NEAR公鏈引入隱私技術：性能與隱私的完美結合

近日，一家隱私協議公司宣布將盲計算和盲存儲技術引入以速度和可擴展性著稱的L1層公鏈NEAR。這次整合將NEAR的高性能與先進的隱私工具相結合，使NEAR生態系統中的750多個項目都能夠使用盲計算技術。

NEAR與隱私技術的融合

NEAR作爲一個成熟的L1區塊鏈網路，一直以其卓越性能聞名。它的三個主要特性包括：

• Nightshade分片：這是NEAR獨特的分片解決方案，能夠提高交易吞吐量並減少延遲，非常適合高性能應用。
• WebAssembly運行時：NEAR基於Wasm的虛擬機支持Rust和AssemblyScript的智能合約，吸引了來自不同背景的開發者。
• 可讀帳戶：NEAR使用直觀的帳戶名稱，改善了用戶體驗和可訪問性。

這些特性吸引了大量開發者、企業家和創意者，共同構建了一個擁有750多個應用的繁榮生態系統。

通過將盲計算能力與NEAR的高效交易處理相結合，實現了：

• 模塊化數據隱私：隱私功能與NEAR平滑集成，允許在隱私網路中模塊化執行數據存儲和計算操作，同時在NEAR區塊鏈上進行透明結算。這種模塊化爲開發者在設計應用程序架構時提供了靈活性。
• 私有數據管理：通過爲所有類型的數據提供私有存儲和計算，擴展了NEAR的功能。這大大拓寬了NEAR生態系統中隱私保護應用的設計空間，使開發者能夠構建以前由於隱私限制而無法實現的解決方案，並吸引注重隱私的用戶。
• 私有AI：NEAR對自主、用戶擁有的AI的關注與私有存儲和計算能力相輔相成，爲去中心化AI開闢了廣闊的新設計空間。

擴展加密項目構建空間

這種集成在NEAR生態系統內爲隱私保護應用開闢了新途徑，特別是關注AI解決方案：

私有AI：

• 私有推理：可以實現對AI模型的安全推理，爲專有機器學習模型和向其提供敏感輸入的用戶提供保護，最初專注於回歸、時間序列預測或分類等私有模型。
• 私有代理：隨着AI代理以（半）自主方式採取行動的興起，對隱私解決方案的需求變得至關重要。對意圖分類的支持可以使用戶在使用代理時不會泄露關於其原始查詢或代理根據所述查詢採取的行動的信息。
• 聯邦學習：盡管聯邦學習主要側重於在去中心化數據集上訓練模型而無需集中數據，但新技術可以通過保護聚合過程來增強隱私，確保訓練期間派生的敏感信息（如梯度）保持機密。
• 私有合成數據：新技術可以成爲保護GAN訓練過程中基礎數據隱私的解決方案。將MPC應用於GAN的訓練確保訓練過程中使用的數據永遠不會暴露給其他參與者。
• 私有檢索增強生成（RAG）：可以爲信息檢索啓用一種新穎的隱私保護方法，促進向量在靜止狀態下的量子安全存儲和語義搜索評估而無需解密。

跨鏈隱私解決方案：

鑑於NEAR對互操作性的重視，這種集成可以爲隱私保護的跨鏈應用和資產轉移鋪平道路。

隱私優先的社區平台：

去中心化社區可以受益於私有存儲的內容和社交圖譜，並進行處理以推薦有針對性的個性化內容，將去中心化的好處與隱私相結合。該平台還可以促進盲投票、私人提案提交和安全的資金管理。

安全的DeFi：

盲計算可以實現私有訂單簿、機密貸款評估和隱藏流動性池，增強NEAR不斷增長的DeFi生態系統的安全性和隱私性。

保護隱私的開發者工具：

盲計算可以通過提供以隱私爲重點的工具和API來增強NEAR的開發者友好環境，允許開發者輕鬆地將先進的隱私功能納入其應用程序，而不會犧牲NEAR的易用性和可擴展性。

NEAR上盲計算的未來

通過將NEAR的高性能基礎設施與先進隱私功能相結合，正在創造一個環境，開發者可以構建強大的、保護隱私的應用程序，以滿足現實世界的需求。這將有助於創建一個新的開放數字經濟，讓人們控制自己的資產和數據。