PlatON 백서 2.0 해석: 탈중앙화 프라이버시 AI 네트워크 구축 방법은?

원제: PlatON 백서 2.0 해석: 탈중앙화 프라이버시 AI 네트워크 구현

작성자: Jason, PlatON 커뮤니티 애호가

최근 PlatON은 백서 버전 2.0을 웹 사이트에 공개했으며, 이전 초판을 기반으로 글로벌 커뮤니티의 개발자 및 기술 애호가의 제안을 포함하고 일부 세부 사항을 수정한 새 백서입니다.

PlatON2.0은 다음 단계에서 PlatON의 중요한 전략적 배치이며, 탈중앙화 프라이버시 컴퓨팅 네트워크 구축을 통해 탈중앙화 인공지능 시장을 형성함으로써 자기 조직화 및 협력적인 일반 인공지능 네트워크를 실현할 것입니다. 사용자가 PlatON2.0을 완전히 이해하고 일반 인공지능으로 가는 길을 열고 기술의 핵심을 찾을 수 있도록 PlatON은 백서 해석 주제를 엽니다.

기사를 읽을 때 가장 먼저 살펴봐야 할 것은 구체적인 내용이 아니라 구조입니다.

구조적 관점에서 본 논문의 처음 세 장의 구조는 진행형이고, 그 다음 몇 개의 장들은 병렬적이며, 두 부분은 총점의 형태로 연결되어 있다.

먼저 배경과 경향에 대해 논의하고, 관찰할 수 있고 지각할 수 있는 현상에 대한 분석을 통해 본질적인 요구사항을 도출한 후 제안하는 PlatON의 필연성과 합리성을 도출하고, 요구사항에 따라 문제를 해결하는 것은 물론이다. 이것이 처음 세 장의 의미입니다.

그런 다음 다음 장에서는 기술 수준, 응용 수준, 경제 모델, 사회적 활동 수준, 계획 및 진행 수준에서 PlatON의 배포 또는 구현에 대해 설명합니다. 마지막으로 업계 관행에 따라 참고 문헌을 제공합니다 한편으로는 인용 기사 작성자의 지적 재산권에 대한 존중을 보여주고 다른 한편으로는 인용 된 주장에 대해 의심이있는 친구에게 편리합니다 역추적하고 확인하기 위해.

다음으로 이 컨텍스트를 분석합니다.

전반적인 배경

글의 서두에서 우리가 살고 있는 시대는 데이터 폭증의 시대라는 점을 먼저 지적했고, 이는 우리 모두가 공감하는 부분이다. 권위있는 데이터 통계 및 예측은 잘 알려진 두 데이터 분석 기관인 Statista 및 IDC(International Data Corporation)에서 제공됩니다.

일반적으로 미래에 데이터의 양이 기하급수적으로 증가할 것이라는 관점 또는 현상을 표현하며, 5G, 사물인터넷 등 새로운 기술과 응용으로 탄생한 새로운 데이터는 상업적 의미가 크다. 보호가 매우 필요합니다. 그러나 현재 데이터 관리 모델이 계속된다면 2025년까지 보호해야 할 데이터의 거의 절반이 보호되지 않을 것입니다.

이는 매우 심각한 현상이며 향후 산업의 집단적 발전을 위한 고통이기도 하다. 물론 다른 관점에서 이것은 매우 중요한 기회이기도 하다.

인공지능과 데이터

전반적인 경제 및 산업 발전 추세의 관점에서 볼 때 데이터 개인 정보 보호의 중요성은 확실히 합리적이지만 결과적으로 모호성에 빠지기 쉽다는 문제가 있습니다.

실제로 넓은 관점에서 데이터 프라이버시 보호는 기본 기능으로서 디지털 경제 시대의 모든 애플리케이션에 요구되고 적용 가능하다고 할 수 있다. 돌파구와 효과에 대한 집중 프레젠테이션.

