A fusão perfeita entre privacidade e desempenho: a blockchain NEAR introduz o protocolo de privacidade Nillion
Recentemente, um protocolo de privacidade anunciou a introdução de tecnologias de computação cega e armazenamento cego na blockchain L1 NEAR, que se destaca pela sua velocidade e escalabilidade. Esta integração inovadora combina o alto desempenho da NEAR com ferramentas de privacidade avançadas, oferecendo a mais de 750 projetos no ecossistema NEAR a oportunidade de utilizar computação cega.
A forte colaboração entre NEAR e Nillion
Como uma rede de blockchain L1 madura, a NEAR tem sido conhecida por seu desempenho excepcional. Suas três características principais incluem:
Tecnologia de sharding Nightshade: Esta é a solução de sharding exclusiva da NEAR, que melhora significativamente a capacidade de processamento de transações e reduz a latência, sendo muito adequada para cenários de aplicação que exigem alto desempenho.
Ambiente de execução WebAssembly: A NEAR suporta contratos inteligentes escritos em Rust e AssemblyScript na sua máquina virtual baseada em Wasm, o que atraiu desenvolvedores de diferentes formações tecnológicas.
Sistema de contas amigável ao usuário: A NEAR adotou uma forma de nomenclatura de contas intuitiva e fácil de entender, melhorando significativamente a experiência do usuário e a acessibilidade.
Estas vantagens únicas atraíram um grande número de desenvolvedores, empreendedores e inovadores, que juntos criaram um ecossistema próspero com mais de 750 aplicações.
Esta combinação da capacidade de cálculo cego com o processamento eficiente de transações do NEAR resultou nos seguintes avanços:
Privacidade de dados modular: funcionalidades de privacidade integradas de forma transparente com o NEAR, permitindo a execução modular de operações de armazenamento e cálculo de dados em redes dedicadas, enquanto realiza liquidações transparentes na blockchain NEAR. Este design modular oferece maior flexibilidade aos desenvolvedores.
Gestão de dados privados: Ao fornecer serviços de armazenamento e computação privados para vários tipos de dados, as fronteiras funcionais do NEAR foram significativamente expandidas. Isso ampliou enormemente o espaço de design para aplicações de proteção de privacidade no ecossistema NEAR, permitindo que os desenvolvedores construam soluções que antes eram impossíveis devido a restrições de privacidade, ao mesmo tempo que atraem mais usuários focados na privacidade.
AI privado: A ênfase da NEAR na IA autônoma e liderada pelo usuário combina-se com a capacidade de armazenamento e computação privada, abrindo novas perspectivas para o desenvolvimento da IA descentralizada.
Expandir o espaço de construção de projetos de criptomoedas
Esta fusão tecnológica abriu novas direções de desenvolvimento para aplicações de proteção de privacidade dentro do ecossistema NEAR, especialmente no que diz respeito a soluções de IA:
AI privado
Inferência privada: suporta a inferência segura de modelos de IA, proporcionando proteção a modelos de aprendizado de máquina proprietários e usuários que fornecem entradas sensíveis, com foco inicial em modelos privados, como regressão, previsão de séries temporais ou classificação.
Proxy privado: Com a crescente tendência de agentes de IA agindo de forma semi-autônoma ou totalmente autônoma, a necessidade de soluções de privacidade torna-se cada vez mais importante. O suporte à classificação de intenções pode garantir que os usuários não revelem informações relevantes sobre a consulta original ou as ações que o agente tomou com base na consulta ao usar o agente.
Aprendizagem federada: embora a aprendizagem federada se concentre principalmente em treinar modelos em conjuntos de dados descentralizados sem a necessidade de dados centralizados, novas técnicas de privacidade podem melhorar a proteção da privacidade através da proteção do processo de agregação, garantindo que as informações sensíveis geradas durante o treinamento (como gradientes) permaneçam confidenciais.
Dados sintéticos privados: novas tecnologias podem se tornar soluções para proteger a privacidade dos dados básicos durante o treinamento de GAN. A aplicação de MPC no treinamento de GAN pode garantir que os dados utilizados durante o treinamento não sejam expostos a outros participantes.
