Минтинг NFT с данными лиц: исследование инновационной интеграции вычислений конфиденциальности и ИИ
В последнее время проект по минтингу NFT с использованием лицевых данных привлек широкое внимание. Этот проект позволяет пользователям в мобильном приложении вводить свои лицевые данные и минтить их в качестве NFT. Этот, казалось бы, простой проект по загрузке лицевых данных и комбинации с NFT с момента своего запуска уже привлек более 200 000 пользователей для участия в минтинге, и его популярность нельзя недооценивать.
Однако истинная цель этого проекта заключается не только в том, чтобы минтить данные лиц в NFT. На самом деле, он направлен на верификацию пользователей как реальных людей с помощью распознавания лиц. Такая человеко-машинная идентификация также имеет большой спрос в сфере Web3, особенно в целях предотвращения атак ведьм и защиты высокорисковых операций.
Чтобы решить проблему приватных вычислений в AI-приложениях в среде Web3, одна компания разработала инновационную AI-сеть на основе технологии полной гомоморфной криптографии (FHE). Эта сеть предлагает эффективное решение для защиты конфиденциальности через оптимизацию иерархической структуры.
Архитектура этой AI сети включает четыре основных роли: владелец данных, вычислительный узел, декодер и получатель результатов. Основной рабочий процесс охватывает весь процесс от регистрации пользователей, подачи задач до проверки и доставки результатов, при этом обеспечивая сквозное шифрование данных и защиту конфиденциальности.
Для стимулирования и управления сетевыми узлами проект использует двойной механизм PoW и PoS. Пользователи могут получить право стать вычислительными узлами, купив определенные NFT, и зарабатывать доход различными способами участия.
Несмотря на то, что технология FHE демонстрирует отличные результаты в области защиты конфиденциальности, ее вычислительная эффективность все еще остается проблемой. В последние годы исследователи постоянно улучшают производительность FHE с помощью оптимизации алгоритмов и аппаратного ускорения, но по сравнению с вычислениями с открытым текстом все еще существует значительный разрыв.
В целом, этот проект открывает новые возможности для глубокой интеграции Web3 и AI благодаря своей уникальной архитектуре и относительно эффективным технологиям вычислений с конфиденциальностью. С постоянным развитием технологий у нас есть основания ожидать, что эта инновационная модель будет реализовывать свой потенциал в большем количестве областей, способствуя дальнейшему развитию вычислений с конфиденциальностью и приложений AI.
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
7
Репост
Поделиться
комментарий
0/400
BearMarketBarber
· 2ч назад
А это... действительно лучше сделать гифку.
Посмотреть ОригиналОтветить0
SchrodingerWallet
· 7ч назад
Снова пришли за неудачниками новым способом?
Посмотреть ОригиналОтветить0
Ser_This_Is_A_Casino
· 7ч назад
Еще смеешь выставлять лицо в блокчейне? У тебя совсем крыша поехала?
Посмотреть ОригиналОтветить0
SmartContractPhobia
· 7ч назад
Этот NFT просто невероятен, что, продавая лицо?
Посмотреть ОригиналОтветить0
BearWhisperGod
· 7ч назад
FHE пароль卷 один把梭~
Посмотреть ОригиналОтветить0
GasBankrupter
· 7ч назад
Девушки, будьте осторожны, это дело слишком ненадёжное.
Посмотреть ОригиналОтветить0
GasFeeThunder
· 7ч назад
Системная уязвимость, разыгрывайте людей как лохов, Мошенничество.
Проект NFT с распознаванием лиц вводит технологию FHE, исследуя новые границы приватных вычислений в Web3.
Минтинг NFT с данными лиц: исследование инновационной интеграции вычислений конфиденциальности и ИИ
В последнее время проект по минтингу NFT с использованием лицевых данных привлек широкое внимание. Этот проект позволяет пользователям в мобильном приложении вводить свои лицевые данные и минтить их в качестве NFT. Этот, казалось бы, простой проект по загрузке лицевых данных и комбинации с NFT с момента своего запуска уже привлек более 200 000 пользователей для участия в минтинге, и его популярность нельзя недооценивать.
Однако истинная цель этого проекта заключается не только в том, чтобы минтить данные лиц в NFT. На самом деле, он направлен на верификацию пользователей как реальных людей с помощью распознавания лиц. Такая человеко-машинная идентификация также имеет большой спрос в сфере Web3, особенно в целях предотвращения атак ведьм и защиты высокорисковых операций.
Чтобы решить проблему приватных вычислений в AI-приложениях в среде Web3, одна компания разработала инновационную AI-сеть на основе технологии полной гомоморфной криптографии (FHE). Эта сеть предлагает эффективное решение для защиты конфиденциальности через оптимизацию иерархической структуры.
Архитектура этой AI сети включает четыре основных роли: владелец данных, вычислительный узел, декодер и получатель результатов. Основной рабочий процесс охватывает весь процесс от регистрации пользователей, подачи задач до проверки и доставки результатов, при этом обеспечивая сквозное шифрование данных и защиту конфиденциальности.
Для стимулирования и управления сетевыми узлами проект использует двойной механизм PoW и PoS. Пользователи могут получить право стать вычислительными узлами, купив определенные NFT, и зарабатывать доход различными способами участия.
Несмотря на то, что технология FHE демонстрирует отличные результаты в области защиты конфиденциальности, ее вычислительная эффективность все еще остается проблемой. В последние годы исследователи постоянно улучшают производительность FHE с помощью оптимизации алгоритмов и аппаратного ускорения, но по сравнению с вычислениями с открытым текстом все еще существует значительный разрыв.
В целом, этот проект открывает новые возможности для глубокой интеграции Web3 и AI благодаря своей уникальной архитектуре и относительно эффективным технологиям вычислений с конфиденциальностью. С постоянным развитием технологий у нас есть основания ожидать, что эта инновационная модель будет реализовывать свой потенциал в большем количестве областей, способствуя дальнейшему развитию вычислений с конфиденциальностью и приложений AI.