최근 몇 년간 핫스팟인 AI, 인공 지능은 정책 산업 계획 및 산업 응용 프로그램 모두에서 그 징후를 보입니다.

또한 중요하게도 AI는 데이터에 대한 끊임없고 불합리한 연결을 가지고 있습니다. 인공지능은 항상 논리와 머신러닝에 기반한 개발 아이디어를 가지고 있었습니다. 초기 AI는 주로 전문가 시스템, 지식 그래프 등과 같은 논리 기반이었습니다. 핵심은 주로 인간의 경험에 의존하는 규칙을 컴파일하는 것이었으며 알고리즘 자체에는 많은 데이터가 필요하지 않았습니다.

21세기 초부터, 특히 최근에는 데이터 수집과 저장의 편리함, 컴퓨터 성능의 향상, 소프트웨어 처리 아키텍처의 향상에 힘입어 머신러닝 기반의 AI가 다시 등장하기 시작했고, 그 중 잘 알려진 대표는 모두가 들어야합니다 많은 바둑 마스터를 물리 친 AlphaGo가 딥 러닝의 배후입니다.

기계 학습의 핵심 아이디어는 기계가 관련 데이터를 통해 지속적으로 학습할 수 있도록 하는 것입니다. 정답을 맞힐 수 있을 때까지의 학습 방법.

사실 그것은 본질적으로 우리의 읽기와 학습과 같습니다.

우리는 유치원에서 읽기와 공부를 시작하고 점점 더 많은 책을 읽고 책은 점점 더 어려워지고 동시에 우리의 지식과 인지 수준은 점차 향상되고 있습니다.

머신러닝 기반의 인공지능도 마찬가지인데, 인공지능의 수준이 높을수록 더 많은 카테고리, 더 많은 양, 더 좋은 품질의 학습 데이터를 찾아 훈련할 수 있기를 바랍니다.

사실 현재 많은 기업의 AI 자체는 모델 구조와 알고리즘 설계에 있어 간극이 거의 없으며, 그 간극을 더욱 넓히는 것은 훈련 수준, 즉 AI 모델의 훈련에 얼마나 많은 데이터를 사용할 수 있는가이다.

문제점 및 고충

앞서 언급한 바와 같이 현재의 인공지능은 훈련을 위해 다양한 종류의 고품질 데이터를 대량으로 필요로 하는데, 이는 지능 수준을 효과적으로 향상시키는 열쇠이며 그 중요성은 알고리즘 자체의 설계를 넘어서는 경우가 많다. 그러나 문제가 있습니다. 즉, 데이터의 출처는 어디입니까?

인터넷 거대 기업은 자체 플랫폼을 보유하고 사용자 데이터를 항상 수집하고 있기 때문에 자연스러운 이점이 있으며 이러한 회사는 여전히 많은 인수 및 투자를 통해 데이터 영역을 확장하고 있습니다.

우리 평범한 사람들은 겉보기에 무료로 보이는 다양한 비즈니스 모델에 오랫동안 익숙해져 있기 때문에 깊이 느끼지 못하며 사실 이것은 세 가지 뿌리 깊은 문제를 가져왔습니다.

첫 번째는 데이터 독과점 현상으로 인한 AI 독과점 문제다. 인터넷 거인들은 자연스럽게 데이터 자원을 가지고 있기 때문에 자체 AI를 개발하기가 더 쉽고, 그들의 AI도 자연스럽게 더 높은 수준의 지능을 가지게 되어 AI 분야에서 매튜 효과가 발생합니다. 또한 이러한 인터넷 거대 기업에 의해 통제되어 현재 상황을 반복합니다.모바일 인터넷 시대의 실수는 대중의 음식, 의류, 주택 및 교통의 가격 결정력일 뿐만 아니라 우리의 의사 결정 및 사고에도 깊은 영향을 미칠 것입니다. 이 거인들에 의해.

