Пожалуйста, укажите при перепечатке из сообщества "Biteye"

Автор: основной участник Biteye Viee

Монтажер: Crush, основной участник Biteye

Сообщество: @BiteyeCN

*Полный текст составляет около 3000 слов, расчетное время чтения — 6 минут.

Вы бы передали данные своих личных разговоров за десять лет OpenAI, Google или Facebook?

Представьте себе будущее, в котором ИИ-помощник сможет идеально копировать ваш образ мышления и решать повседневные задачи так же, как вы. Хотя это и интересно, это также означает, что ИИ потребуется получить много данных, включая каждое сообщение, которое вы отправили в прошлом, и всю информацию, составляющую вашу уникальную личность, что приводит к вопросу, поднятому в начале. статьи. Согласно опросу, 59% потребителей испытывают беспокойство по поводу использования персонализированного ИИ. Основная причина — опасения по поводу конфиденциальности данных.

Nillion, как инновационная децентрализованная сеть, обеспечивает практическое решение этой проблемы, используя многосторонние вычисления (MPC) и другие технологии повышения конфиденциальности (PET). В этой статье Biteye познакомит вас с новой концепцией слепых вычислений в Web3 и с тем, как защитить конфиденциальность ваших и моих данных.

Данные рассматриваются как новая «нефть» в цифровую эпоху, а вопросы конфиденциальности и безопасности становятся все более важными. Традиционные методы обработки данных часто требуют расшифровки данных перед расчетом, что подвергает конфиденциальную информацию потенциальным угрозам безопасности во время обработки. Например, в медицинской отрасли данные пациентов должны подвергаться строгим мерам защиты конфиденциальности, но при их анализе все равно может возникнуть риск утечки. Это не только влияет на доверие пользователей к сервису, но и ограничивает возможности обмена данными и совместных исследований.

Хотя персонализированный ИИ демонстрирует большой потенциал, прежде чем эта концепция может быть реализована, необходимо серьезно отнестись к вопросам конфиденциальности данных, и персонализированный ИИ действительно может открыть эру «следующего Интернета».

Ниллион предложил новый метод решения вышеуказанных проблем — «слепые вычисления». Он использует децентрализованную сетевую архитектуру и передовую технологию повышения конфиденциальности, позволяющую безопасно хранить и вычислять ценные данные без расшифровки.

Слепые вычисления позволяют пользователям выполнять вычисления без прямого доступа к исходным данным. Это означает, что пользователи могут работать безопасно, даже если данные хранятся в ненадежной среде.

В основном он включает в себя несколько процессов:

Другими словами, суть слепых вычислений заключается в обработке данных после их шифрования. В частности, пользователь шифрует данные и отправляет зашифрованные данные на облачный сервер или другую вычислительную платформу. На этих платформах все выполняемые вычисления выполняются с зашифрованными данными, и конечный результат также шифруется. После получения результата пользователь может получить окончательный ответ посредством процесса расшифровки, не зная никакой информации в промежуточном процессе. Подобно «невидимому вычислительному помощнику», отсюда и название «слепые вычисления».

Слепые вычисления сочетают в себе множество передовых технологий, обеспечивающих безопасность конфиденциальной информации во время обработки:

1. Многосторонние вычисления (MPC)

Многосторонние вычисления — это технология, которая позволяет нескольким сторонам совместно вычислять функцию, не раскрывая соответствующие входные данные. Каждый участник знает только свои исходные данные и окончательные результаты, но не имеет доступа к вкладам других участников.

Как работает MPC, можно понять, используя классическую историю миллионера. Этот вопрос впервые был поднят в 1982 году Эндрю Яо. Предположим, два миллионера хотят знать, кто богаче, но не хотят раскрывать свое богатство. Они могут использовать MPC для совместного расчета того, кто богаче, посредством серии криптографических операций, не раскрывая при этом своего конкретного богатства. Этот процесс обеспечивает информационную безопасность между участвующими сторонами, обеспечивая при этом возможность сотрудничества.

Это достигается посредством серии криптографических операций, которые позволяют сторонам вводить свой собственный капитал в общий расчет. Расчет структурирован таким образом, что выводит только результат сравнения (т. е. какой миллионер богаче) без раскрытия каких-либо подробностей об их собственном капитале. Эта проблема демонстрирует мощь MPC — он может обеспечить совместную работу при сохранении конфиденциальности.

Применение: при слепых вычислениях MPC гарантирует, что даже если вычисления выполняются на облачном сервере или в другой ненадежной среде, участвующие узлы не смогут видеть исходные данные. Этот метод идеально подходит для обработки конфиденциальной информации, такой как финансовые транзакции или медицинские записи.

2. Гомоморфное шифрование.

Гомоморфное шифрование — это особая форма шифрования, которая позволяет выполнять прямые вычисления над зашифрованными данными без расшифровки. Пользователи могут выполнять различные операции (например, сложение и умножение) в зашифрованном виде, а конечный результат по-прежнему зашифрован. Пользователи могут использовать свой собственный ключ для расшифровки и получения правильного ответа.

