La blockchain NEAR introduit des technologies de confidentialité : Une combinaison parfaite de performance et de confidentialité

Récemment, une entreprise spécialisée dans les protocoles de confidentialité a annoncé l'introduction de la technologie de calcul aveugle et de stockage aveugle dans la blockchain publique de couche L1 NEAR, réputée pour sa rapidité et sa scalabilité. Cette intégration combine la haute performance de NEAR avec des outils de confidentialité avancés, permettant aux plus de 750 projets de l'écosystème NEAR d'utiliser la technologie de calcul aveugle.

Fusion de NEAR et des technologies de la vie privée

NEAR, en tant que réseau blockchain L1 mature, est réputé pour ses performances exceptionnelles. Ses trois principales caractéristiques incluent :

• Nightshade sharding : c'est la solution de sharding unique de NEAR, capable d'augmenter le débit des transactions et de réduire la latence, ce qui la rend idéale pour les applications à haute performance.
• Runtime WebAssembly : La machine virtuelle basée sur Wasm de NEAR prend en charge les contrats intelligents en Rust et AssemblyScript, attirant des développeurs de différents horizons.
• Comptes lisibles : NEAR utilise des noms de comptes intuitifs, améliorant ainsi l'expérience utilisateur et l'accessibilité.

Ces caractéristiques ont attiré de nombreux développeurs, entrepreneurs et créateurs, qui ont ensemble construit un écosystème prospère avec plus de 750 applications.

En combinant la puissance de calcul aveugle avec le traitement efficace des transactions de NEAR, il a été réalisé :

• Données de confidentialité modulaires : Les fonctionnalités de confidentialité s'intègrent en douceur avec NEAR, permettant l'exécution modulaire des opérations de stockage et de calcul des données dans un réseau de confidentialité, tout en assurant un règlement transparent sur la blockchain NEAR. Cette modularité offre aux développeurs la flexibilité lors de la conception de l'architecture des applications.
• Gestion des données privées : en offrant un stockage et un calcul privés pour tous les types de données, les fonctionnalités de NEAR sont étendues. Cela élargit considérablement l'espace de conception des applications de protection de la vie privée dans l'écosystème NEAR, permettant aux développeurs de créer des solutions qui étaient auparavant impossibles en raison des restrictions de confidentialité, et d'attirer des utilisateurs soucieux de leur vie privée.
• AI privé : L'attention de NEAR sur l'IA autonome et détenue par l'utilisateur s'harmonise avec le stockage privé et les capacités de calcul, ouvrant un vaste nouvel espace de conception pour l'IA décentralisée.

Espace de construction pour les projets de cryptographie étendus

Cette intégration ouvre de nouvelles voies pour les applications de protection de la vie privée au sein de l'écosystème NEAR, en mettant particulièrement l'accent sur les solutions d'IA :

AI privé :

• Inférence privée : permet d'effectuer des inférences sécurisées sur des modèles d'IA, offrant une protection aux modèles d'apprentissage automatique propriétaires et aux utilisateurs qui fournissent des entrées sensibles, se concentrant initialement sur des modèles privés tels que la régression, la prévision de séries temporelles ou la classification.
• Agents privés : Avec l'émergence des agents IA agissant de manière (semi) autonome, la demande de solutions de confidentialité devient cruciale. Le support pour la classification des intentions peut permettre aux utilisateurs d'utiliser des agents sans divulguer d'informations concernant leur requête d'origine ou les actions prises par l'agent en fonction de cette requête.
• Apprentissage fédéré : Bien que l'apprentissage fédéré se concentre principalement sur l'entraînement de modèles sur des ensembles de données décentralisés sans centraliser les données, de nouvelles techniques peuvent renforcer la confidentialité en protégeant le processus d'agrégation, garantissant que les informations sensibles dérivées pendant l'entraînement (comme les gradients) restent confidentielles.
• Données synthétiques privées : De nouvelles technologies peuvent offrir une solution pour protéger la confidentialité des données de base lors de l'entraînement des GAN. L'application de l'MPC à l'entraînement des GAN garantit que les données utilisées pendant l'entraînement ne seront jamais exposées à d'autres participants.
• Recherche améliorée privée générative (RAG) : permet d'activer une nouvelle méthode de protection de la vie privée pour la recherche d'informations, facilitant le stockage quantique sécurisé des vecteurs au repos et l'évaluation de la recherche sémantique sans décryptage.

Solution de confidentialité inter-chaînes :

Étant donné l'importance que NEAR accorde à l'interopérabilité, cette intégration peut ouvrir la voie à des applications interchaînes et des transferts d'actifs axés sur la protection de la vie privée.

Plateforme communautaire axée sur la vie privée :

Les communautés décentralisées peuvent bénéficier de contenus de stockage privé et de graphes sociaux, et les traiter pour recommander des contenus personnalisés ciblés, alliant les avantages de la décentralisation à la confidentialité. Cette plateforme peut également faciliter le vote à l'aveugle, la soumission de propositions privées et la gestion sécurisée des fonds.

DeFi sécurisé :

Le calcul aveugle permet de réaliser des livres de commandes privés, des évaluations de prêts confidentiels et des pools de liquidité cachés, renforçant ainsi la sécurité et la confidentialité de l'écosystème DeFi en pleine croissance de NEAR.

Outils de développement pour protéger la vie privée :

Le calcul aveugle peut renforcer l'environnement convivial pour les développeurs de NEAR en offrant des outils et des API axés sur la confidentialité, permettant ainsi aux développeurs d'intégrer facilement des fonctionnalités de confidentialité avancées dans leurs applications, sans sacrifier la facilité d'utilisation et l'évolutivité de NEAR.

L'avenir du calcul aveugle sur NEAR

En combinant l'infrastructure haute performance de NEAR avec des fonctionnalités de confidentialité avancées, un environnement est en train d'être créé où les développeurs peuvent construire des applications puissantes et respectueuses de la vie privée pour répondre aux besoins du monde réel. Cela contribuera à créer une nouvelle économie numérique ouverte, permettant aux personnes de contrôler leurs actifs et leurs données.