두 번째는 데이터 개인 정보 보호 문제로 인한 AI 천장 문제입니다. 일반인의 경우 개인 데이터에 대한 체계적인 관리 능력이 부족하여 대부분의 사람들이 편의를 위해 데이터 거래를 선택합니다. 운영, 인력 및 재무는 실제로 가장 중요한 비즈니스 비밀이며 핵심 데이터를 기꺼이 공유하는 회사는 거의 없습니다.

따라서 기업의 다양한 부서 간 및 기업 간에 데이터 섬이 있는 것을 종종 볼 수 있습니다. 인터넷 거대 기업들 사이에서도 상호 경계가 있을 것이고, 이는 대량의 카테고리 간 고품질 데이터가 장기간 동결되어 AI 교육에 사용할 수 없게 될 것입니다. AI의 발전.

마지막으로 데이터 소유권, 사용권 및 용익권 문제가 있습니다. 앞서 언급한 바와 같이 각 개인의 데이터는 큰 가치가 없어 보이지만 다양한 인터넷 거인의 손에서 자금 조달 및 실현과 같은 일련의 행동이 우리의 데이터를 통해 실현되었습니다. 데이터는 실제로 가치가 있지만 오늘날에는 다양한 객관적인 제약과 주관적인 조작으로 인해 이러한 가치가 흐릿해졌습니다. 가치를 명확히 하고 시리즈 권리를 보장할 수 있는 것도 문제입니다.

해결책

PlatON 2.0 백서에서 PlatON의 비전이 분산형 협업 인공지능 네트워크와 글로벌 브레인을 구축하는 것임을 쉽게 알 수 있습니다. 핵심 아이디어는 데이터를 자본화하여 데이터의 자유로운 순환을 실현하고 AI 알고리즘의 성숙과 적용을 크게 가속화하는 것입니다.

이것은 앞서 언급한 문제에 대한 체계적인 솔루션입니다.

기반이 되는 데이터의 자본화를 실현하는 것이 첫걸음이라고 볼 수 있다. 데이터 자체가 가치 있는 생산 요소임에는 의심의 여지가 없지만 가치가 있다고 해서 자본화할 수 있는 것은 아닙니다. 즉, 데이터의 소유권을 어떻게 설정하고 어떤 수단으로 주권을 보호할 것인가 하는 것입니다.

일반 자산은 법적 수단을 통해 위의 목표를 달성할 수 있지만, 데이터와 같은 무형 자산의 경우 데이터의 복사 및 유포가 매우 간단하고 사건 이후에 책임을 추궁하기가 번거롭기 때문에 단독으로 법률을 통과시키는 것이 더 어렵습니다. 이전 이벤트는 말할 것도 없습니다.

따라서 기술적 수단을 통해 권리를 확인하고 보호하는 것이 주류 인식이 되었고, PlatON은 블록체인 + 프라이버시 컴퓨팅 기술을 기반으로 구현된다. 그 중 프라이버시 컴퓨팅 기술은 데이터 권리 확인 및 보호를 실현하는 핵심이며, 블록체인의 역할은 자원의 스케줄링과 데이터의 순환을 용이하게 하는 것입니다.

기술 스택의 다양한 기능으로 인해 아키텍처에서 분리할 목적으로 PlatON은 3개의 계층으로 분해되어 각각의 역할을 수행합니다.

첫 번째 계층은 노드, 합의 메커니즘 및 스마트 계약 가상 머신을 포함하여 블록체인 기술 스택이 있는 합의 계층입니다.

두 번째 계층은 프라이버시 컴퓨팅 네트워크로, 프라이버시 기술의 구현에 의존하는 알고리즘과 데이터, 알고리즘과 데이터 노드를 배포하고 실행하는 컴퓨팅 노드를 포함하는 프라이버시 컴퓨팅 기술이 있는 곳입니다. 데이터를 제공하는 알고리즘은 모두 암호화 기술을 기반으로 하며 안전한 다자간 계산, 동형 암호화, 영지식 증명 등을 포함합니다.

