NEAR introduit un protocole de confidentialité : amélioration des performances et protection de la vie privée
Récemment, un nouveau protocole de confidentialité a annoncé l'introduction de la technologie de calcul aveugle et de stockage aveugle dans la blockchain publique NEAR, qui met l'accent sur la vitesse et l'évolutivité. Cette intégration combine les performances élevées de NEAR avec des outils de confidentialité avancés, permettant à de nombreux projets de l'écosystème NEAR d'utiliser la technologie de calcul aveugle.
NEAR, en tant que réseau blockchain mature, est connu pour ses performances exceptionnelles. Ses trois principales caractéristiques incluent :
La technologie de sharding Nightshade : Il s'agit de la solution de sharding unique de NEAR, capable d'améliorer considérablement le débit des transactions et de réduire la latence, ce qui la rend particulièrement adaptée aux applications à haute performance.
Runtime WebAssembly : La machine virtuelle basée sur Wasm de NEAR prend en charge le développement de contrats intelligents en Rust et AssemblyScript, attirant des développeurs de différents horizons.
Comptes lisibles : NEAR utilise un système de noms de compte intuitif, améliorant considérablement l'expérience utilisateur et l'accessibilité.
Ces caractéristiques ont attiré de nombreux développeurs, entrepreneurs et créateurs, qui ont ensemble construit un écosystème florissant.
En combinant la capacité de calcul aveugle avec le traitement efficace des transactions de NEAR, les avantages suivants ont été réalisés :
Données privées modulaires : les fonctionnalités de confidentialité s'intègrent de manière fluide avec NEAR, permettant l'exécution modulaire des opérations de stockage et de calcul des données dans un réseau privé, tout en effectuant des règlements transparents sur la blockchain NEAR. Cette modularité offre aux développeurs une plus grande 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 ont été étendues. Cela a considérablement élargi 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 à réaliser en raison de restrictions de confidentialité, et d'attirer des utilisateurs soucieux de leur vie privée.
IA privée : L'attention de NEAR pour une IA autonome et détenue par les utilisateurs s'harmonise avec les capacités de stockage et de calcul privées, ouvrant ainsi un vaste nouvel espace de conception pour l'IA décentralisée.
Cette intégration ouvre de nouvelles voies pour les applications de protection de la vie privée au sein de l'écosystème NEAR, en particulier en ce qui concerne les solutions d'IA :
Inférence privée : mettre en œuvre une inférence sécurisée pour les modèles d'IA, offrant une protection aux modèles d'apprentissage automatique propriétaires et aux utilisateurs qui fournissent des entrées sensibles.
Agent privé : Avec l'émergence des agents d'IA agissant de manière autonome, les solutions de confidentialité deviennent essentielles. Le support de la classification des intentions permet aux utilisateurs de ne pas divulguer d'informations sur leur requête d'origine ou les actions de l'agent lorsqu'ils utilisent celui-ci.
Apprentissage fédéré : 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 : devenez une solution pour protéger la confidentialité des données de base pendant l'entraînement du GAN.
Recherche améliorée par récupération privée (RAG) : activer de nouvelles méthodes de protection de la vie privée pour la récupération d'informations, facilitant le stockage sécurisé des vecteurs au repos et l'évaluation de la recherche sémantique.
En plus de cela, cette intégration ouvre de nouvelles possibilités dans des domaines tels que les solutions de confidentialité inter-chaînes, les plateformes communautaires axées sur la confidentialité, le DeFi sécurisé et les outils pour développeurs protégeant la vie privée.
En combinant l'infrastructure haute performance de NEAR avec des fonctionnalités de confidentialité avancées, un environnement est en train d'être créé pour permettre aux développeurs de construire des applications puissantes et respectueuses de la vie privée, afin de répondre aux besoins du monde réel. Cela contribuera à la création d'une nouvelle économie numérique ouverte, permettant aux gens de mieux contrôler leurs actifs et leurs données.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
7 J'aime
Récompense
7
4
Partager
Commentaire
0/400
BearMarketLightning
· Il y a 3h
Tout est mis à jour, sauf que le jeton ne hausse pas.
