NEAR публичная цепочка вводит технологии конфиденциальности: идеальное сочетание производительности и конфиденциальности

На днях компания, занимающаяся приватностью, объявила о внедрении технологий слепых вычислений и слепого хранения в публичной блокчейн-сети L1 уровня NEAR, известной своей скоростью и масштабируемостью. Эта интеграция сочетает в себе высокую производительность NEAR с современными инструментами приватности, позволяя более чем 750 проектам в экосистеме NEAR использовать технологии слепых вычислений.

Слияние NEAR и технологий конфиденциальности

NEAR как зрелая L1 блокчейн-сеть всегда славилась своим выдающимся производительностью. Ее три основных характеристики включают:

• Nightshade шардирование: это уникальное решение по шардированию NEAR, которое может увеличить пропускную способность транзакций и уменьшить задержку, что делает его идеальным для высокопроизводительных приложений.
• WebAssembly время выполнения: NEAR основан на виртуальной машине Wasm, поддерживающей смарт-контракты на Rust и AssemblyScript, что привлекает разработчиков с разных фоновых.
• Читаемые аккаунты: NEAR использует интуитивно понятные имена аккаунтов, что улучшает пользовательский опыт и доступность.

Эти особенности привлекли множество разработчиков, предпринимателей и креативщиков, которые совместно создали процветающую экосистему с более чем 750 приложениями.

Сочетание вычислительной мощности с применением слепых вычислений и эффективной обработки транзакций NEAR позволяет достичь:

• Модульная защита данных: функции конфиденциальности плавно интегрируются с NEAR, позволяя модульно выполнять операции хранения данных и вычислений в конфиденциальной сети, при этом обеспечивая прозрачные расчеты на блокчейне NEAR. Эта модульность предоставляет разработчикам гибкость при проектировании архитектуры приложений.
• Управление конфиденциальными данными: расширяет функциональность NEAR за счет предоставления частного хранения и вычислений для всех типов данных. Это значительно расширяет пространство для проектирования приложений по защите конфиденциальности в экосистеме NEAR, позволяя разработчикам создавать решения, которые ранее были невозможны из-за ограничений конфиденциальности, и привлекать пользователей, ориентированных на конфиденциальность.
• Частный ИИ: внимание NEAR к автономному, принадлежащему пользователям ИИ сочетается с частным хранением и вычислительными возможностями, открывая широкое новое пространство для дизайна децентрализованного ИИ.

Расширение пространства для построения криптопроектов

Эта интеграция открывает новые возможности для приложений защиты конфиденциальности в экосистеме NEAR, особенно в области решений на основе ИИ:

Частный ИИ:

• Частное вывод: может обеспечить безопасное выведение для AI-моделей, предлагая защиту для собственных моделей машинного обучения и пользователей, предоставляющих им конфиденциальные данные, изначально сосредоточившись на частных моделях, таких как регрессия, прогнозирование временных рядов или классификация.
• Частные агенты: С ростом популярности AI-агентов, которые действуют (полу)автономно, необходимость в решениях для обеспечения конфиденциальности становится критически важной. Поддержка классификации намерений позволяет пользователям не раскрывать информацию о своем первоначальном запросе или действиях агента, предпринятых на основе этого запроса.
• Федеративное обучение: хотя федеративное обучение в основном сосредоточено на обучении моделей на децентрализованных наборах данных без централизованных данных, новые технологии могут повысить конфиденциальность, защищая процесс агрегации и обеспечивая конфиденциальность чувствительной информации (например, градиентов), полученной в процессе обучения.
• Частные синтетические данные: новые технологии могут стать решением для защиты конфиденциальности базовых данных в процессе обучения GAN. Применение MPC в обучении GAN гарантирует, что данные, используемые в процессе обучения, никогда не будут раскрыты другим участникам.
• Частный поиск с улучшенной генерацией (RAG): может включать новый метод защиты конфиденциальности для информационного поиска, способствуя квантово безопасному хранению векторов в покое и оценке семантического поиска без необходимости расшифровки.

Кросс-чейн решение для конфиденциальности:

Учитывая важность интероперабельности для NEAR, такая интеграция может проложить путь для кросс-цепочных приложений и перемещения активов с защитой конфиденциальности.

Приватная сообщество-платформа:

Децентрализованные сообщества могут извлекать выгоду из содержимого частного хранилища и социальных графов, а также обрабатывать их для рекомендации целевого персонализированного контента, сочетая преимущества децентрализации с конфиденциальностью. Платформа также может способствовать анонимному голосованию, подаче частных предложений и безопасному управлению финансами.

Безопасный DeFi:

Слепые вычисления могут обеспечить частные книги заказов, конфиденциальную оценку кредитов и скрытые ликвидные пуллы, повышая безопасность и конфиденциальность растущей экосистемы DeFi на NEAR.

Инструменты разработчиков для защиты конфиденциальности:

Слепые вычисления могут улучшить дружелюбную к разработчикам среду NEAR, предоставляя инструменты и API, ориентированные на конфиденциальность, позволяя разработчикам легко интегрировать передовые функции конфиденциальности в свои приложения, не жертвуя удобством и масштабируемостью NEAR.

Будущее слепых вычислений на NEAR

Создавая среду, в которой разработчики могут создавать мощные, защищенные от слежки приложения для удовлетворения потребностей реального мира, сочетая высокопроизводительную инфраструктуру NEAR с передовыми функциями конфиденциальности. Это поможет создать новую открытую цифровую экономику, в которой люди смогут контролировать свои активы и данные.