NEAR публічний блокчейн впроваджує технології конфіденційності: злиття продуктивності та конфіденційності

Нещодавно було оголошено про впровадження технологій сліпих обчислень і сліпого зберігання в блокчейн NEAR. Це інтеграція поєднує високу продуктивність NEAR з передовими інструментами конфіденційності, що дозволяє понад 750 проектам в екосистемі NEAR використовувати технологію сліпих обчислень.

NEAR як зріла L1 блокчейн мережа, відома своєю видатною продуктивністю. Її три основні характеристики включають:

• Технологія шардінгу Nightshade: підвищує пропускну спроможність транзакцій та зменшує затримки, підходить для високопродуктивних застосунків.
• WebAssembly Runtime: підтримка смарт-контрактів на Rust та AssemblyScript залучила різноманітну групу розробників.
• Читабельний аккаунт: використання інтуїтивно зрозумілих назв акаунтів покращує досвід користувачів та доступність.

Ці характеристики привабили велику кількість розробників, підприємців та креаторів, які спільно створили процвітаючу екосистему.

Поєднуючи сліпу обчислювальну потужність з ефективною обробкою транзакцій NEAR, було досягнуто таких переваг:

• Модульна приватність даних: функція приватності безшовно інтегрована з NEAR, що дозволяє модульно виконувати операції зберігання та обробки даних у приватній мережі, одночасно здійснюючи прозорі розрахунки на блокчейні NEAR.
• Управління приватними даними: забезпечує приватне зберігання та обробку для всіх типів даних, розширюючи функціональні можливості NEAR.
• Приватний ШІ: Увага NEAR до автономного, користувацького ШІ доповнює приватне зберігання та обчислювальні можливості, відкриваючи новий простір для дизайну децентралізованого ШІ.

Ця інтеграція відкриває нові шляхи для застосувань захисту конфіденційності в екосистемі NEAR, особливо в сфері рішень на базі ШІ:

• Приватне висновування: реалізація безпечного висновування для AI-моделей, захист власних моделей машинного навчання та чутливих даних користувачів.
• Приватні агенти: з розвитком AI-агентів рішення з питань конфіденційності стають надзвичайно важливими.
• Федеративне навчання: покращує конфіденційність шляхом захисту процесу агрегування, забезпечуючи збереження конфіденційності чутливої інформації, що виникає під час навчання.
• Приватні синтетичні дані: захист приватності базових даних під час навчання GAN.
• Приватний пошук з підсиленням генерації (RAG): новий метод захисту приватності для інформаційного пошуку.

Крім того, ця інтеграція відкриває нові можливості для рішень з приватності між блокчейнами, платформ спільноти з пріоритетом на конфіденційність, безпечного DeFi та інструментів для розробників, що захищають конфіденційність.

Поєднуючи високу продуктивність інфраструктури NEAR з передовими функціями конфіденційності, створюється середовище, яке дозволяє розробникам створювати потужні, конфіденційні програми для задоволення потреб реального світу. Це сприятиме створенню нової відкритої цифрової економіки, що дозволить користувачам краще контролювати свої активи та дані.