أدخلت سلسلة NEAR العامة تقنية الخصوصية لدعم ترقية النظام البيئي

robot
إنشاء الملخص قيد التقدم

إدخال تقنية الخصوصية في سلسلة NEAR العامة: الجمع المثالي بين الأداء والخصوصية

مؤخراً، أعلن بروتوكول خصوصية عن إدخال تقنيات الحسابات المجهولة والتخزين المجهول على سلسلة NEAR العامة. ستجمع هذه التكامل بين الأداء العالي لـ NEAR وأدوات الخصوصية المتقدمة، مما يمكّن أكثر من 750 مشروعاً في نظام NEAR البيئي من الاستفادة من تقنية الحسابات المجهولة.

NEAR كشبكة بلوكتشين L1 ناضجة مشهورة بأدائها الممتاز. تشمل ميزاتها الثلاث الرئيسية:

  • Nightshade الشظايا: الحل الفريد لشظايا NEAR يزيد من قدرة المعاملات ويقلل من التأخير، مما يجعله مناسبًا للتطبيقات عالية الأداء.
  • وقت التشغيل WebAssembly: يدعم جهاز افتراضي قائم على Wasm العقود الذكية بلغة Rust وAssemblyScript، مما يجذب مطورين من خلفيات مختلفة.
  • الحسابات القابلة للقراءة: يستخدم NEAR أسماء حسابات بديهية، مما يحسن تجربة المستخدم والوصول.

هذه الميزات جذبت عددًا كبيرًا من المطورين ورجال الأعمال والمبدعين، الذين يعملون معًا لبناء نظام بيئي مزدهر.

هذه التكامل يحقق:

  • الخصوصية البيانات المعيارية: تتكامل ميزات الخصوصية بسلاسة مع NEAR، مما يسمح بتنفيذ تخزين البيانات وعمليات الحساب بشكل معياري في الشبكات الخاصة، مع إجراء التسويات بشكل شفاف على بلوكشين NEAR.
  • إدارة البيانات الخاصة: من خلال توفير التخزين والحوسبة الخاصة لجميع أنواع البيانات، تم توسيع وظائف NEAR.
  • الذكاء الاصطناعي الخاص: اهتمام NEAR بالذكاء الاصطناعي المستقل والمملوك من قبل المستخدمين يتكامل مع التخزين والحوسبة الخاصة، مما يفتح مساحة تصميم جديدة واسعة للذكاء الاصطناعي اللامركزي.

NEAR العامة تقدم Nillion الخصوصية: تقاطع الخصوصية والأداء

تفتح هذه التجميعات طرقًا جديدة للتطبيقات التي تحمي الخصوصية داخل نظام NEAR البيئي، لا سيما في مجال حلول الذكاء الاصطناعي:

  • استنتاج خاص: يمكن تحقيق استنتاج آمن لنماذج الذكاء الاصطناعي، مما يوفر الحماية للنماذج التعلم الآلي الملكية وللمستخدمين الذين يقدمون مدخلات حساسة لها.
  • وكيل خاص: مع ظهور وكلاء الذكاء الاصطناعي، أصبحت حلول الخصوصية ذات أهمية قصوى.
  • التعلم الفيدرالي: يمكن تعزيز الخصوصية من خلال حماية عملية التجميع، مما يضمن بقاء المعلومات الحساسة المشتقة أثناء فترة التدريب سرية.
  • البيانات المركبة الخاصة: يمكن أن تصبح حلاً لحماية خصوصية البيانات الأساسية أثناء تدريب GAN.
  • تعزيز البحث الخاص القائم على التوليد (RAG): يمكن تمكين طريقة جديدة لحماية الخصوصية لاسترجاع المعلومات.

بالإضافة إلى ذلك، يوفر هذا التكامل إمكانيات جديدة في مجالات حلول الخصوصية عبر السلاسل، ومنصات المجتمع ذات الأولوية للخصوصية، وDeFi الآمن، وأدوات المطورين لحماية الخصوصية.

من خلال دمج البنية التحتية عالية الأداء من NEAR مع ميزات الخصوصية المتقدمة، يتم خلق بيئة تمكّن المطورين من بناء تطبيقات قوية تحمي الخصوصية لتلبية احتياجات العالم الحقيقي. سيساعد ذلك في إنشاء اقتصاد رقمي مفتوح جديد يمكّن الناس من التحكم بشكل أفضل في أصولهم وبياناتهم.

شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
  • أعجبني
  • 5
  • إعادة النشر
  • مشاركة
تعليق
0/400
SerumSquirtervip
· 08-11 10:31
قريبًا، حدث كبير في المصنع!
شاهد النسخة الأصليةرد0
SignatureVerifiervip
· 08-09 23:19
همم... متقدم من الناحية التقنية لكن هناك مشكلات ثقة هنا. الحوسبة العمياء تحتاج إلى *تدقيق جاد* أولاً
شاهد النسخة الأصليةرد0
SatoshiHeirvip
· 08-09 23:15
من الضروري الإشارة إلى أن هذه مرة أخرى تغليف سطحي للخصوصية، ولا يزال هناك جدل حول كفاءة الأمان والعمليات العمياء.
شاهد النسخة الأصليةرد0
rugdoc.ethvip
· 08-09 23:14
سباق الخصوصية انطلق انطلق انطلق
شاهد النسخة الأصليةرد0
TokenVelocityTraumavip
· 08-09 23:05
NEAR للقمرفعنا يا إخوتي!
شاهد النسخة الأصليةرد0
  • تثبيت