NEAR вводит протокол конфиденциальности: повышение производительности и защиты конфиденциальности
На днях была объявлена новая приватная инициатива, которая внедряет технологии слепых вычислений и слепого хранения в основную цепь NEAR, ориентированную на скорость и масштабируемость. Эта интеграция сочетает высокую производительность NEAR с современными инструментами конфиденциальности, позволяя многим проектам в экосистеме NEAR использовать технологии слепых вычислений.
NEAR как зрелая блокчейн-сеть известен своей выдающейся производительностью. Его три основных характеристики включают:
Технология шардирования Nightshade: это уникальное решение для шардирования NEAR, которое может значительно повысить пропускную способность транзакций и снизить задержку, что делает его идеальным для высокопроизводительных приложений.
WebAssembly Runtime: NEAR основан на виртуальной машине Wasm, которая поддерживает разработку смарт-контрактов на Rust и AssemblyScript, привлекая разработчиков из разных областей.
Читаемые аккаунты: NEAR использует интуитивно понятную систему имен аккаунтов, что значительно улучшает пользовательский опыт и доступность.
Эти характеристики привлекли множество разработчиков, предпринимателей и креативщиков, которые вместе создали процветающую экосистему.
Сочетание слепых вычислительных мощностей и эффективной обработки транзакций NEAR обеспечивает следующие преимущества:
Модульная защита данных: функции конфиденциальности плавно интегрируются с NEAR, позволяя модульно выполнять операции хранения данных и вычислений в сети конфиденциальности, одновременно обеспечивая прозрачные расчеты на блокчейне NEAR. Эта модульность предоставляет разработчикам большую гибкость при проектировании архитектуры приложений.
Управление частными данными: расширяет возможности NEAR, предоставляя частное хранилище и вычисления для всех типов данных. Это значительно расширяет дизайн-пространство приложений для защиты конфиденциальности в экосистеме NEAR, позволяя разработчикам создавать решения, которые ранее были невозможны из-за ограничений конфиденциальности, и привлекает пользователей, ориентированных на конфиденциальность.
Частный ИИ: Внимание NEAR к автономным, принадлежащим пользователю ИИ в сочетании с частным хранением и вычислительными возможностями открывает широкое новое пространство для проектирования децентрализованного ИИ.
Эта интеграция открывает новые пути для приложений по защите конфиденциальности внутри экосистемы NEAR, особенно в области решений на базе ИИ:
Приватное вывод: обеспечение безопасного вывода для AI моделей, защита пользователей, предоставляющих конфиденциальные данные, и специализированных моделей машинного обучения.
Частные агентства: С ростом автономного поведения AI-агентов решения по обеспечению конфиденциальности становятся критически важными. Поддержка классификации намерений может помочь пользователям не раскрывать информацию о своем исходном запросе или действиях агента при использовании агентства.
Федеративное обучение: улучшение конфиденциальности за счет защиты процесса агрегации, чтобы гарантировать, что чувствительная информация (такая как градиенты), полученная в процессе обучения, остается конфиденциальной.
Приватные синтетические данные: решение для защиты конфиденциальности базовых данных в процессе обучения GAN.
Частный поиск с улучшенной генерацией (RAG): внедрение новых методов защиты конфиденциальности для информационного поиска, содействие безопасному хранению векторов в статическом состоянии и оценке семантического поиска.
Кроме того, такая интеграция открывает новые возможности в областях кросс-цепочных решений для обеспечения конфиденциальности, платформ с приоритетом конфиденциальности для сообщества, безопасного DeFi и инструментов для разработчиков, защищающих конфиденциальность.
Сочетая высокопроизводительную инфраструктуру NEAR с передовыми функциями конфиденциальности, создается среда, позволяющая разработчикам создавать мощные приложения с защитой конфиденциальности для удовлетворения потребностей реального мира. Это поможет создать новую открытую цифровую экономику, в которой люди смогут лучше контролировать свои активы и данные.
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» .
8 Лайков
Награда
8
4
Репост
Поделиться
комментарий
0/400
BearMarketLightning
· 08-08 05:56
Всё обновляется, только токен не растёт.
Посмотреть ОригиналОтветить0
InscriptionGriller
· 08-08 05:55
Снова раскрутка концепций? Техническая внутренняя борьба под флагом конфиденциальности разыгрывает людей как лохов.