세 번째 레이어는 협업 AI 네트워크입니다.직설적으로 말하자면 AI 모델 선반입니다.이 AI 모델은 이전 두 레이어를 기반으로 훈련할 수 있습니다.이 선반은 지속적으로 업데이트될 수 있습니다.

특징

PlatON은 사설 AI 컴퓨팅 네트워크로 자리잡고 있으며 그 핵심은 사설 컴퓨팅이지만 동시에 Turing-complete 퍼블릭 체인 플랫폼이기도 합니다. 보기, Ethereum과 유사합니다. , 가상 머신 및 스마트 계약을 지원합니다. 기능적으로 유사하다는 것은 구현에서 유사한 문제에 직면하게 된다는 것을 의미합니다.

이것은 이더리움이 오랫동안 피할 수 없었던 문제이며, 지난 2년 동안 DeFi, NFT 등 다양한 응용 프로그램의 폭발적인 증가로 인해 점점 더 통제할 수 없게 된 문제이기도 합니다. TPS 또는 확장성.

이더리움 2.0은 이 문제를 개선하기 위해 Fragmentation을 사용할 예정이며, 현재 이더리움 1.0은 Layer2를 사용하여 이 문제를 개선하고 있습니다.

구체적으로 PlatON은 계층화된 접근 방식을 채택합니다.엄밀히 말하면 계층 2 솔루션이기도 합니다.핵심은 여전히 위에서 언급한 계층화된 아키텍처를 통해 디커플링이 달성되는 동안 전체 네트워크의 성능도 크게 향상됩니다.수평적 확장성. 온체인과 오프체인은 암호화 기반의 검증 가능한 컴퓨팅(VC)으로 연결됩니다. 오프체인 확장이 용이하여 희소한 온체인 자원의 점유를 줄입니다.

핵심으로 돌아가 프라이버시 컴퓨팅. 사실 프라이버시 컴퓨팅은 새로운 기술이 아닙니다. 이 측면에 대한 연구는 수년 동안 진행되어 왔습니다. 현재 업계에서 프라이버시 컴퓨팅 관련 프로젝트를 살펴보면 기술 경로는 일반적으로 나눌 수 있습니다. 두 가지 범주로 나뉘는데 하나는 TEE(Trusted Execution Environment) 하드웨어를 기반으로 하며 그 중 잘 알려진 TEE는 Intel의 SGX입니다.

TEE 기반 프라이버시 컴퓨팅 구현의 장점은 공학적으로 구현하기 쉽다는 점이지만 단점은 하드웨어 제조사에 대한 중앙 집중식 의존성을 가져오고 TEE 자체의 성능에 제약을 받아 확장성에 문제가 있다는 점, 프라이버시 컴퓨팅 암호화 기술을 기반으로 구현의 장점은 보다 안전하고 중앙 집중화 의존성이 없으며 확장성 공간이 더 높다는 것입니다.단점은 현재 기술 수준으로 프로젝트 구현이 이상적이지 않으며 효율성과 다양성을 모두 달성하십시오. 암호화의 길을 택하려면 충분한 과학적 연구 기반과 지속적인 자금 조달이 필요합니다.

이상으로 PlatON2.0의 특징을 정리하였으며, 백서의 내용을 간략히 요약하면 다음과 같습니다.

• WASM 및 EVM 가상 머신 지원, Ethereum과의 우수한 호환성;
• 강력한 시스템 확장성으로 온체인과 오프체인을 분리하는 계층화된 시스템 아키텍처
• 상한이 높은 암호화 기술 기반의 개인정보 보호 솔루션입니다.

주변 도구

사설 컴퓨팅의 개념은 매우 이해하기 쉽고 그 유용성은 받아들이기 쉽습니다.