Применение: Гомоморфное шифрование играет важную роль в слепых вычислениях, позволяя серверу выполнять операции с зашифрованными данными, не зная самих данных. Эта технология делает данные более безопасными при обработке в облачной среде.

3. Технология повышения конфиденциальности (PET)

Технология повышения конфиденциальности — это серия методов, предназначенных для повышения уровня защиты личной информации, включая анонимизацию, псевдоанонимизацию и снижение чувствительности данных.

Применение: в слепых вычислениях эти методы можно использовать в сочетании с MPC и гомоморфным шифрованием для дальнейшего обеспечения безопасности и конфиденциальности данных во время обработки. Например, анонимизируя входные данные, любой участник может быть лишен возможности идентифицировать источник данных.

4. Квантовый слепой расчет

Квантовые слепые вычисления — это метод, который использует принципы квантовых вычислений для достижения слепых вычислений. Он позволяет пользователям выполнять криптографические вычисления на квантовых компьютерах, защищая конфиденциальность входных и выходных данных.

Применение: квантовые слепые вычисления все еще находятся на стадии исследования. Ожидается, что после внедрения они смогут решать более сложные проблемы и могут расширить вычислительные возможности пользователей в облачных средах.

Чтобы интегрировать вышеупомянутые технологии для достижения слепых вычислений, Nillion использует двойную сетевую архитектуру, состоящую из уровня координации (NilChain) и уровня оркестрации (Petnet). Такая конструкция обеспечивает эффективное хранение и обработку данных, сохраняя при этом безопасность и конфиденциальность системы.

Чтобы интегрировать вышеупомянутые технологии для достижения слепых вычислений, Nillion использует двойную сетевую архитектуру, состоящую из уровня координации (NilChain) и уровня оркестрации (Petnet). Такая конструкция обеспечивает эффективное хранение и обработку данных, сохраняя при этом безопасность и конфиденциальность системы.

1. Координационный уровень (NilChain)

Уровень координации отвечает за управление платежными операциями в сети, включая хранение и слепые расчеты. Это гарантирует, что все транзакции проходят гладко и ресурсы распределяются эффективно.

2. Уровень оркестровки (Petnet)

Уровень оркестрации использует технологии повышения конфиденциальности, такие как MPC, для защиты статических данных и реализации слепых вычислений на этих данных. Petnet гарантирует сохранение высокого уровня безопасности и конфиденциальности, даже если данные распределяются между несколькими узлами. Этот уровень предоставляет разработчикам гибкую платформу, которая позволяет им создавать разнообразные приложения для удовлетворения различных потребностей.

30 октября Nillion только что объявил о завершении финансирования в размере 25 миллионов долларов США под руководством Hack VC и получил поддержку от Arbitrum, Worldcoin и Sei. На данный момент общая сумма финансирования Nillion достигла 50 миллионов долларов США.

С момента своего запуска Nillion добился впечатляющих показателей производительности:

Валидаторы помогают поддерживать безопасность и целостность данных, и увеличение их числа означает, что сеть Nillion становится сильнее и безопаснее.

В число нынешних партнеров Nillion входят сеть блокчейнов NEAR, Aptos, Arbitrum, Mantle, IO.net, Ritual и др. Использование нескольких полей, таких как Ritual и Nesa, используемых для обучения и вывода частных моделей ИИ; Rainfall, Dwinity, Nuklai, используемых для хранения, обмена и получения прибыли от данных обучения ИИ, используемых для создания синтетических данных и защиты личных данных. Протокол Virtuals, Capx AI, Crush AI, создавайте персонализированных частных агентов с помощью Nillion. PINDORA, поддержка конфиденциальности и безопасности сети DePIN. Nillion стремится привлечь проекты, которые находятся на стыке блокчейна и искусственного интеллекта и которым необходимо безопасно обмениваться и хранить большие объемы данных.

Мы можем предвидеть, что в будущем Nillion будет широко использоваться в медицине, финансах, образовании и других областях, способствуя созданию более безопасной и прозрачной экосистемы данных.

Благодаря инновационной технической архитектуре и мощным возможностям защиты конфиденциальности Nillion предоставляет реальный способ решения проблем конфиденциальности данных в современном цифровом мире, позволяя пользователям наслаждаться удобством цифровых услуг, не беспокоясь об утечке личной информации или злоупотреблениях.

Сейчас мы не можем представить себе будущее искусственного интеллекта. Рост персонализированных цифровых копий и обеспокоенность по поводу конфиденциальности данных подобны двум концам качелей. Без эффективных мер защиты конфиденциальности данных персонализированному ИИ будет трудно получить широкое признание на рынке. Поэтому то, как найти баланс между содействием технологическому прогрессу и защитой конфиденциальности пользователей, станет важным вопросом, который отрасль должна решить в срочном порядке. По мере развития сети Nillion мы с нетерпением ожидаем появления новых приложений на базе этой платформы, которые окажут положительное влияние на человеческое общество в эпоху искусственного интеллекта.