NEAR cadena pública introduce tecnología de privacidad: la combinación perfecta de rendimiento y privacidad

Recientemente, un protocolo de privacidad anunció la incorporación de tecnologías de cálculo ciego y almacenamiento ciego en la cadena de bloques NEAR. Esta integración combina el alto rendimiento de NEAR con herramientas avanzadas de privacidad, permitiendo que más de 750 proyectos en el ecosistema NEAR utilicen la tecnología de cálculo ciego.

NEAR, como una red de blockchain L1 madura, es conocida por su excelente rendimiento. Sus tres características principales incluyen:

• Nightshade Sharding: La solución de sharding única de NEAR mejora el rendimiento de las transacciones y reduce la latencia, siendo ideal para aplicaciones de alto rendimiento.
• WebAssembly Runtime: una máquina virtual basada en Wasm que soporta contratos inteligentes en Rust y AssemblyScript, atrajo a desarrolladores de diversos orígenes.
• Cuentas legibles: NEAR utiliza nombres de cuentas intuitivos, mejorando la experiencia del usuario y la accesibilidad.

Estas características han atraído a una gran cantidad de desarrolladores, emprendedores y creadores, que juntos han construido un ecosistema próspero.

Esta integración logra:

• Privacidad de datos modular: las funciones de privacidad se integran sin problemas con NEAR, lo que permite la ejecución modular de operaciones de almacenamiento y cálculo de datos en una red privada, mientras se realizan liquidaciones transparentes en la cadena de bloques NEAR.
• Gestión de datos privados: amplía las funcionalidades de NEAR al proporcionar almacenamiento y cálculo privados para todos los tipos de datos.
• AI Privado: El enfoque de NEAR en la IA autónoma y de propiedad del usuario complementa las capacidades de almacenamiento y computación privadas, abriendo un amplio nuevo espacio de diseño para la IA descentralizada.

Esta integración abre nuevas vías para las aplicaciones de protección de la privacidad dentro del ecosistema NEAR, especialmente en lo que respecta a soluciones de IA:

• Inferencia privada: permite realizar inferencias seguras sobre modelos de IA, protegiendo a los modelos de aprendizaje automático propietarios y a los usuarios que proporcionan entradas sensibles.
• Agentes privados: Con el auge de los agentes de IA, las soluciones de privacidad se vuelven cruciales.
• Aprendizaje federado: se puede mejorar la privacidad mediante la protección del proceso de agregación, asegurando que la información sensible derivada durante el entrenamiento se mantenga confidencial.
• Datos sintéticos privados: pueden convertirse en una solución para proteger la privacidad de los datos básicos durante el entrenamiento de GAN.
• Generación Aumentada de Búsqueda Privada (RAG): puede habilitar un nuevo método de protección de la privacidad para la recuperación de información.

Además, esta integración también ha traído nuevas posibilidades en áreas como soluciones de privacidad entre cadenas, plataformas comunitarias centradas en la privacidad, DeFi seguro y herramientas para desarrolladores que protegen la privacidad.

Al combinar la infraestructura de alto rendimiento de NEAR con funciones avanzadas de privacidad, se está creando un entorno que permite a los desarrolladores construir aplicaciones potentes y que protegen la privacidad, para satisfacer las necesidades del mundo real. Esto ayudará a crear una nueva economía digital abierta, que permita a las personas tener un mejor control sobre sus activos y datos.