Мінтинг NFT даних обличчя: дослідження інноваційної інтеграції приватних обчислень та ШІ
Нещодавно проект мінтингів NFT з обличчям привернув широку увагу. Цей проект дозволяє користувачам в мобільному додатку вводити своє обличчя та мінтити його як NFT. Цей, на перший погляд, простий проект по зберіганню даних обличчя в блокчейні та комбінації з NFT з моменту запуску привернув більше 200 тисяч користувачів, що беруть участь у мінтингу, і його популярність неможливо ігнорувати.
Однак справжня мета цього проєкту полягає не лише в тому, щоб мінтити дані обличчя в NFT. Насправді, він має на меті перевірку користувачів на реальність за допомогою розпізнавання облич. Ця людино-машинна ідентифікація також є дуже затребуваною в сфері Web3, особливо в аспектах запобігання атак відьом і захисту високоризикованих операцій.
Для вирішення проблеми обчислення конфіденційності AI-додатків у середовищі Web3, одна компанія на основі повної гомоморфної криптографії (FHE) розробила інноваційну AI-мережу. Ця мережа через оптимізацію ієрархічної структури пропонує ефективні рішення для захисту конфіденційності.
Архітектура цієї AI мережі включає чотири основні ролі: власник даних, обчислювальний вузол, декодер та отримувач результатів. Її основний робочий процес охоплює весь процес від реєстрації користувача, подання завдання до перевірки результатів і їх доставки, при цьому гарантуючи кінцеве шифрування даних та захист конфіденційності.
Щоб стимулювати та управляти мережевими вузлами, проект використовує двоєдиний механізм PoW та PoS. Користувачі можуть отримати право стати обчислювальним вузлом, купуючи певні NFT, і отримувати прибуток різними способами участі.
Хоча технологія FHE демонструє відмінні результати в захисті конфіденційності, її обчислювальна ефективність все ще залишається викликом. Останніми роками дослідники постійно покращують продуктивність FHE за допомогою оптимізації алгоритмів та апаратного прискорення, але в порівнянні з обчисленнями з відкритим текстом все ще існує значна різниця.
В цілому, цей проєкт завдяки своїй унікальній архітектурі та відносно ефективній технології обчислень з захистом конфіденційності відкриває нові можливості для глибокої інтеграції Web3 та AI. В умовах постійного прогресу технологій, ми маємо підстави сподіватися, що ця інноваційна модель зможе реалізувати свій потенціал у більшій кількості сфер, сприяючи подальшому розвитку обчислень з захистом конфіденційності та застосувань AI.
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.
8 лайків
Нагородити
8
7
Репост
Поділіться
Прокоментувати
0/400
BearMarketBarber
· 4год тому
А це... справді не краще, ніж зробити gif.
Переглянути оригіналвідповісти на0
SchrodingerWallet
· 9год тому
Знову приходять невдахи новим способом?
Переглянути оригіналвідповісти на0
Ser_This_Is_A_Casino
· 9год тому
Ще смієш показувати обличчя у блокчейні? Голови вже немає?
Переглянути оригіналвідповісти на0
SmartContractPhobia
· 9год тому
Цей NFT занадто абсурдний, чи не так? Продає обличчя?
Переглянути оригіналвідповісти на0
BearWhisperGod
· 9год тому
FHE ключ卷 один шнур~
Переглянути оригіналвідповісти на0
GasBankrupter
· 9год тому
Друзі, це просто безглуздо, ця річ зовсім ненадійна.
Переглянути оригіналвідповісти на0
GasFeeThunder
· 10год тому
Системний рівень вразливості обдурювати людей, як лохів. Шахрайство.
Проект NFT з розпізнаванням обличчя впроваджує технологію FHE, досліджуючи нові кордони приватних обчислень у Web3.
Мінтинг NFT даних обличчя: дослідження інноваційної інтеграції приватних обчислень та ШІ
Нещодавно проект мінтингів NFT з обличчям привернув широку увагу. Цей проект дозволяє користувачам в мобільному додатку вводити своє обличчя та мінтити його як NFT. Цей, на перший погляд, простий проект по зберіганню даних обличчя в блокчейні та комбінації з NFT з моменту запуску привернув більше 200 тисяч користувачів, що беруть участь у мінтингу, і його популярність неможливо ігнорувати.
Однак справжня мета цього проєкту полягає не лише в тому, щоб мінтити дані обличчя в NFT. Насправді, він має на меті перевірку користувачів на реальність за допомогою розпізнавання облич. Ця людино-машинна ідентифікація також є дуже затребуваною в сфері Web3, особливо в аспектах запобігання атак відьом і захисту високоризикованих операцій.
Для вирішення проблеми обчислення конфіденційності AI-додатків у середовищі Web3, одна компанія на основі повної гомоморфної криптографії (FHE) розробила інноваційну AI-мережу. Ця мережа через оптимізацію ієрархічної структури пропонує ефективні рішення для захисту конфіденційності.
Архітектура цієї AI мережі включає чотири основні ролі: власник даних, обчислювальний вузол, декодер та отримувач результатів. Її основний робочий процес охоплює весь процес від реєстрації користувача, подання завдання до перевірки результатів і їх доставки, при цьому гарантуючи кінцеве шифрування даних та захист конфіденційності.
Щоб стимулювати та управляти мережевими вузлами, проект використовує двоєдиний механізм PoW та PoS. Користувачі можуть отримати право стати обчислювальним вузлом, купуючи певні NFT, і отримувати прибуток різними способами участі.
Хоча технологія FHE демонструє відмінні результати в захисті конфіденційності, її обчислювальна ефективність все ще залишається викликом. Останніми роками дослідники постійно покращують продуктивність FHE за допомогою оптимізації алгоритмів та апаратного прискорення, але в порівнянні з обчисленнями з відкритим текстом все ще існує значна різниця.
В цілому, цей проєкт завдяки своїй унікальній архітектурі та відносно ефективній технології обчислень з захистом конфіденційності відкриває нові можливості для глибокої інтеграції Web3 та AI. В умовах постійного прогресу технологій, ми маємо підстави сподіватися, що ця інноваційна модель зможе реалізувати свій потенціал у більшій кількості сфер, сприяючи подальшому розвитку обчислень з захистом конфіденційності та застосувань AI.