Les nouveaux projets transforment les données faciales en NFT, suscitant un large suivi

Récemment, un projet permettant de frapper des données faciales en NFT a suscité un grand intérêt dans le cercle crypto. Ce projet permet aux utilisateurs d'enregistrer leur visage via une application mobile et de le transformer en NFT. Depuis son lancement fin avril, plus de 200 000 NFT ont été frappés, montrant une popularité très élevée.

Le but de ce projet n'est pas simplement de transformer les données faciales en NFT, mais de vérifier l'identité réelle des utilisateurs grâce à la reconnaissance faciale. Dans l'environnement actuel d'Internet, les programmes automatisés (Bot) occupent une grande partie du trafic, dont le trafic malveillant représente même 27,5 % du trafic total. Ces programmes malveillants peuvent avoir un impact sérieux sur les services, voire provoquer un effondrement du système.

À l'ère du Web2, les fournisseurs de services distinguent les humains des machines par divers moyens tels que la vérification de l'identité réelle et les CAPTCHA comportementaux. Cependant, avec le développement rapide des technologies de l'IA, les méthodes de vérification traditionnelles sont confrontées à de nouveaux défis. Les moyens de vérification doivent progressivement passer de la détection des caractéristiques comportementales à la détection des caractéristiques biométriques, telles que les empreintes digitales et la reconnaissance faciale.

Pour Web3, la détection humaine et machine est également cruciale. Par exemple, lors des airdrops de projets, les fraudeurs peuvent créer plusieurs faux comptes pour attaquer. Ainsi, il devient particulièrement important de vérifier l'identité des utilisateurs réels. Cela est d'autant plus vrai pour certaines opérations à haut risque, telles que la connexion au compte, le retrait de fonds et les transferts, où il est nécessaire de confirmer que l'utilisateur est non seulement une personne réelle, mais aussi le véritable propriétaire du compte.

Cependant, la mise en œuvre de la reconnaissance faciale dans un environnement Web3 décentralisé n'est pas une tâche facile. Cela implique une série de problèmes complexes, tels que la façon de construire un réseau de calcul d'apprentissage machine décentralisé, comment protéger la confidentialité des données des utilisateurs, et comment maintenir le fonctionnement du réseau.

Pour résoudre ces problèmes, le projet a construit un réseau d'IA basé sur la technologie de cryptage homomorphe complet (FHE). Le FHE est une technologie de cryptage qui garantit que les résultats des mêmes opérations sur le texte en clair et le texte chiffré sont cohérents. L'équipe du projet a optimisé le FHE traditionnel pour le rendre plus adapté aux scénarios d'apprentissage automatique.

L'architecture de ce réseau AI comprend quatre rôles principaux : le propriétaire des données, le nœud de calcul, le déchiffreur et le destinataire des résultats. Le propriétaire des données soumet des tâches et des données en toute sécurité via l'API ; le nœud de calcul effectue des calculs cryptés ; le déchiffreur vérifie les résultats du calcul ; enfin, les résultats sont renvoyés au destinataire désigné.

Tout au long du processus, les données restent toujours chiffrées, garantissant la sécurité de la vie privée. En même temps, le réseau utilise un double mécanisme de preuve de travail (PoW) et de preuve de participation (PoS) pour gérer les nœuds et distribuer les récompenses, permettant aux utilisateurs de choisir la méthode de participation appropriée en fonction de leurs ressources.

Bien que la technologie FHE ouvre de nouvelles possibilités pour le calcul de la vie privée, elle est également confrontée à des défis en matière d'efficacité de calcul. Par rapport au calcul en clair, la vitesse des calculs FHE présente encore un écart important. Cependant, avec le développement de l'optimisation des algorithmes et de l'accélération matérielle, les performances de FHE devraient être améliorées.

Dans l'ensemble, ce projet, grâce à une architecture innovante et à des technologies de calcul de confidentialité, offre non seulement un environnement de traitement des données sécurisé pour les utilisateurs, mais ouvre également un nouveau chapitre sur la fusion de Web3 et de l'IA. Avec les percées technologiques continues, des projets similaires devraient être en mesure de jouer un rôle dans de nombreux domaines, favorisant le développement des applications de calcul de confidentialité et d'IA.