그러나 이것은 프라이버시 컴퓨팅의 기술적 문턱이 실제로 상당히 높다는 숨겨진 사실을 바꾸지 않습니다 일반 AI 실무자가 프라이버시 컴퓨팅을 통해 AI 모델 훈련을 달성하려면 AI 관련 지식 외에도 또한 프라이버시 프레임워크를 AI 모델에 잘 통합하려면 암호화에 대한 높은 성취도가 필요하며, 이는 실제로 프라이버시 컴퓨팅 응용 프로그램의 홍보에 매우 불리합니다.

그래서 여기 백서에서 프라이버시 AI 개발 프레임워크인 Rosetta에 대해 따로 언급하고 있습니다. 제 생각에는 Rosetta가 매우 중요합니다. 실제로 PlatON 네트워크와 독립적으로 존재할 수 있지만, 그다지 관계가 없어 보이지만, 전체 시스템의 성장 측면에서 보면 매우 중요하기 때문에 별도로 이야기할 필요가 있습니다.

간단히 말해서 Rosetta는 실제로 TensorFlow 등과 같은 빅데이터 처리 프레임워크, 통계적 기계 학습, 인공 신경망 기반 딥 러닝과 같은 일반적으로 사용되는 AI 알고리즘, 안전한 다자간 컴퓨팅과 같은 암호화 알고리즘입니다. 기본 하드웨어 스케줄링 프레임워크는 내부 융합 처리와 함께 패키징 및 통합되며 일반적으로 사용되는 일부 호출 인터페이스만 외부에 노출되므로 AI 엔지니어는 AI 알고리즘을 개발할 때 고려할 사항만 있으면 됩니다. 더 복잡한 암호화 알고리즘을 배우지 않고도 자신의 비즈니스 논리를 구현하고 해당 인터페이스를 호출하여 이를 실현합니다.

앞으로 개발자는 시스템의 2계층 프라이버시 컴퓨팅 네트워크를 사용하여 Rosetta를 통해 자체 AI 모델을 편리하게 개발 및 교육하고 특정 애플리케이션에서 사용하기 위해 3계층 협업 AI 네트워크에 업로드할 수 있습니다.

애플리케이션 시나리오

앞서 언급한 바와 같이 전체 디지털 경제 시스템은 데이터 개인 정보 보호의 지원이 필요합니다. 필요한.

백서에는 오라클 머신 및 블록체인 게임과 같은 블록체인 산업과 관련된 핫스팟뿐만 아니라 전통적인 생물 의학, 금융 위험 통제 및 스마트 도시를 포함하여 몇 가지 일반적인 애플리케이션 시나리오가 나열되어 있습니다.

그렇다면 이러한 애플리케이션 시나리오의 어느 부분에서 프라이버시 컴퓨팅이 사용됩니까? 사실 예외 없이 여러 당사자의 상호 작용이 필요한 링크에 있습니다.

백서에 언급된 사례가 있어 반복하지 않고 익숙한 상황으로 설명하도록 하겠습니다.

예를 들어 오라클 머신의 경우 오라클 머신은 체인에 있는 사용자에게는 특정 정보의 소스이지만 사용자에게는 이러한 데이터에 계속 주의를 기울이고 해당 데이터를 얻는 행위 자체가 일종의 프라이버시이며, 영업 비밀이 포함될 수도 있습니다. 이때 개인 정보 보호는 매우 중요합니다.

예를 들어, 체인 게임의 경우 체인 게임의 한 방향은 메타버스라는 것은 누구나 알고 있습니다. 메타버스는 사실적이고 몰입감 있는 세계를 구축하려고 합니다. 실제로 귀중한 데이터를 기꺼이 제공하지 않을 수 있습니다.

