Нові проекти перетворюють дані обличчя на NFT, викликавши широку увагу

Нещодавно проект, який перетворює дані обличчя в NFT, привернув широку увагу в криптосередовищі. Цей проект дозволяє користувачам вводити свої обличчя через мобільний додаток і перетворювати їх на NFT. З моменту запуску наприкінці квітня вже було виготовлено понад 200 000 NFT, що демонструє надзвичайну популярність.

Метою цього проєкту є не лише перетворення даних обличчя на NFT, а й верифікація справжньої особи користувача за допомогою розпізнавання обличчя. В умовах сучасного інтернет-середовища автоматизовані програми (Bot) займають значну частину трафіку, при цьому шкідливий трафік становить 27,5% від загального трафіку. Ці шкідливі програми можуть серйозно вплинути на обслуговування, навіть призвести до збою системи.

У епоху Web2 постачальники послуг використовували різноманітні способи, такі як підтвердження особи та поведінкові коди для розрізнення людей і машин. Однак, з швидким розвитком технологій штучного інтелекту традиційні методи верифікації стикаються з новими викликами. Методи верифікації змушені поступово переходити від виявлення поведінкових характеристик до виявлення біометричних характеристик, таких як відбитки пальців і розпізнавання облич.

Для Web3 перевірка особи користувача також є надзвичайно важливою. Наприклад, під час аірдропу проєкту шахраї можуть створювати кілька фальшивих облікових записів для атаки. Тому підтвердження справжньої особи користувача стає особливо важливим. Особливо для деяких високоризикованих операцій, таких як вхід до облікового запису, виведення коштів і перекази, потрібно підтвердити, що користувач не лише є людиною, а й фактичним власником облікового запису.

Проте реалізація розпізнавання облич у децентралізованому середовищі Web3 не є простим завданням. Це пов'язано з тим, як побудувати децентралізовану обчислювальну мережу машинного навчання, як захистити конфіденційність даних користувачів, а також як підтримувати роботу мережі та низкою інших складних питань.

Щоб вирішити ці проблеми, цей проект побудував AI-мережу на основі повної гомоморфної криптографії (FHE). FHE – це технологія шифрування, яка гарантує, що результати однакових обчислень з відкритими та зашифрованими даними залишаються ідентичними. Розробники проекту оптимізували традиційне FHE, щоб воно краще підходило для сценаріїв машинного навчання.

Архітектура цієї AI-мережі складається з чотирьох основних ролей: власник даних, обчислювальний вузол, декодер і отримувач результатів. Власник даних безпечно подає завдання та дані через API; обчислювальний вузол виконує криптографічні обчислення; декодер перевіряє результати обчислень; нарешті, результати повертаються вказаному отримувачу.

Протягом усього процесу дані завжди залишаються в зашифрованому стані, що забезпечує безпеку конфіденційності. У той же час мережа використовує подвійну механіку управління вузлами та розподілу винагороди на основі доказу роботи (PoW) та доказу частки (PoS), що дозволяє користувачам обирати відповідний спосіб участі відповідно до своїх ресурсів.

Хоча технологія FHE відкриває нові можливості для приватних обчислень, вона також стикається з викликами у сфері обчислювальної ефективності. У порівнянні з обчисленнями з відкритим текстом, швидкість обчислень FHE все ще має значну різницю. Однак, завдяки розвитку оптимізації алгоритмів та апаратного прискорення, продуктивність FHE має шанс на подальше підвищення.

В цілому, цей проект завдяки інноваційній архітектурі та технології обчислень з конфіденційності не лише надає користувачам безпечне середовище для обробки даних, але й відкриває нову главу у злитті Web3 та ШІ. З постійними технологічними проривами подібні проекти мають потенціал проявити себе у багатьох сферах, сприяючи розвитку обчислень з конфіденційності та застосувань ШІ.