Nuevos proyectos convierten los datos faciales en NFT, lo que ha generado un amplio seguimiento

Recientemente, un proyecto que convierte datos faciales en NFT ha generado un amplio interés en el mundo crypto. Este proyecto permite a los usuarios ingresar su rostro a través de una aplicación móvil y convertirlo en un NFT. Desde su lanzamiento a finales de abril, se han acuñado más de 200,000 NFT, demostrando una gran popularidad.

El objetivo de este proyecto no es simplemente convertir los datos faciales en NFT, sino verificar la identidad real de los usuarios a través del reconocimiento facial. En el actual entorno de Internet, los programas automatizados (Bot) ocupan una gran parte del tráfico, de los cuales el tráfico malicioso representa el 27.5% del tráfico total. Estos programas maliciosos pueden causar un impacto grave en los servicios e incluso provocar un colapso del sistema.

En la era de Web2, los proveedores de servicios diferenciaban entre humanos y máquinas a través de la verificación de identidad real y códigos de verificación de comportamiento, entre otros métodos. Sin embargo, con el rápido desarrollo de la tecnología de IA, los métodos de verificación tradicionales enfrentan nuevos desafíos. Las herramientas de verificación se ven obligadas a pasar gradualmente de la detección de características de comportamiento a la detección de características biológicas, como la huella dactilar y el reconocimiento facial.

Para Web3, la detección de humanos también es crucial. Por ejemplo, en los airdrops de proyectos, los tramposos pueden crear múltiples cuentas falsas para atacar. Por lo tanto, verificar la identidad de los usuarios reales se vuelve especialmente importante. Esto es particularmente cierto para algunas operaciones de alto riesgo, como el inicio de sesión en la cuenta, el retiro de fondos y las transferencias, donde es necesario confirmar que el usuario no solo es un ser humano, sino también el propietario real de la cuenta.

Sin embargo, implementar el reconocimiento facial en un entorno Web3 descentralizado no es tarea fácil. Esto implica una serie de problemas complejos, como cómo construir una red de computación de aprendizaje automático descentralizada, cómo proteger la privacidad de los datos de los usuarios y cómo mantener el funcionamiento de la red.

Para resolver estos problemas, el proyecto ha construido una red de IA basada en la tecnología de cifrado homomórfico completo (FHE). FHE es una técnica de cifrado que garantiza que el resultado de realizar las mismas operaciones en texto claro y en texto cifrado sea consistente. El equipo del proyecto ha optimizado el FHE tradicional para que sea más adecuado para escenarios de aprendizaje automático.

La arquitectura de esta red de IA incluye cuatro roles principales: propietario de datos, nodos de cálculo, descifrador y receptor de resultados. El propietario de datos envía de manera segura tareas y datos a través de la API; los nodos de cálculo realizan cálculos encriptados; el descifrador verifica los resultados de los cálculos; y finalmente, los resultados se devuelven al receptor designado.

Durante todo el proceso, los datos se mantienen en un estado encriptado, asegurando la privacidad y la seguridad. Al mismo tiempo, la red utiliza un mecanismo dual de prueba de trabajo (PoW) y prueba de participación (PoS) para gestionar los nodos y distribuir recompensas, permitiendo a los usuarios elegir la forma de participación adecuada según sus recursos.

A pesar de que la tecnología FHE abre nuevas posibilidades para la computación privada, también enfrenta desafíos en términos de eficiencia computacional. En comparación con la computación en texto claro, la velocidad de cálculo de FHE todavía presenta una gran diferencia. Sin embargo, con el desarrollo de la optimización de algoritmos y la aceleración de hardware, se espera que el rendimiento de FHE mejore aún más.

En general, este proyecto, a través de una arquitectura innovadora y tecnología de computación privada, no solo proporciona a los usuarios un entorno seguro para el procesamiento de datos, sino que también abre un nuevo capítulo en la fusión de Web3 con AI. Con los constantes avances tecnológicos, proyectos similares tienen el potencial de desempeñar un papel en más áreas, impulsando el desarrollo de la computación privada y las aplicaciones de AI.