Recuperação Aumentada Privada (RAG): Esta tecnologia cria um método inovador de proteção de privacidade para recuperação de informações, suportando armazenamento seguro quântico de vetores em estado estacionário e avaliação de busca semântica, sem necessidade de descriptografia.
solução de privacidade entre cadeias
Tendo em conta a ênfase da NEAR na interoperabilidade, esta integração promete pavimentar o caminho para aplicações e transferências de ativos entre cadeias que protegem a privacidade.
plataforma comunitária priorizando a privacidade
As comunidades descentralizadas podem utilizar conteúdos armazenados de forma privada e gráficos sociais, processando-os para recomendar conteúdos personalizados direcionados, combinando as vantagens da descentralização com a proteção da privacidade. Esta plataforma também pode suportar votação anônima, submissão de propostas privadas e gestão segura de fundos.
DeFi seguro
A tecnologia de computação cega pode implementar livros de ordens privados, avaliações de empréstimos confidenciais e pools de liquidez ocultos, aumentando significativamente a segurança e a privacidade do crescente ecossistema DeFi da NEAR.
ferramentas de desenvolvimento focadas na privacidade
A tecnologia de cálculo cego pode melhorar o ambiente amigável para desenvolvedores da NEAR, fornecendo ferramentas e APIs centradas na privacidade, permitindo que os desenvolvedores integrem facilmente funcionalidades avançadas de privacidade em suas aplicações, mantendo ao mesmo tempo a facilidade de uso e escalabilidade da NEAR.
Perspectiva: O futuro da computação cega no NEAR
Ao combinar a infraestrutura de alto desempenho da NEAR com funcionalidades avançadas de privacidade, está a ser criado um ambiente ideal que permite aos desenvolvedores construir aplicações poderosas e que protejam a privacidade, para satisfazer as necessidades do mundo real. Isto ajudará a fomentar uma nova economia digital aberta, permitindo que os utilizadores tenham verdadeiro controlo sobre os seus ativos e dados.
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
NEAR introduz tecnologia de computação cega, injetando nova dinâmica de privacidade no ecossistema Web3.
A fusão perfeita entre privacidade e desempenho: a blockchain NEAR introduz o protocolo de privacidade Nillion
Recentemente, um protocolo de privacidade anunciou a introdução de tecnologias de computação cega e armazenamento cego na blockchain L1 NEAR, que se destaca pela sua velocidade e escalabilidade. Esta integração inovadora combina o alto desempenho da NEAR com ferramentas de privacidade avançadas, oferecendo a mais de 750 projetos no ecossistema NEAR a oportunidade de utilizar computação cega.
A forte colaboração entre NEAR e Nillion
Como uma rede de blockchain L1 madura, a NEAR tem sido conhecida por seu desempenho excepcional. Suas três características principais incluem:
Tecnologia de sharding Nightshade: Esta é a solução de sharding exclusiva da NEAR, que melhora significativamente a capacidade de processamento de transações e reduz a latência, sendo muito adequada para cenários de aplicação que exigem alto desempenho.
Ambiente de execução WebAssembly: A NEAR suporta contratos inteligentes escritos em Rust e AssemblyScript na sua máquina virtual baseada em Wasm, o que atraiu desenvolvedores de diferentes formações tecnológicas.
Sistema de contas amigável ao usuário: A NEAR adotou uma forma de nomenclatura de contas intuitiva e fácil de entender, melhorando significativamente a experiência do usuário e a acessibilidade.
Estas vantagens únicas atraíram um grande número de desenvolvedores, empreendedores e inovadores, que juntos criaram um ecossistema próspero com mais de 750 aplicações.
Esta combinação da capacidade de cálculo cego com o processamento eficiente de transações do NEAR resultou nos seguintes avanços:
Privacidade de dados modular: funcionalidades de privacidade integradas de forma transparente com o NEAR, permitindo a execução modular de operações de armazenamento e cálculo de dados em redes dedicadas, enquanto realiza liquidações transparentes na blockchain NEAR. Este design modular oferece maior flexibilidade aos desenvolvedores.
