリ、プライベートな長期的アイデンティティ、そして安全な連携チャネルを必要とする経済主体です。
このプラットフォームは、BNB Chain や Ethereum などの複数のネットワークにデプロイされた共有ハブ(Hub)を通じて、クロスチェーンでのエージェント連携を可能にします。エージェントは暗号化されたデータを独立して計算および提供し、連携エージェント(coordination agents)がハブ間の通信を促進し、暗号化された状態を同期させ、コンセンサス入力をルーティングします。
x402z:エージェント・エコノミーのためのプライバシー決済
2025 年 12 月、Mind Network は Zama と提携し、初のエージェント間(A2A)プライバシー決済ソリューションである x402z を発表しました。このプロトコルは、Zama のプロダクション・グレードの FHE(完全同型暗号)技術スタックと ERC-7984 暗号トークン規格を統合し、経済活動の「ブラインド検証(内容を明かさない検証)」を可能にします。
Mind Network の CEO である Christian Pusateri 氏は、x402z を「HTTPZ(ゼロトラスト・インターネット・プロトコル)の主要な決済レイヤーであり、エージェント・エコノミーに必要なプライバシー保護を提供するもの」と説明しています。
このプロトコルの革新性は、可視性のない検証にあります。エージェントがデータ、計算、または API アクセスを購入する際、オブザーバーはその取引が有効であることを確認できますが、なぜその取引が行われたのか、あるいはそれがどのような戦略をサポートしているのかを知ることはできません。これにより、ブロックチェーンはパノプティコン(一望監視施設)から信頼レイヤーへと変貌を遂げます。
HTTPZ プロトコル:AI のためのゼロトラスト・インターネット
Mind Network のビジョンはブロックチェーンにとどまらず、彼らが HTTPZ と呼ぶもの、つまりデータのライフサイクル全体にわたって暗号化を拡張するゼロトラスト・インターネット・プロトコルへと広がっています。このプロトコルは、FHE とそれを補完する以下のプライバシー技術を組み合わせています:
- ゼロ知識証明(ZK): データを明かすことなく、暗号化されたデータに関する記述を証明する
- マルチパーティ計算(MPC): 単一の当事者が完全な情報にアクセスすることなく、複数の当事者間で共同計算を行う
- 信頼実行環境(TEE): 機密性の高い操作のためのハードウェアで保護されたエンクレーブ
このハイブリッド・アプローチにより、実世界のアプリケーションにおいて速度、プライバシー、検証可能性のバランスが保たれます。パフォーマンス要件やセキュリティ上の制約に基づき、さまざまな操作で最適なプライバシー技術を活用できます。
Phala Network との提携はこの統合の好例であり、Spore.fun などのプラットフォーム向けに FHE を活用したブラインド投票を実装しています。FHE と Phala の TEE の組み合わせにより、暗号学的保護とハードウェアによる隔離という二重のセキュリティが構築されます。