예를 들어, 바이오 의학의 경우 의료 발전의 중요한 부분은 많은 임상 사례의 분석에서 비롯되며, 일반적으로 대형 병원은 이 분야에 대한 데이터가 많은 반면 중소형 병원은 상대적으로 부족한 경우가 많습니다. 환자 개인 정보 보호 및 자체 개발의 관점에서 볼 때 병원은 일반적으로 데이터의 특수성 때문에 이러한 데이터를 공유하지 않으려고 합니다. 일단 공유되면 통제 불능이 되어 전반적인 의료 수준의 발전을 크게 제한합니다. 프라이버시 컴퓨팅을 기반으로 데이터를 확인하고 보호한 후 이 문제를 해결할 수 있습니다.

재무 위험 관리의 경우 이론적으로 개인 또는 회사의 위험 등급에 대한 정보가 포괄적일수록 평가 결과가 더 정확합니다.준수 기록에는 5가지 측면이 있습니다.

따라서 문제가 발생합니다.Ali는 Tencent보다 사람 연결에 대한 포괄적인 데이터를 보유하지 못할 수 있으며 자산 및 행동과 같은 데이터는 Ali의 플랫폼 이외의 다른 플랫폼에서도 사용할 수 있습니다. 현재 이러한 인터넷 플랫폼 간의 데이터는 실제로 연결이 끊어져 사용자 초상화의 정확성과 다양성이 부족할 수 있습니다.예를 들어 한 플랫폼의 높은 신용은 다른 플랫폼에서 직접 허용되지 않을 수 있습니다.

개인 정보 계산을 사용하여 모든 당사자의 데이터 개인 정보를 손상시키지 않고 여러 플랫폼의 데이터를 포괄적으로 활용할 수 있다면 보다 정확하고 보편적인 사람들의 초상화를 얻을 수 있으므로 대상이 지정된 방식으로 위험 일치 정보를 보다 쉽게 제공할 수 있습니다.

스마트시티의 경우 스마트시티를 구축하는 목적 중 하나는 도시 서비스를 보다 편리하고, 정확하고, 효율적이고, 안전하게 만드는 것입니다. 이 목표를 달성하기 위해서는 종종 다양한 정부 부처와 일부 기업의 협력이 필요합니다. 도시 보안을 예로 들면 유관부서의 스카이넷 카메라, 도로교통 카메라, 주거지 카메라, 각종 상업기관의 금속탐지센서, 운영자의 통신데이터를 연동하여 수상하고 위험한 상황을 즉각 감지할 수 있도록 해야 한다. 그리고 지속적인 추적, 문제가 발생하기 전에 예방하고 이러한 센서가 다른 주체에 속하므로 시민의 프라이버시 보호 또는 다양한 주체의 고려를 위해 이러한 센서 데이터의 프라이버시를 보호하는 것이 필요합니다.

발문

꿈이 필요하고 결과도 필요합니다. 저에게 가장 기대되는 것은 올해 말 사설 전산망의 론칭인데, 이것이 PlatON의 핵심 경쟁력이라고 생각합니다.

이 정도면 PlatON의 프라이버시 AI 지형이 비교적 명확할 텐데, 좀 더 구체적인 상황은 백서를 자세히 읽어보시면 됩니다.

마지막으로 제가 말씀드리고 싶은건 PlatON 2.0의 백서이고, 프라이버시 전반에 걸친 트랙입니다. 몰라 이것은 자본이 필요합니다 기술, 기술 및 비즈니스의 공동 추진에도 많은 인내와 인내가 필요하지만 어쨌든 이것이 올바른 방향이라고 믿고 결국 누군가는 쓰러 질 것입니다.

출처: 리안웬

고지 사항: Cointelegraph Chinese는 블록체인 뉴스 정보 플랫폼이며 제공된 정보는 작성자의 개인 의견만을 나타내며 Cointelegraph Chinese 플랫폼의 입장과 관련이 없으며 어떠한 투자 및 재정 조언도 구성하지 않습니다. 독자 여러분은 올바른 화폐 개념과 투자 개념을 정립하고, 진지한 위험 인식 제고를 부탁드립니다.