NEAR вводит технологии вычислений с защитой конфиденциальности, повышая безопасность экосистемы и потенциал приложений ИИ

robot
Генерация тезисов в процессе

NEAR публичная цепь вводит технологии приватных вычислений, сочетая производительность и реализацию конфиденциальности

Недавно блокчейн NEAR объявил о внедрении технологий слепых вычислений и слепого хранения, что является важным обновлением, которое принесет новые возможности защиты конфиденциальности в его экосистему. Интегрируя передовые инструменты конфиденциальности с высокопроизводительной инфраструктурой NEAR, более 750 проектов в экосистеме смогут использовать функции слепых вычислений, обеспечивая пользователям более безопасный и приватный опыт.

NEAR как зрелая L1 блокчейн сеть известна своей выдающейся производительностью. Ее ключевые особенности включают технологию шarding Nightshade, среду выполнения смарт-контрактов на основе WebAssembly и интуитивно понятную систему учетных записей. Эти инновации привлекли множество разработчиков и способствовали процветанию экосистемы NEAR.

NEAR публичная цепь вводит приватность Nillion: Пересечение приватности и производительности

Введение данной технологии конфиденциальности приведет к нескольким улучшениям для NEAR:

  1. Модульная защита данных: разработчики могут гибко обрабатывать хранение и вычисления данных в приватной сети, одновременно осуществляя прозрачные расчеты на блокчейне NEAR.

  2. Управление частными данными: расширяет функциональные возможности NEAR, позволяя предоставлять услуги по приватному хранению и обработке данных различных типов.

  3. Поддержка частного ИИ: сочетание внимания NEAR к автономному ИИ открывает новое пространство для проектирования децентрализованных ИИ-приложений.

Этот выпуск открыл новые пути для приложений защиты конфиденциальности в экосистеме NEAR, особенно в области AI-решений:

  • Частное выводу: защита собственных моделей машинного обучения и конфиденциальных данных пользователей.
  • Частный AI-агент: гарантирует, что пользователи не будут раскрывать конфиденциальную информацию при использовании AI-агента.
  • Федеративное обучение: улучшение конфиденциальности обучения моделей на децентрализованных наборах данных.
  • Частные синтетические данные: защита конфиденциальности данных в процессе обучения GAN.
  • Частный поиск с улучшенной генерацией (RAG): метод поиска информации с защитой конфиденциальности.

Кроме области ИИ, эта технология также будет способствовать развитию межцепочечных решений для обеспечения конфиденциальности, платформ сообществ с приоритетом конфиденциальности, безопасных DeFi приложений и инструментов для разработчиков с защитой конфиденциальности.

Сочетая высокопроизводительную инфраструктуру с передовыми функциями конфиденциальности, NEAR создает среду, в которой разработчики могут создавать мощные и защищенные приложения для удовлетворения потребностей реального мира. Эта инициатива поможет создать новую открытую цифровую экономику, позволяя пользователям лучше контролировать свои активы и данные.

Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • 5
  • Поделиться
комментарий
0/400
ContractTestervip
· 07-10 22:25
Защита личной информации очень важна.
Посмотреть ОригиналОтветить0
HashRateHermitvip
· 07-10 16:44
Большой прорыв, супер оптимистично по отношению к Near
Посмотреть ОригиналОтветить0
GhostChainLoyalistvip
· 07-08 07:30
Ждем реальных результатов.
Посмотреть ОригиналОтветить0
GasFeeCryervip
· 07-08 07:20
Апгрейд стабилен в этот раз.
Посмотреть ОригиналОтветить0
StakeTillRetirevip
· 07-08 07:14
Стоит скопировать задание по конфиденциальным схемам
Посмотреть ОригиналОтветить0
  • Закрепить