La cadena de bloques NEAR introduce tecnología de computación privada, fusionando rendimiento y realización de la privacidad

Recientemente, la cadena de bloques NEAR anunció que incorporará tecnologías de computación y almacenamiento en blanco. Esta importante actualización traerá nuevas capacidades de protección de la privacidad a su ecosistema. Al integrar herramientas de privacidad avanzadas con la infraestructura de alto rendimiento de NEAR, más de 750 proyectos en el ecosistema podrán utilizar la función de computación en blanco, ofreciendo a los usuarios una experiencia más segura y privada.

NEAR, como una red de blockchain L1 madura, ha sido conocida por su excepcional rendimiento. Sus características centrales incluyen la tecnología de fragmentación Nightshade, un entorno de ejecución de contratos inteligentes basado en WebAssembly, y un sistema de cuentas intuitivamente legible. Estas innovaciones han atraído a numerosos desarrolladores, impulsando el próspero desarrollo del ecosistema NEAR.

La introducción de esta tecnología de privacidad traerá las siguientes mejoras a NEAR:

1. Privacidad de datos modular: los desarrolladores pueden gestionar de manera flexible el almacenamiento y cálculo de datos en redes de privacidad, mientras realizan liquidaciones transparentes en la blockchain de NEAR.

2. Gestión de datos privados: amplió el alcance de las funciones de NEAR, permitiendo que proporcione servicios de almacenamiento y computación privados para diversos tipos de datos.

3. Soporte de IA privada: La atención de NEAR hacia la IA autónoma ha abierto un nuevo espacio de diseño para aplicaciones de IA descentralizadas.

Este episodio abre nuevas vías para aplicaciones de protección de la privacidad dentro del ecosistema NEAR, especialmente en el campo de soluciones de IA:

• Inferencia privada: proteger modelos de aprendizaje automático propietarios y entradas sensibles de los usuarios.
• Agente de IA privado: asegura que los usuarios no filtren información sensible al utilizar el agente de IA.
• Aprendizaje federado: mejora la protección de la privacidad en el entrenamiento de modelos sobre conjuntos de datos descentralizados.
• Datos sintéticos privados: protección de la privacidad de los datos durante el proceso de entrenamiento de GAN.
• Búsqueda generativa mejorada privada (RAG): método de recuperación de información que garantiza la protección de la privacidad.

Además del ámbito de la IA, esta tecnología también impulsará el desarrollo de soluciones de privacidad entre cadenas, plataformas comunitarias centradas en la privacidad, aplicaciones DeFi seguras y herramientas para desarrolladores que protegen la privacidad.

A través de la combinación de infraestructura de alto rendimiento con funciones avanzadas de privacidad, NEAR está creando un entorno que permite a los desarrolladores construir aplicaciones potentes y que protegen la privacidad, para satisfacer las necesidades del mundo real. Esta iniciativa ayudará a crear una nueva economía digital abierta, que permitirá a los usuarios tener un mejor control sobre sus activos y datos.