Voir l'originalRépondre0
InscriptionGriller
· Il y a 3h
Encore un concept de spéculation ? La technologie se dégrade en utilisant le prétexte de la vie privée pour prendre les gens pour des idiots.
NEAR introduit un protocole de confidentialité pour créer un nouvel écosystème alliant haute performance et protection des données.
NEAR introduit un protocole de confidentialité : amélioration des performances et protection de la vie privée
Récemment, un nouveau protocole de confidentialité a annoncé l'introduction de la technologie de calcul aveugle et de stockage aveugle dans la blockchain publique NEAR, qui met l'accent sur la vitesse et l'évolutivité. Cette intégration combine les performances élevées de NEAR avec des outils de confidentialité avancés, permettant à de nombreux projets de l'écosystème NEAR d'utiliser la technologie de calcul aveugle.
NEAR, en tant que réseau blockchain mature, est connu pour ses performances exceptionnelles. Ses trois principales caractéristiques incluent :
La technologie de sharding Nightshade : Il s'agit de la solution de sharding unique de NEAR, capable d'améliorer considérablement le débit des transactions et de réduire la latence, ce qui la rend particulièrement adaptée aux applications à haute performance.
Runtime WebAssembly : La machine virtuelle basée sur Wasm de NEAR prend en charge le développement de contrats intelligents en Rust et AssemblyScript, attirant des développeurs de différents horizons.
Comptes lisibles : NEAR utilise un système de noms de compte intuitif, améliorant considérablement l'expérience utilisateur et l'accessibilité.
Ces caractéristiques ont attiré de nombreux développeurs, entrepreneurs et créateurs, qui ont ensemble construit un écosystème florissant.
En combinant la capacité de calcul aveugle avec le traitement efficace des transactions de NEAR, les avantages suivants ont été réalisés :
Données privées modulaires : les fonctionnalités de confidentialité s'intègrent de manière fluide avec NEAR, permettant l'exécution modulaire des opérations de stockage et de calcul des données dans un réseau privé, tout en effectuant des règlements transparents sur la blockchain NEAR. Cette modularité offre aux développeurs une plus grande 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 ont été étendues. Cela a considérablement élargi 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 à réaliser en raison de restrictions de confidentialité, et d'attirer des utilisateurs soucieux de leur vie privée.
IA privée : L'attention de NEAR pour une IA autonome et détenue par les utilisateurs s'harmonise avec les capacités de stockage et de calcul privées, ouvrant ainsi un vaste nouvel espace de conception pour l'IA décentralisée.
Cette intégration ouvre de nouvelles voies pour les applications de protection de la vie privée au sein de l'écosystème NEAR, en particulier en ce qui concerne les solutions d'IA :
Inférence privée : mettre en œuvre une inférence sécurisée pour les modèles d'IA, offrant une protection aux modèles d'apprentissage automatique propriétaires et aux utilisateurs qui fournissent des entrées sensibles.
Agent privé : Avec l'émergence des agents d'IA agissant de manière autonome, les solutions de confidentialité deviennent essentielles. Le support de la classification des intentions permet aux utilisateurs de ne pas divulguer d'informations sur leur requête d'origine ou les actions de l'agent lorsqu'ils utilisent celui-ci.
Apprentissage fédéré : 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 : devenez une solution pour protéger la confidentialité des données de base pendant l'entraînement du GAN.
Recherche améliorée par récupération privée (RAG) : activer de nouvelles méthodes de protection de la vie privée pour la récupération d'informations, facilitant le stockage sécurisé des vecteurs au repos et l'évaluation de la recherche sémantique.
En plus de cela, cette intégration ouvre de nouvelles possibilités dans des domaines tels que les solutions de confidentialité inter-chaînes, les plateformes communautaires axées sur la confidentialité, le DeFi sécurisé et les outils pour développeurs protégeant la vie privée.
En combinant l'infrastructure haute performance de NEAR avec des fonctionnalités de confidentialité avancées, un environnement est en train d'être créé pour permettre aux développeurs de construire des applications puissantes et respectueuses de la vie privée, afin de répondre aux besoins du monde réel. Cela contribuera à la création d'une nouvelle économie numérique ouverte, permettant aux gens de mieux contrôler leurs actifs et leurs données.