Minting des NFT de données faciales : explorer la fusion innovante de l'informatique sur la vie privée et de l'IA
Récemment, un projet de minting de NFT de visage a suscité une large attention. Ce projet permet aux utilisateurs d'enregistrer leur visage sur une application mobile et de le mint en tant que NFT. Ce projet, qui semble simple en combinant les données faciales sur la blockchain et les NFT, a attiré plus de 200 000 utilisateurs pour participer au minting depuis son lancement, et son engouement ne doit pas être sous-estimé.
Cependant, le véritable objectif de ce projet n'est pas seulement de minting des données faciales en NFT. En réalité, il vise à vérifier si l'utilisateur est une personne réelle par le biais de la reconnaissance faciale. Cette identification homme-machine est également très demandée dans le domaine du Web3, en particulier pour prévenir les attaques de sorcières et protéger les opérations à haut risque.
Pour résoudre le problème du calcul de la vie privée des applications d'IA dans un environnement Web3, une certaine entreprise a construit un réseau d'IA innovant basé sur la technologie de cryptage homomorphe complet (FHE). Ce réseau offre une solution de calcul de protection de la vie privée efficace grâce à une optimisation de sa structure en couches.
L'architecture de ce réseau AI comprend quatre rôles principaux : le propriétaire des données, le nœud de calcul, le déchiffreur et le récepteur des résultats. Son flux de travail principal couvre l'ensemble du processus allant de l'inscription des utilisateurs, à la soumission des tâches, jusqu'à la validation et à la livraison des résultats, tout en garantissant le chiffrement de bout en bout des données et la protection de la vie privée.
Pour inciter et gérer les nœuds du réseau, le projet utilise un mécanisme double PoW et PoS. Les utilisateurs peuvent obtenir le droit de devenir nœud de calcul en achetant des NFT spécifiques et générer des revenus par différentes manières de participation.
Bien que la technologie FHE se soit révélée excellente en matière de protection de la vie privée, son efficacité de calcul reste un défi. Ces dernières années, les chercheurs ont constamment amélioré les performances de la FHE par le biais d'optimisations algorithmiques et d'accélérations matérielles, mais elles présentent encore un écart significatif par rapport au calcul en clair.
Dans l'ensemble, ce projet ouvre de nouvelles possibilités pour la profonde intégration de Web3 et de l'IA grâce à son architecture unique et à sa technologie de calcul privé relativement efficace. Avec les progrès continus de la technologie, nous avons des raisons d'attendre que ce modèle innovant déploie son potentiel dans davantage de domaines, favorisant le développement ultérieur des applications de calcul privé et d'IA.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
8 J'aime
Récompense
8
7
Reposter
Partager
Commentaire
0/400
BearMarketBarber
· Il y a 4h
Ah ça... il vaut mieux faire un gif.
Voir l'originalRépondre0
SchrodingerWallet
· Il y a 9h
Encore une nouvelle façon de rassembler des pigeons ?
Voir l'originalRépondre0
Ser_This_Is_A_Casino
· Il y a 9h
Tu oses encore mettre ton visage off-chain, tu as perdu la tête ?
Voir l'originalRépondre0
SmartContractPhobia
· Il y a 9h
Cet NFT est vraiment absurde, vendre sa peau ?
Voir l'originalRépondre0
BearWhisperGod
· Il y a 9h
Un rouleau FHE, une poignée de dés~
Voir l'originalRépondre0
GasBankrupter
· Il y a 9h
Les amis, ce truc n'est vraiment pas fiable.
Voir l'originalRépondre0
GasFeeThunder
· Il y a 10h
Vulnérabilité au niveau du système, prendre les gens pour des idiots et Rug Pull.
Le projet NFT de reconnaissance faciale introduit la technologie FHE pour explorer un nouveau frontier en calcul de confidentialité Web3.
Minting des NFT de données faciales : explorer la fusion innovante de l'informatique sur la vie privée et de l'IA
Récemment, un projet de minting de NFT de visage a suscité une large attention. Ce projet permet aux utilisateurs d'enregistrer leur visage sur une application mobile et de le mint en tant que NFT. Ce projet, qui semble simple en combinant les données faciales sur la blockchain et les NFT, a attiré plus de 200 000 utilisateurs pour participer au minting depuis son lancement, et son engouement ne doit pas être sous-estimé.
Cependant, le véritable objectif de ce projet n'est pas seulement de minting des données faciales en NFT. En réalité, il vise à vérifier si l'utilisateur est une personne réelle par le biais de la reconnaissance faciale. Cette identification homme-machine est également très demandée dans le domaine du Web3, en particulier pour prévenir les attaques de sorcières et protéger les opérations à haut risque.
Pour résoudre le problème du calcul de la vie privée des applications d'IA dans un environnement Web3, une certaine entreprise a construit un réseau d'IA innovant basé sur la technologie de cryptage homomorphe complet (FHE). Ce réseau offre une solution de calcul de protection de la vie privée efficace grâce à une optimisation de sa structure en couches.
L'architecture de ce réseau AI comprend quatre rôles principaux : le propriétaire des données, le nœud de calcul, le déchiffreur et le récepteur des résultats. Son flux de travail principal couvre l'ensemble du processus allant de l'inscription des utilisateurs, à la soumission des tâches, jusqu'à la validation et à la livraison des résultats, tout en garantissant le chiffrement de bout en bout des données et la protection de la vie privée.
Pour inciter et gérer les nœuds du réseau, le projet utilise un mécanisme double PoW et PoS. Les utilisateurs peuvent obtenir le droit de devenir nœud de calcul en achetant des NFT spécifiques et générer des revenus par différentes manières de participation.
Bien que la technologie FHE se soit révélée excellente en matière de protection de la vie privée, son efficacité de calcul reste un défi. Ces dernières années, les chercheurs ont constamment amélioré les performances de la FHE par le biais d'optimisations algorithmiques et d'accélérations matérielles, mais elles présentent encore un écart significatif par rapport au calcul en clair.
Dans l'ensemble, ce projet ouvre de nouvelles possibilités pour la profonde intégration de Web3 et de l'IA grâce à son architecture unique et à sa technologie de calcul privé relativement efficace. Avec les progrès continus de la technologie, nous avons des raisons d'attendre que ce modèle innovant déploie son potentiel dans davantage de domaines, favorisant le développement ultérieur des applications de calcul privé et d'IA.