NEAR впроваджує технології приватних обчислень для підвищення екологічної безпеки та потенціалу застосування ШІ

robot
Генерація анотацій у процесі

NEAR блокчейн впроваджує технологію приватних обчислень, поєднуючи продуктивність та реалізацію приватності

Нещодавно блокчейн NEAR оголосив про впровадження технологій сліпих обчислень та сліпого зберігання, це важливе оновлення надасть нові можливості захисту конфіденційності для його екосистеми. Завдяки інтеграції передових інструментів конфіденційності з високопродуктивною інфраструктурою NEAR, понад 750 проектів в екосистемі зможуть використовувати функцію сліпих обчислень, щоб забезпечити користувачам більш безпечний та приватний досвід.

NEAR як зріла мережа блокчейн L1 завжди славилася своїми винятковими характеристиками. Її основні особливості включають технологію шардінгу Nightshade, середовище виконання смарт-контрактів на основі WebAssembly, а також інтуїтивно зрозумілу систему облікових записів. Ці інновації привабили велику кількість розробників, що сприяло процвітанню екосистеми NEAR.

NEAR блокчейн впроваджує приватність Nillion: Перетин приватності та продуктивності

Введення цієї технології конфіденційності принесе NEAR кілька поліпшень у таких аспектах:

  1. Модульна обробка даних приватності: розробники можуть гнучко обробляти зберігання даних та обчислення в приватній мережі, одночасно здійснюючи прозорі розрахунки на блокчейні NEAR.

  2. Управління приватними даними: розширено функціональні можливості NEAR, що дозволяє надавати послуги приватного зберігання та обробки для різних видів даних.

  3. Підтримка приватного ШІ: у поєднанні з увагою NEAR до автономного ШІ, це відкриває новий дизайн-простір для децентралізованих ШІ-додатків.

Цей епізод відкрив нові шляхи для застосувань захисту конфіденційності в екосистемі NEAR, особливо в галузі рішень на основі ШІ:

  • Приватне виведення: захист proprietary моделей машинного навчання та чутливих даних користувачів.
  • Приватний AI-агент: забезпечує, що користувачі не розкривають чутливу інформацію під час використання AI-агента.
  • Федеративне навчання: збільшення захисту конфіденційності при навчанні моделей на децентралізованих наборах даних.
  • Приватні синтетичні дані: захист приватності даних під час навчання GAN.
  • Приватний пошук з покращеним генерацією (RAG): реалізація методів інформаційного пошуку з захистом конфіденційності.

Окрім сфери ШІ, ця технологія також сприятиме розвитку міжланкових рішень для захисту приватності, платформ спільноти з пріоритетом на конфіденційність, безпечних DeFi-додатків та інструментів для розробників, що забезпечують захист приватності.

Поєднуючи високопродуктивну інфраструктуру з передовими функціями конфіденційності, NEAR створює середовище, яке дозволяє розробникам створювати потужні та захищені додатки для задоволення потреб реального світу. Ця ініціатива допоможе створити нову відкриту цифрову економіку, яка надає користувачам кращий контроль над своїми активами та даними.

Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
  • Нагородити
  • 5
  • Поділіться
Прокоментувати
0/400
ContractTestervip
· 07-10 22:25
Захист конфіденційності є дуже важливим
Переглянути оригіналвідповісти на0
HashRateHermitvip
· 07-10 16:44
Великий прорив, дуже позитивно оцінюємо Near
Переглянути оригіналвідповісти на0
GhostChainLoyalistvip
· 07-08 07:30
Очікуємо на реальні результати
Переглянути оригіналвідповісти на0
GasFeeCryervip
· 07-08 07:20
Оновлення стабільно пройшло цю хвилю
Переглянути оригіналвідповісти на0
StakeTillRetirevip
· 07-08 07:14
Приватне рішення, яке варто списати
Переглянути оригіналвідповісти на0
  • Закріпити