Ідеальне поєднання конфіденційності та продуктивності: NEAR блокчейн впроваджує протокол конфіденційності Nillion
Нещодавно певний приватний протокол оголосив про впровадження технологій сліпих обчислень і сліпого зберігання у L1 публічний блокчейн NEAR, який акцентує увагу на швидкості та масштабованості. Ця інноваційна інтеграція поєднує високу продуктивність NEAR із сучасними інструментами конфіденційності, надаючи можливість понад 750 проектам в екосистемі NEAR використовувати сліпі обчислення.
Сильне партнерство NEAR та Nillion
Як зріла мережа блокчейн L1, NEAR завжди славилась своєю видатною продуктивністю. Її три основні характеристики включають:
Технологія шардінгу Nightshade: це унікальне рішення шардінгу від NEAR, яке суттєво підвищує обробну здатність транзакцій і зменшує затримки, що робить його дуже підходящим для сценаріїв застосування з високими вимогами до продуктивності.
WebAssembly середовище виконання: NEAR на базі віртуальної машини Wasm підтримує смарт-контракти, написані на Rust та AssemblyScript, що приваблює розробників з різних технічних фонів.
Зручна для користувачів система облікових записів: NEAR впровадила інтуїтивно зрозумілі способи іменування облікових записів, що значно покращує досвід користувачів та доступність.
Ці унікальні переваги привабили велику кількість розробників, підприємців та інноваторів, які спільно створили процвітаючу екосистему з понад 750 додатками.
Цей раз було досягнуто наступних проривів, поєднуючи сліпу обчислювальну потужність з ефективною обробкою транзакцій NEAR:
Модульна конфіденційність даних: функції конфіденційності безшовно інтегровані з NEAR, що дозволяє модульно виконувати операції зберігання даних та обчислень у спеціалізованій мережі, одночасно забезпечуючи прозоре розрахунки на блокчейні NEAR. Такий модульний дизайн надає розробникам більшу гнучкість.
Управління приватними даними: надаючи конфіденційне зберігання та обчислювальні послуги для різних видів даних, значно розширено функціональні можливості NEAR. Це суттєво розширило дизайн простору для застосувань захисту конфіденційності в екосистемі NEAR, дозволяючи розробникам створювати рішення, які раніше не могли бути реалізовані через обмеження конфіденційності, одночасно залучаючи більше користувачів, які надають перевагу конфіденційності.
Приватний ШІ: акцент NEAR на автономному, користувачеві керованому ШІ гармонійно поєднується з можливостями приватного зберігання та обчислення, відкриваючи нові горизонти для розвитку децентралізованого ШІ.
Розширення простору для створення криптопроектів
Ця технологічна інтеграція відкрила нові напрями розвитку для застосунків захисту приватності в екосистемі NEAR, особливо в плані рішень на основі штучного інтелекту:
приватний AI
Приватне інферування: підтримує безпечне інферування для AI моделей, забезпечуючи захист для власних моделей машинного навчання та користувачів, які надають чутливі дані, на початковому етапі переважно зосереджуючись на приватних моделях, таких як регресія, прогнозування часових рядів або класифікація.
Приватні агенти: з підвищенням тенденції дій AI-агентів в напівавтономному або повністю автономному режимі, потреба в рішеннях для захисту конфіденційності стає все більш важливою. Підтримка класифікації намірів може забезпечити, що користувачі не розкривають інформацію про первісний запит або дії агента, що здійснюються на основі запиту.
Федеративне навчання: хоча федеративне навчання головним чином зосереджене на навчанні моделей на децентралізованих наборах даних без централізації даних, нові технології конфіденційності можуть посилити захист конфіденційності, захищаючи процес агрегації, щоб забезпечити збереження конфіденційності чутливої інформації (такої як градієнти), що генерується під час навчання.
Приватні синтетичні дані: нова технологія може стати рішенням для захисту конфіденційності базових даних під час навчання GAN. Застосування MPC під час навчання GAN може забезпечити, щоб дані, що використовуються в процесі навчання, не були розкриті іншим учасникам.