Посмотреть ОригиналОтветить0
NFTDreamer
· 08-08 05:49
А это не вызывает большого оптимизма по поводу NEAR.
NEAR вводит протокол приватности, создавая новую экосистему высокой производительности и защиты данных
NEAR вводит протокол конфиденциальности: повышение производительности и защиты конфиденциальности
На днях была объявлена новая приватная инициатива, которая внедряет технологии слепых вычислений и слепого хранения в основную цепь NEAR, ориентированную на скорость и масштабируемость. Эта интеграция сочетает высокую производительность NEAR с современными инструментами конфиденциальности, позволяя многим проектам в экосистеме NEAR использовать технологии слепых вычислений.
NEAR как зрелая блокчейн-сеть известен своей выдающейся производительностью. Его три основных характеристики включают:
Технология шардирования Nightshade: это уникальное решение для шардирования NEAR, которое может значительно повысить пропускную способность транзакций и снизить задержку, что делает его идеальным для высокопроизводительных приложений.
WebAssembly Runtime: NEAR основан на виртуальной машине Wasm, которая поддерживает разработку смарт-контрактов на Rust и AssemblyScript, привлекая разработчиков из разных областей.
Читаемые аккаунты: NEAR использует интуитивно понятную систему имен аккаунтов, что значительно улучшает пользовательский опыт и доступность.
Эти характеристики привлекли множество разработчиков, предпринимателей и креативщиков, которые вместе создали процветающую экосистему.
Сочетание слепых вычислительных мощностей и эффективной обработки транзакций NEAR обеспечивает следующие преимущества:
Модульная защита данных: функции конфиденциальности плавно интегрируются с NEAR, позволяя модульно выполнять операции хранения данных и вычислений в сети конфиденциальности, одновременно обеспечивая прозрачные расчеты на блокчейне NEAR. Эта модульность предоставляет разработчикам большую гибкость при проектировании архитектуры приложений.
Управление частными данными: расширяет возможности NEAR, предоставляя частное хранилище и вычисления для всех типов данных. Это значительно расширяет дизайн-пространство приложений для защиты конфиденциальности в экосистеме NEAR, позволяя разработчикам создавать решения, которые ранее были невозможны из-за ограничений конфиденциальности, и привлекает пользователей, ориентированных на конфиденциальность.
Частный ИИ: Внимание NEAR к автономным, принадлежащим пользователю ИИ в сочетании с частным хранением и вычислительными возможностями открывает широкое новое пространство для проектирования децентрализованного ИИ.
Эта интеграция открывает новые пути для приложений по защите конфиденциальности внутри экосистемы NEAR, особенно в области решений на базе ИИ:
Приватное вывод: обеспечение безопасного вывода для AI моделей, защита пользователей, предоставляющих конфиденциальные данные, и специализированных моделей машинного обучения.
Частные агентства: С ростом автономного поведения AI-агентов решения по обеспечению конфиденциальности становятся критически важными. Поддержка классификации намерений может помочь пользователям не раскрывать информацию о своем исходном запросе или действиях агента при использовании агентства.
Федеративное обучение: улучшение конфиденциальности за счет защиты процесса агрегации, чтобы гарантировать, что чувствительная информация (такая как градиенты), полученная в процессе обучения, остается конфиденциальной.
Приватные синтетические данные: решение для защиты конфиденциальности базовых данных в процессе обучения GAN.
Частный поиск с улучшенной генерацией (RAG): внедрение новых методов защиты конфиденциальности для информационного поиска, содействие безопасному хранению векторов в статическом состоянии и оценке семантического поиска.
Кроме того, такая интеграция открывает новые возможности в областях кросс-цепочных решений для обеспечения конфиденциальности, платформ с приоритетом конфиденциальности для сообщества, безопасного DeFi и инструментов для разработчиков, защищающих конфиденциальность.
Сочетая высокопроизводительную инфраструктуру NEAR с передовыми функциями конфиденциальности, создается среда, позволяющая разработчикам создавать мощные приложения с защитой конфиденциальности для удовлетворения потребностей реального мира. Это поможет создать новую открытую цифровую экономику, в которой люди смогут лучше контролировать свои активы и данные.