Proyek baru mengubah data wajah menjadi NFT, menarik perhatian luas

Baru-baru ini, sebuah proyek yang mengubah data wajah menjadi NFT telah menarik perhatian luas di kalangan crypto. Proyek ini memungkinkan pengguna untuk merekam wajah mereka sendiri melalui aplikasi seluler dan mengubahnya menjadi NFT. Sejak diluncurkan pada akhir April, lebih dari 200.000 NFT telah dicetak, menunjukkan popularitas yang sangat tinggi.

Tujuan proyek ini bukan hanya sekadar mengubah data wajah menjadi NFT, tetapi bertujuan untuk memverifikasi identitas pengguna yang sebenarnya melalui pengenalan wajah. Dalam lingkungan internet saat ini, program otomatis (Bot) menguasai banyak lalu lintas, di mana lalu lintas berbahaya bahkan mencapai 27,5% dari total lalu lintas. Program berbahaya ini dapat berdampak serius pada layanan, bahkan dapat menyebabkan sistem crash.

Di era Web2, penyedia layanan membedakan manusia dan mesin melalui berbagai cara, seperti verifikasi identitas nyata dan kode verifikasi perilaku. Namun, dengan perkembangan cepat teknologi AI, metode verifikasi tradisional menghadapi tantangan baru. Alat verifikasi terpaksa beralih dari deteksi fitur perilaku ke deteksi fitur biometrik, seperti sidik jari dan pengenalan wajah.

Untuk Web3, deteksi manusia juga sangat penting. Misalnya, dalam airdrop proyek, penipu mungkin membuat beberapa akun palsu untuk menyerang. Oleh karena itu, memverifikasi identitas pengguna yang sebenarnya menjadi sangat penting. Khususnya untuk beberapa operasi berisiko tinggi, seperti login akun, penarikan, dan transfer, perlu dipastikan bahwa pengguna tidak hanya manusia, tetapi juga pemilik akun yang sebenarnya.

Namun, menerapkan pengenalan wajah dalam lingkungan Web3 yang terdesentralisasi bukanlah hal yang mudah. Ini melibatkan bagaimana membangun jaringan komputasi pembelajaran mesin yang terdesentralisasi, bagaimana melindungi privasi data pengguna, serta bagaimana memelihara operasi jaringan dan serangkaian masalah kompleks lainnya.

Untuk mengatasi masalah ini, proyek ini membangun jaringan AI berbasis teknologi enkripsi homomorfik sepenuhnya (FHE). FHE adalah teknologi enkripsi yang menjamin hasil yang konsisten antara operasi yang dilakukan pada teks asli dan ciphertext. Pihak proyek telah mengoptimalkan FHE tradisional agar lebih sesuai untuk skenario pembelajaran mesin.

Arsitektur jaringan AI ini terdiri dari empat peran utama: pemilik data, node komputasi, dekoder, dan penerima hasil. Pemilik data mengirimkan tugas dan data dengan aman melalui API; node komputasi melakukan perhitungan terenkripsi; dekoder memverifikasi hasil perhitungan; akhirnya, hasilnya dikembalikan kepada penerima yang ditentukan.

Selama proses berlangsung, data selalu tetap dalam keadaan terenkripsi, memastikan keamanan privasi. Pada saat yang sama, jaringan menggunakan mekanisme ganda dari bukti kerja (PoW) dan bukti kepemilikan (PoS) untuk mengelola node dan mendistribusikan hadiah, sehingga pengguna dapat memilih cara berpartisipasi yang sesuai dengan sumber daya mereka.

Meskipun teknologi FHE membuka kemungkinan baru untuk komputasi privasi, ia juga menghadapi tantangan dalam efisiensi komputasi. Dibandingkan dengan komputasi plaintext, kecepatan operasi FHE masih memiliki selisih yang cukup besar. Namun, seiring dengan perkembangan teknologi seperti optimasi algoritma dan percepatan perangkat keras, kinerja FHE diharapkan dapat meningkat lebih lanjut.

Secara keseluruhan, proyek ini melalui arsitektur inovatif dan teknologi komputasi privasi, tidak hanya memberikan lingkungan pengolahan data yang aman bagi pengguna, tetapi juga membuka babak baru dalam penggabungan Web3 dan AI. Dengan terus terobosan teknologi, proyek serupa diharapkan dapat memainkan potensi di lebih banyak bidang, mendorong perkembangan aplikasi komputasi privasi dan AI.