Acuñando NFT de datos faciales: explorando la fusión de la computación en la privacidad y la IA

Recientemente, un proyecto de acuñando NFT de reconocimiento facial ha generado una amplia atención. Este proyecto permite a los usuarios ingresar su rostro a través de una aplicación móvil y acuñarlo como un NFT. Este concepto aparentemente simple ha atraído a una gran cantidad de usuarios en poco tiempo, con un volumen de acuñación que supera las 200,000 NFT.

El verdadero propósito de este proyecto no es simplemente convertir los datos faciales en NFT, sino validar la identidad real de los usuarios a través del reconocimiento facial. En el actual entorno de Internet, los programas maliciosos representan una proporción considerable del tráfico, lo que provoca numerosos problemas a los proveedores de servicios y a los usuarios comunes. Los métodos tradicionales de verificación hombre-máquina enfrentan desafíos constantes, especialmente en el contexto del rápido desarrollo de la tecnología de IA.

En el ámbito de Web3, la verificación humana es igualmente crucial. Especialmente cuando se trata de operaciones de alto riesgo como la seguridad de cuentas, transacciones y airdrops, se necesitan métodos de verificación de identidad más confiables. Sin embargo, cómo lograr este objetivo en un entorno descentralizado, al tiempo que se protege la privacidad del usuario, se ha convertido en un problema urgente por resolver.

Para enfrentar este desafío, una empresa ha propuesto una solución innovadora. Han construido una red de computación privada basada en la tecnología de cifrado completamente homomórfico (FHE), con el objetivo de abordar los problemas de privacidad en los escenarios de aplicación de IA en el entorno Web3. La arquitectura de esta red incluye múltiples roles como propietarios de datos, nodos de computación, descifradores y receptores de resultados, asegurando la seguridad y privacidad de los datos durante el proceso de computación a través de flujos de trabajo complejos.

La red utiliza un mecanismo dual de Prueba de Trabajo (PoW) y Prueba de Participación (PoS) para gestionar nodos y distribuir recompensas. Los usuarios pueden participar en el cálculo de la red y obtener beneficios mediante la compra de NFT específicos, y también pueden aumentar su multiplicador de ganancias a través de otro NFT. Este diseño tiene como objetivo equilibrar la importancia de los recursos de cálculo y los recursos económicos en la red, ofreciendo a los usuarios diversas formas de participación.

A pesar de que la tecnología de cifrado homomórfico totalmente (FHE) ofrece nuevas posibilidades para el cálculo de la privacidad, también enfrenta algunos desafíos, principalmente en términos de eficiencia computacional. En comparación con el cálculo en texto claro, la velocidad de operación de FHE todavía presenta una gran diferencia. Sin embargo, con los avances en la optimización de algoritmos y la aceleración de hardware, las perspectivas de aplicación de esta tecnología están ampliándose gradualmente.

Este proyecto muestra el potencial de la fusión profunda entre Web3 y AI, ofreciendo nuevas ideas para la protección de la privacidad y la verificación de identidad. Aunque actualmente existen algunas limitaciones técnicas, con la investigación y la innovación continuas, esta combinación tiene el potencial de desempeñar un papel importante en más áreas, impulsando el desarrollo de la computación de privacidad y las aplicaciones de AI.