NEAR публичная цепочка вводит технологии конфиденциальности: идеальное сочетание производительности и конфиденциальности
На днях соглашение о конфиденциальности объявило о внедрении технологий слепых вычислений и слепого хранения в блокчейн NEAR. Эта интеграция сочетает в себе высокую производительность NEAR с передовыми инструментами конфиденциальности, позволяя более чем 750 проектам в экосистеме NEAR использовать технологии слепых вычислений.
NEAR как зрелая L1 блокчейн-сеть известна своим выдающимся производительностью. Три основные характеристики включают:
Nightshade шардирование: уникальное решение шардирования NEAR увеличивает пропускную способность транзакций и снижает задержку, что делает его идеальным для высокопроизводительных приложений.
WebAssembly Runtime: Виртуальная машина на основе Wasm поддерживает смарт-контракты на Rust и AssemblyScript, привлекая разработчиков из разных сфер.
Читаемые аккаунты: NEAR использует интуитивно понятные имена аккаунтов, что улучшает пользовательский опыт и доступность.
Эти характеристики привлекли большое количество разработчиков, предпринимателей и креативщиков, которые совместно создали процветающую экосистему.
Данная интеграция реализовала:
Модульная защита данных: функции конфиденциальности плавно интегрируются с NEAR, позволяя модульно выполнять операции хранения и вычисления данных в конфиденциальной сети, одновременно обеспечивая прозрачные расчеты на блокчейне NEAR.
Управление приватными данными: расширяет возможности NEAR, предоставляя приватное хранение и вычисления для всех типов данных.
Частный ИИ: внимание NEAR к автономным, принадлежащим пользователю ИИ и частным хранилищам и вычислительным мощностям дополняет друг друга, открывая обширное новое пространство для проектирования децентрализованного ИИ.
Эта интеграция открывает новые пути для приложений защиты конфиденциальности в экосистеме NEAR, особенно в области AI-решений:
Частное выведение: может обеспечить безопасное выведение для моделей ИИ, защищая собственные модели машинного обучения и пользователей, предоставляющих конфиденциальные данные.
Частные代理: С ростом популярности AI-агентов решения для обеспечения конфиденциальности становятся жизненно важными.
Федеративное обучение: может улучшить конфиденциальность за счет защиты процесса агрегации, обеспечивая сохранение в тайне чувствительной информации, полученной в ходе обучения.
Частные синтетические данные: могут стать решением для защиты конфиденциальности базовых данных в процессе обучения GAN.
Частное улучшенное извлечение информации (RAG): может активировать новый метод защиты конфиденциальности для информационного поиска.
Кроме того, эта интеграция открывает новые возможности в таких областях, как кросс-цепочные решения для конфиденциальности, платформы сообщества с приоритетом на конфиденциальность, безопасные DeFi и инструменты для разработчиков, защищающие конфиденциальность.
Создавая среду, в которой разработчики могут строить мощные приложения с защитой конфиденциальности, сочетая высокопроизводительную инфраструктуру NEAR с передовыми функциями конфиденциальности, это поможет удовлетворить потребности реального мира. Это будет способствовать созданию новой открытой цифровой экономики, позволяя людям лучше контролировать свои активы и данные.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
7 Лайков
Награда
7
5
Репост
Поделиться
комментарий
0/400
SerumSquirter
· 08-11 10:31
у нас на заводе большие дела
Посмотреть ОригиналОтветить0
SignatureVerifier
· 08-09 23:19
ммм... технически продвинуто, но есть проблемы с доверием. слепые вычисления требуют *серьезного* аудита в первую очередь.
Посмотреть ОригиналОтветить0
SatoshiHeir
· 08-09 23:15
Следует отметить, что это еще одна поверхностная упаковка конфиденциальности, и эффективность слепых вычислений и безопасность остаются предметом споров.
NEAR публичная цепочка внедряет технологии конфиденциальности для поддержки обновления экосистемы
NEAR публичная цепочка вводит технологии конфиденциальности: идеальное сочетание производительности и конфиденциальности
На днях соглашение о конфиденциальности объявило о внедрении технологий слепых вычислений и слепого хранения в блокчейн NEAR. Эта интеграция сочетает в себе высокую производительность NEAR с передовыми инструментами конфиденциальности, позволяя более чем 750 проектам в экосистеме NEAR использовать технологии слепых вычислений.
NEAR как зрелая L1 блокчейн-сеть известна своим выдающимся производительностью. Три основные характеристики включают:
Эти характеристики привлекли большое количество разработчиков, предпринимателей и креативщиков, которые совместно создали процветающую экосистему.
Данная интеграция реализовала:
Эта интеграция открывает новые пути для приложений защиты конфиденциальности в экосистеме NEAR, особенно в области AI-решений:
Кроме того, эта интеграция открывает новые возможности в таких областях, как кросс-цепочные решения для конфиденциальности, платформы сообщества с приоритетом на конфиденциальность, безопасные DeFi и инструменты для разработчиков, защищающие конфиденциальность.
Создавая среду, в которой разработчики могут строить мощные приложения с защитой конфиденциальности, сочетая высокопроизводительную инфраструктуру NEAR с передовыми функциями конфиденциальности, это поможет удовлетворить потребности реального мира. Это будет способствовать созданию новой открытой цифровой экономики, позволяя людям лучше контролировать свои активы и данные.