Projetos emergentes convertem dados faciais em NFT, gerando ampla atenção

Recentemente, um projeto que transforma dados faciais em NFT atraiu a ampla atenção do círculo crypto. Este projeto permite que os usuários registrem seus rostos através de um aplicativo móvel e os convertam em NFT. Desde o seu lançamento no final de abril, já foram cunhadas mais de 200.000 NFTs, demonstrando uma enorme popularidade.

O objetivo deste projeto não é apenas transformar dados faciais em NFT, mas sim validar a identidade real dos usuários através do reconhecimento facial. No atual ambiente da internet, programas automatizados (Bot) ocupam uma grande parte do tráfego, dos quais o tráfego malicioso representa 27,5% do total. Esses programas maliciosos podem causar sérios impactos nos serviços, podendo até levar ao colapso do sistema.

Na era Web2, os prestadores de serviços distinguem humanos de máquinas através de vários métodos, como autenticação de identidade e CAPTCHA comportamentais. No entanto, com o rápido desenvolvimento da tecnologia de IA, os métodos de verificação tradicionais enfrentam novos desafios. Os meios de verificação têm que fazer uma transição gradual da detecção de características comportamentais para a detecção de características biométricas, como impressões digitais e reconhecimento facial.

Para o Web3, a deteção humana é igualmente crucial. Por exemplo, em airdrops de projetos, os trapaceiros podem criar várias contas falsas para atacar. Portanto, verificar a identidade dos usuários reais torna-se especialmente importante. Especialmente para algumas operações de alto risco, como login de conta, retirada de fundos e transferências, é necessário confirmar que o usuário não é apenas uma pessoa real, mas também o verdadeiro proprietário da conta.

No entanto, implementar o reconhecimento facial em um ambiente Web3 descentralizado não é uma tarefa fácil. Isso envolve uma série de questões complexas, como como construir uma rede de computação de aprendizado de máquina descentralizada, como proteger a privacidade dos dados dos usuários e como manter a operação da rede.

Para resolver esses problemas, o projeto construiu uma rede de IA com base na tecnologia de criptografia homomórfica totalmente funcional (FHE). FHE é uma tecnologia de criptografia que garante que os resultados das operações realizadas em texto claro e texto cifrado sejam consistentes. A equipe do projeto otimizou o FHE tradicional para torná-lo mais adequado para cenários de aprendizado de máquina.

A arquitetura da rede de IA inclui quatro papéis principais: proprietário de dados, nós de computação, decifrador e receptor de resultados. O proprietário de dados submete tarefas e dados de forma segura através da API; os nós de computação realizam cálculos criptografados; o decifrador valida os resultados dos cálculos; finalmente, os resultados são retornados ao receptor designado.

Durante todo o processo, os dados mantêm-se sempre em estado de encriptação, garantindo a segurança da privacidade. Ao mesmo tempo, a rede utiliza um mecanismo duplo de prova de trabalho (PoW) e prova de participação (PoS) para gerir os nós e distribuir recompensas, permitindo que os usuários escolham a forma de participação adequada com base nos seus recursos.

Apesar de a tecnologia FHE abrir novas possibilidades para a computação em privacidade, também enfrenta desafios em termos de eficiência computacional. Em comparação com a computação em texto claro, a velocidade de operação do FHE ainda apresenta uma grande discrepância. No entanto, com o desenvolvimento de otimizações de algoritmos e aceleração de hardware, espera-se que o desempenho do FHE seja ainda mais aprimorado.

De um modo geral, este projeto, através de uma arquitetura inovadora e tecnologia de computação privada, não só oferece aos usuários um ambiente seguro de processamento de dados, como também abre um novo capítulo na fusão entre Web3 e AI. À medida que a tecnologia continua a avançar, projetos semelhantes têm o potencial de desempenhar um papel em mais áreas, impulsionando o desenvolvimento da computação privada e das aplicações de AI.