Поліпшене генерування приватного пошуку (RAG): ця технологія відкриває інноваційний метод захисту конфіденційності для інформаційного пошуку, підтримуючи квантове безпечне зберігання векторів у нерухомому стані та оцінку семантичного пошуку без необхідності розшифровки.
кросчейн рішень для приватності
Враховуючи увагу NEAR до взаємодії, ця інтеграція має на меті прокласти шлях для захищених міжланцюгових застосувань і передачі активів.
платформа спільноти з пріоритетом на конфіденційність
Децентралізовані спільноти можуть використовувати вміст приватного зберігання та соціальні графіки, обробляючи їх для рекомендації цільового персоналізованого вмісту, поєднуючи переваги децентралізації з захистом конфіденційності. Ця платформа також може підтримувати анонімне голосування, подачу приватних пропозицій та безпечне управління коштами.
безпечний DeFi
Технологія сліпих обчислень може реалізувати приватні книги замовлень, конфіденційну оцінку кредитів і приховані ліквідні пулі, значно підвищуючи безпеку та конфіденційність зростаючої екосистеми DeFi NEAR.
інструменти для розробників з акцентом на конфіденційність
Технологія сліпих обчислень може покращити дружнє до розробників середовище NEAR, надаючи інструменти та API з акцентом на конфіденційність, що дозволяє розробникам легко інтегрувати передові функції конфіденційності у свої додатки, зберігаючи при цьому зручність та масштабованість NEAR.
Перспектива: Майбутнє сліпих обчислень на NEAR
Поєднуючи високу продуктивність інфраструктури NEAR з розвиненими функціями конфіденційності, створюється ідеальне середовище, яке дозволяє розробникам створювати потужні, захищені від сторонніх доступу програми, що відповідають потребам реального світу. Це сприятиме розвитку абсолютно нової відкритої цифрової економіки, яка дозволить користувачам дійсно контролювати свої активи та дані.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
18 лайків
Нагородити
18
3
Поділіться
Прокоментувати
0/400
ForkYouPayMe
· 07-25 21:13
near ще не помер~
Переглянути оригіналвідповісти на0
SybilSlayer
· 07-25 21:05
Тюринг старший обчислювач + сліпе обчислення дивовижний
Переглянути оригіналвідповісти на0
ChainSherlockGirl
· 07-25 20:53
Сліпий обчислення, перша перспектива їсти кавун, всі тримайтеся міцно.
NEAR впроваджує технологію сліпих обчислень, щоб влити нову енергію конфіденційності в екосистему Web3.
Ідеальне поєднання конфіденційності та продуктивності: NEAR блокчейн впроваджує протокол конфіденційності Nillion
Нещодавно певний приватний протокол оголосив про впровадження технологій сліпих обчислень і сліпого зберігання у L1 публічний блокчейн NEAR, який акцентує увагу на швидкості та масштабованості. Ця інноваційна інтеграція поєднує високу продуктивність NEAR із сучасними інструментами конфіденційності, надаючи можливість понад 750 проектам в екосистемі NEAR використовувати сліпі обчислення.
Сильне партнерство NEAR та Nillion
Як зріла мережа блокчейн L1, NEAR завжди славилась своєю видатною продуктивністю. Її три основні характеристики включають:
Технологія шардінгу Nightshade: це унікальне рішення шардінгу від NEAR, яке суттєво підвищує обробну здатність транзакцій і зменшує затримки, що робить його дуже підходящим для сценаріїв застосування з високими вимогами до продуктивності.
WebAssembly середовище виконання: NEAR на базі віртуальної машини Wasm підтримує смарт-контракти, написані на Rust та AssemblyScript, що приваблює розробників з різних технічних фонів.
Зручна для користувачів система облікових записів: NEAR впровадила інтуїтивно зрозумілі способи іменування облікових записів, що значно покращує досвід користувачів та доступність.
Ці унікальні переваги привабили велику кількість розробників, підприємців та інноваторів, які спільно створили процвітаючу екосистему з понад 750 додатками.
Цей раз було досягнуто наступних проривів, поєднуючи сліпу обчислювальну потужність з ефективною обробкою транзакцій NEAR:
Модульна конфіденційність даних: функції конфіденційності безшовно інтегровані з NEAR, що дозволяє модульно виконувати операції зберігання даних та обчислень у спеціалізованій мережі, одночасно забезпечуючи прозоре розрахунки на блокчейні NEAR. Такий модульний дизайн надає розробникам більшу гнучкість.
