NEAR публічна мережа впроваджує технології конфіденційності: ідеальне поєднання продуктивності та конфіденційності

Нещодавно компанія, що займається конфіденційністю, оголосила про впровадження технологій сліпих обчислень та сліпого зберігання в публічну блокчейн-мережу L1 NEAR, яка славиться швидкістю та масштабованістю. Це інтеграція поєднує високу продуктивність NEAR з сучасними інструментами конфіденційності, що дозволяє більш ніж 750 проектам в екосистемі NEAR використовувати технології сліпих обчислень.

Поєднання NEAR та технологій конфіденційності

NEAR як зріла L1 блокчейн-мережа завжди славиться своєю відмінною продуктивністю. Його три основні характеристики включають:

• Nightshade шардінг: це унікальне шардінгове рішення NEAR, здатне підвищити пропускну здатність транзакцій і зменшити затримки, що робить його ідеальним для високопродуктивних додатків.
• WebAssembly виконання: NEAR на базі віртуальної машини Wasm підтримує смарт-контракти на Rust та AssemblyScript, що приваблює розробників з різних фонов.
• Читабельні облікові записи: NEAR використовує інтуїтивно зрозумілі імена облікових записів, що покращує користувацький досвід та доступність.

Ці характеристики привабили велику кількість розробників, підприємців та креативщиків, які спільно створили процвітаючу екосистему з більш ніж 750 додатками.

Поєднання сліпих обчислювальних можливостей з високоефективною обробкою транзакцій NEAR дозволяє досягти:

• Модульна конфіденційність даних: функція конфіденційності гладко інтегрується з NEAR, дозволяючи модульно виконувати операції зберігання та обробки даних у конфіденційній мережі, одночасно здійснюючи прозорі розрахунки на блокчейні NEAR. Ця модульність надає розробникам гнучкість при проектуванні архітектури додатків.
• Управління приватними даними: розширює можливості NEAR, надаючи приватне зберігання та обробку для всіх типів даних. Це суттєво розширює простір для проєктування застосунків з захистом приватності в екосистемі NEAR, дозволяючи розробникам створювати рішення, які раніше були неможливими через обмеження приватності, та залучати користувачів, які цінують приватність.
• Приватний ШІ: Увага NEAR до автономного, користувацького ШІ, поєднується з приватним зберіганням та обчислювальними можливостями, відкриваючи широкий новий дизайн простір для децентралізованого ШІ.

Розширення простору для побудови криптопроектів

Ця інтеграція відкриває нові шляхи для застосувань захисту приватності в екосистемі NEAR, особливо з акцентом на рішення в сфері ШІ:

Приватний ШІ:

• Приватне інферування: забезпечує безпечне інферування для AI-моделей, захищаючи власні моделі машинного навчання та користувачів, які надають чутливі дані, спочатку зосереджуючись на приватних моделях, таких як регресія, прогнозування часових рядів або класифікація.
• Приватні агенти: з виникненням AI-агентів, які діють (частково) автономно, попит на рішення щодо конфіденційності став надзвичайно важливим. Підтримка класифікації намірів може дозволити користувачам не розкривати інформацію про їхні початкові запити або дії агентів, що були вжиті на основі цих запитів.
• Федеративне навчання: незважаючи на те, що федеративне навчання в основному зосереджене на навчанні моделей на децентралізованих наборах даних без необхідності централізованих даних, нові технології можуть посилити конфіденційність, захищаючи процес агрегації, щоб забезпечити збереження конфіденційності чутливої інформації (такої як градієнти), отриманої під час навчання.
• Приватні синтетичні дані: нова технологія може стати рішенням для захисту конфіденційності базових даних під час тренування GAN. Застосування MPC до навчання GAN забезпечує те, що дані, які використовуються під час тренування, ніколи не будуть розкриті іншим учасникам.
• Приватний пошук з посиленням генерації (RAG): може активувати новий метод захисту конфіденційності для інформаційного пошуку, сприяючи квантово-безпечному зберіганню векторів у спокої та оцінці семантичного пошуку без потреби у розшифровці.

Крос-чейн рішення для приватності:

З огляду на важливість NEAR для взаємодії, така інтеграція може прокласти шлях для кросчейн-додатків з захистом конфіденційності та передачі активів.

Приватність переважає на платформі спільноти:

Децентралізовані спільноти можуть отримувати вигоду від приватного зберігання контенту та соціальних графів, а також обробляти їх для рекомендації цілеспрямованого персоналізованого контенту, поєднуючи переваги децентралізації з конфіденційністю. Ця платформа також може сприяти сліпому голосуванню, поданню приватних пропозицій та безпечному управлінню коштами.

Безпечний DeFi:

Сліпа обчислювальна технологія може реалізувати приватні книги замовлень, конфіденційну оцінку кредитів та приховані ліквідні пулі, що підвищує безпеку та конфіденційність зростаючої екосистеми DeFi на базі NEAR.

Інструменти для розробників для захисту конфіденційності:

Сліпа обчислення може покращити дружнє до розробників середовище NEAR, надаючи інструменти та API, орієнтовані на конфіденційність, що дозволяють розробникам легко інтегрувати передові функції конфіденційності у свої додатки, не жертвуючи простотою використання та масштабованістю NEAR.

Майбутнє сліпих обчислень на NEAR

Поєднуючи високу продуктивність інфраструктури NEAR з передовими функціями конфіденційності, створюється середовище, в якому розробники можуть створювати потужні, конфіденційні програми, щоб задовольнити потреби реального світу. Це допоможе створити нову відкриту цифрову економіку, де люди контролюють свої активи та дані.