Gestão de dados privados: Ao fornecer serviços de armazenamento e computação privados para vários tipos de dados, as fronteiras funcionais do NEAR foram significativamente expandidas. Isso ampliou enormemente o espaço de design para aplicações de proteção de privacidade no ecossistema NEAR, permitindo que os desenvolvedores construam soluções que antes eram impossíveis devido a restrições de privacidade, ao mesmo tempo que atraem mais usuários focados na privacidade.
AI privado: A ênfase da NEAR na IA autônoma e liderada pelo usuário combina-se com a capacidade de armazenamento e computação privada, abrindo novas perspectivas para o desenvolvimento da IA descentralizada.
Expandir o espaço de construção de projetos de criptomoedas
Esta fusão tecnológica abriu novas direções de desenvolvimento para aplicações de proteção de privacidade dentro do ecossistema NEAR, especialmente no que diz respeito a soluções de IA:
AI privado
Inferência privada: suporta a inferência segura de modelos de IA, proporcionando proteção a modelos de aprendizado de máquina proprietários e usuários que fornecem entradas sensíveis, com foco inicial em modelos privados, como regressão, previsão de séries temporais ou classificação.
Proxy privado: Com a crescente tendência de agentes de IA agindo de forma semi-autônoma ou totalmente autônoma, a necessidade de soluções de privacidade torna-se cada vez mais importante. O suporte à classificação de intenções pode garantir que os usuários não revelem informações relevantes sobre a consulta original ou as ações que o agente tomou com base na consulta ao usar o agente.
Aprendizagem federada: embora a aprendizagem federada se concentre principalmente em treinar modelos em conjuntos de dados descentralizados sem a necessidade de dados centralizados, novas técnicas de privacidade podem melhorar a proteção da privacidade através da proteção do processo de agregação, garantindo que as informações sensíveis geradas durante o treinamento (como gradientes) permaneçam confidenciais.
Dados sintéticos privados: novas tecnologias podem se tornar soluções para proteger a privacidade dos dados básicos durante o treinamento de GAN. A aplicação de MPC no treinamento de GAN pode garantir que os dados utilizados durante o treinamento não sejam expostos a outros participantes.
Recuperação Aumentada Privada (RAG): Esta tecnologia cria um método inovador de proteção de privacidade para recuperação de informações, suportando armazenamento seguro quântico de vetores em estado estacionário e avaliação de busca semântica, sem necessidade de descriptografia.
solução de privacidade entre cadeias
Tendo em conta a ênfase da NEAR na interoperabilidade, esta integração promete pavimentar o caminho para aplicações e transferências de ativos entre cadeias que protegem a privacidade.
plataforma comunitária priorizando a privacidade
As comunidades descentralizadas podem utilizar conteúdos armazenados de forma privada e gráficos sociais, processando-os para recomendar conteúdos personalizados direcionados, combinando as vantagens da descentralização com a proteção da privacidade. Esta plataforma também pode suportar votação anônima, submissão de propostas privadas e gestão segura de fundos.
DeFi seguro
A tecnologia de computação cega pode implementar livros de ordens privados, avaliações de empréstimos confidenciais e pools de liquidez ocultos, aumentando significativamente a segurança e a privacidade do crescente ecossistema DeFi da NEAR.
ferramentas de desenvolvimento focadas na privacidade
A tecnologia de cálculo cego pode melhorar o ambiente amigável para desenvolvedores da NEAR, fornecendo ferramentas e APIs centradas na privacidade, permitindo que os desenvolvedores integrem facilmente funcionalidades avançadas de privacidade em suas aplicações, mantendo ao mesmo tempo a facilidade de uso e escalabilidade da NEAR.
Perspectiva: O futuro da computação cega no NEAR
Ao combinar a infraestrutura de alto desempenho da NEAR com funcionalidades avançadas de privacidade, está a ser criado um ambiente ideal que permite aos desenvolvedores construir aplicações poderosas e que protejam a privacidade, para satisfazer as necessidades do mundo real. Isto ajudará a fomentar uma nova economia digital aberta, permitindo que os utilizadores tenham verdadeiro controlo sobre os seus ativos e dados.