Сочетание вычислений конфиденциальности и ИИ: анализ инновационного решения Privasea
Недавно проект по созданию NFT с использованием лицевых данных привлек широкое внимание. Этот проект позволяет пользователям вводить свои лица через мобильное приложение и создавать их в виде NFT. Эта на первый взгляд простая идея за короткое время привлекла более 200 000 созданий NFT, продемонстрировав удивительную популярность.
Основная цель этого проекта заключается не только в превращении данных о лицах в NFT, но и в проверке подлинности пользователей с помощью распознавания лиц. Эта функция имеет важное значение в экосистеме Web3, особенно в предотвращении атак ведьм и защите операций с высоким уровнем риска.
Однако внедрение технологий распознавания лиц в среде Web3 сталкивается с множеством проблем. Как построить децентрализованную вычислительную сеть машинного обучения? Как защитить конфиденциальность данных пользователей? Как обеспечить функционирование сети? Эти вопросы являются ключевыми и требуют решения.
Privasea предложила инновационное решение: построение сети Privasea AI на основе технологии полностью однородного шифрования (FHE). Эта сеть оптимизировала технологию FHE с помощью иерархической структуры, сделав ее более подходящей для сценариев машинного обучения.
Архитектура Privasea AI Network включает в себя четыре основных角色: владельца данных, узел Privanetix, декодер и получателя результатов. Его рабочий процесс охватывает весь процесс от регистрации пользователя до доставки результатов, обеспечивая безопасность данных и конфиденциальность вычислений.
Сеть использует двойной механизм PoW и PoS для управления узлами и распределения вознаграждений. Введение NFT WorkHeart и NFT StarFuel предоставляет пользователям гибкие варианты участия в операциях сети.
Несмотря на то, что технология FHE демонстрирует отличные результаты в области защиты конфиденциальности, она также сталкивается с проблемами вычислительной эффективности. В последние годы появляются различные оптимизационные решения, включая оптимизацию алгоритмов и аппаратное ускорение, но по сравнению с вычислениями над открытыми данными производительность FHE все еще значительно отстает.
Решение Privasea открывает новые возможности для融合 Web3 и ИИ. С непрерывным развитием технологий, особенно в сотрудничестве с ZAMA, Privasea ожидает добиться больших прорывов в области вычислений с соблюдением конфиденциальности и применения ИИ, предоставляя пользователям более безопасную и эффективную среду обработки данных.
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» .
11 Лайков
Награда
11
4
Поделиться
комментарий
0/400
CommunitySlacker
· 08-03 11:29
NFT с распознаванием лиц? Не оставляет выхода для конфиденциальности.
Посмотреть ОригиналОтветить0
WalletWhisperer
· 08-03 11:29
На самом деле это очень приятно после того, как поиграл.
Innovative решение Privasea: сеть Web3 с AI для приватности, основанная на технологии FHE
Сочетание вычислений конфиденциальности и ИИ: анализ инновационного решения Privasea
Недавно проект по созданию NFT с использованием лицевых данных привлек широкое внимание. Этот проект позволяет пользователям вводить свои лица через мобильное приложение и создавать их в виде NFT. Эта на первый взгляд простая идея за короткое время привлекла более 200 000 созданий NFT, продемонстрировав удивительную популярность.
Основная цель этого проекта заключается не только в превращении данных о лицах в NFT, но и в проверке подлинности пользователей с помощью распознавания лиц. Эта функция имеет важное значение в экосистеме Web3, особенно в предотвращении атак ведьм и защите операций с высоким уровнем риска.
Однако внедрение технологий распознавания лиц в среде Web3 сталкивается с множеством проблем. Как построить децентрализованную вычислительную сеть машинного обучения? Как защитить конфиденциальность данных пользователей? Как обеспечить функционирование сети? Эти вопросы являются ключевыми и требуют решения.
Privasea предложила инновационное решение: построение сети Privasea AI на основе технологии полностью однородного шифрования (FHE). Эта сеть оптимизировала технологию FHE с помощью иерархической структуры, сделав ее более подходящей для сценариев машинного обучения.
Архитектура Privasea AI Network включает в себя четыре основных角色: владельца данных, узел Privanetix, декодер и получателя результатов. Его рабочий процесс охватывает весь процесс от регистрации пользователя до доставки результатов, обеспечивая безопасность данных и конфиденциальность вычислений.
Сеть использует двойной механизм PoW и PoS для управления узлами и распределения вознаграждений. Введение NFT WorkHeart и NFT StarFuel предоставляет пользователям гибкие варианты участия в операциях сети.
Несмотря на то, что технология FHE демонстрирует отличные результаты в области защиты конфиденциальности, она также сталкивается с проблемами вычислительной эффективности. В последние годы появляются различные оптимизационные решения, включая оптимизацию алгоритмов и аппаратное ускорение, но по сравнению с вычислениями над открытыми данными производительность FHE все еще значительно отстает.
Решение Privasea открывает новые возможности для融合 Web3 и ИИ. С непрерывным развитием технологий, особенно в сотрудничестве с ZAMA, Privasea ожидает добиться больших прорывов в области вычислений с соблюдением конфиденциальности и применения ИИ, предоставляя пользователям более безопасную и эффективную среду обработки данных.