Минтинг NFT с данными лиц: исследование融合隐私计算与AI

В последнее время проект по минтингу NFT с использованием лицевых изображений привлек широкое внимание. Этот проект позволяет пользователям вводить свои лицевые изображения через мобильное приложение и минтить их в виде NFT. Этот, на первый взгляд, простой концепт за короткое время привлек огромное количество пользователей, и объем минтинга превысил 200000 NFT.

Истинная цель этого проекта заключается не просто в преобразовании данных лиц в NFT, а в проверке подлинной идентичности пользователей с помощью распознавания лиц. В нынешней интернет-среде вредоносные программы занимают довольно большую долю трафика, создавая множество проблем как для поставщиков услуг, так и для обычных пользователей. Традиционные методы проверки человека и машины сталкиваются с постоянными вызовами, особенно на фоне быстрого развития технологий ИИ.

В области Web3 проверка личности также имеет первостепенное значение. Особенно в случаях, связанных с безопасностью учетных записей, транзакциями и аирдропами, необходимы более надежные средства идентификации. Тем не менее, как достичь этой цели в децентрализованной среде, одновременно защищая конфиденциальность пользователей, стало неотложной задачей.

Чтобы справиться с этой задачей, одна компания предложила инновационное решение. Они построили сеть вычислений с защитой конфиденциальности на основе технологии полного гомоморфного шифрования (FHE), направленную на решение проблем конфиденциальности в сценариях применения ИИ в среде Web3. Архитектура этой сети включает в себя несколько ролей, таких как владельцы данных, вычислительные узлы, декодеры и получатели результатов, обеспечивая безопасность и конфиденциальность данных в процессе вычислений через сложные рабочие процессы.

Эта сеть использует двойной механизм на основе доказательства работы (PoW) и доказательства доли (PoS) для управления узлами и распределения вознаграждений. Пользователи могут участвовать в вычислениях сети и получать доход, покупая определённые NFT, а также увеличивать множитель дохода с помощью другого NFT. Такой дизайн направлен на балансировку важности вычислительных и экономических ресурсов в сети, предлагая пользователям разнообразные способы участия.

Хотя технология полностью гомоморфного шифрования (FHE) предоставляет новые возможности для вычислений с защитой конфиденциальности, она также сталкивается с рядом проблем, в основном связанных с вычислительной эффективностью. По сравнению с вычислениями над открытым текстом, скорость вычислений FHE все еще значительно уступает. Тем не менее, с продвижением в оптимизации алгоритмов и аппаратном ускорении, перспективы применения этой технологии постепенно расширяются.

Этот проект демонстрирует потенциал глубокого взаимодействия Web3 и ИИ, предлагая новые подходы к защите конфиденциальности и аутентификации. Хотя в настоящее время существуют некоторые технические ограничения, с постоянными исследованиями и инновациями это сочетание обещает сыграть важную роль в более широких областях, способствуя развитию вычислений конфиденциальности и приложений ИИ.