Управління приватними даними: надаючи конфіденційне зберігання та обчислювальні послуги для різних видів даних, значно розширено функціональні можливості NEAR. Це суттєво розширило дизайн простору для застосувань захисту конфіденційності в екосистемі NEAR, дозволяючи розробникам створювати рішення, які раніше не могли бути реалізовані через обмеження конфіденційності, одночасно залучаючи більше користувачів, які надають перевагу конфіденційності.
Приватний ШІ: акцент NEAR на автономному, користувачеві керованому ШІ гармонійно поєднується з можливостями приватного зберігання та обчислення, відкриваючи нові горизонти для розвитку децентралізованого ШІ.
Розширення простору для створення криптопроектів
Ця технологічна інтеграція відкрила нові напрями розвитку для застосунків захисту приватності в екосистемі NEAR, особливо в плані рішень на основі штучного інтелекту:
приватний AI
Приватне інферування: підтримує безпечне інферування для AI моделей, забезпечуючи захист для власних моделей машинного навчання та користувачів, які надають чутливі дані, на початковому етапі переважно зосереджуючись на приватних моделях, таких як регресія, прогнозування часових рядів або класифікація.
Приватні агенти: з підвищенням тенденції дій AI-агентів в напівавтономному або повністю автономному режимі, потреба в рішеннях для захисту конфіденційності стає все більш важливою. Підтримка класифікації намірів може забезпечити, що користувачі не розкривають інформацію про первісний запит або дії агента, що здійснюються на основі запиту.
Федеративне навчання: хоча федеративне навчання головним чином зосереджене на навчанні моделей на децентралізованих наборах даних без централізації даних, нові технології конфіденційності можуть посилити захист конфіденційності, захищаючи процес агрегації, щоб забезпечити збереження конфіденційності чутливої інформації (такої як градієнти), що генерується під час навчання.
Приватні синтетичні дані: нова технологія може стати рішенням для захисту конфіденційності базових даних під час навчання GAN. Застосування MPC під час навчання GAN може забезпечити, щоб дані, що використовуються в процесі навчання, не були розкриті іншим учасникам.
Поліпшене генерування приватного пошуку (RAG): ця технологія відкриває інноваційний метод захисту конфіденційності для інформаційного пошуку, підтримуючи квантове безпечне зберігання векторів у нерухомому стані та оцінку семантичного пошуку без необхідності розшифровки.
кросчейн рішень для приватності
Враховуючи увагу NEAR до взаємодії, ця інтеграція має на меті прокласти шлях для захищених міжланцюгових застосувань і передачі активів.
платформа спільноти з пріоритетом на конфіденційність
Децентралізовані спільноти можуть використовувати вміст приватного зберігання та соціальні графіки, обробляючи їх для рекомендації цільового персоналізованого вмісту, поєднуючи переваги децентралізації з захистом конфіденційності. Ця платформа також може підтримувати анонімне голосування, подачу приватних пропозицій та безпечне управління коштами.
безпечний DeFi
Технологія сліпих обчислень може реалізувати приватні книги замовлень, конфіденційну оцінку кредитів і приховані ліквідні пулі, значно підвищуючи безпеку та конфіденційність зростаючої екосистеми DeFi NEAR.
інструменти для розробників з акцентом на конфіденційність
Технологія сліпих обчислень може покращити дружнє до розробників середовище NEAR, надаючи інструменти та API з акцентом на конфіденційність, що дозволяє розробникам легко інтегрувати передові функції конфіденційності у свої додатки, зберігаючи при цьому зручність та масштабованість NEAR.
Перспектива: Майбутнє сліпих обчислень на NEAR
Поєднуючи високу продуктивність інфраструктури NEAR з розвиненими функціями конфіденційності, створюється ідеальне середовище, яке дозволяє розробникам створювати потужні, захищені від сторонніх доступу програми, що відповідають потребам реального світу. Це сприятиме розвитку абсолютно нової відкритої цифрової економіки, яка дозволить користувачам дійсно контролювати свої активи та дані.