Người viết: Người đóng góp cốt lõi của Biteye Viee Người biên tập: Người đóng góp cốt lõi của Biteye Crush
Bạn có sẵn sàng chuyển mười Dữ liệu trò chuyện cá nhân được chuyển giao cho OpenAI, Google hay Facebook trong nhiều năm?
Hãy tưởng tượng một tương lai nơi trợ lý AI có thể sao chép hoàn hảo cách bạn suy nghĩ và xử lý các công việc hàng ngày giống như bạn. Mặc dù thú vị nhưng điều này cũng có nghĩa là AI sẽ cần truy cập vào lượng dữ liệu khổng lồ—mọi tin nhắn bạn từng gửi trước đây, cũng như tất cả thông tin tạo nên cá tính độc đáo của bạn, điều này đặt ra câu hỏi đặt ra tại phần đầu của bài viết. Theo khảo sát, 59% người tiêu dùng không thoải mái khi sử dụng AI được cá nhân hóa và lý do chính là lo ngại về quyền riêng tư dữ liệu.
Nillion, với tư cách là một mạng phi tập trung đổi mới, cung cấp các giải pháp thiết thực cho vấn đề này bằng cách tận dụng tính toán đa bên (MPC) và các công nghệ nâng cao quyền riêng tư khác (PET). Các giải pháp khả thi. Biteye sẽ giới thiệu với bạn khái niệm mới về điện toán mù trong Web3 trong bài viết này và cách bảo vệ quyền riêng tư dữ liệu của bạn và của tôi.
01 Hiện trạng quyền riêng tư và bảo mật dữ liệu
Dữ liệu được coi là "dầu" mới trong kỷ nguyên số cũng như quyền riêng tư và bảo mật vấn đề ngày càng trở nên quan trọng. Các phương pháp xử lý dữ liệu truyền thống thường yêu cầu giải mã dữ liệu trước khi tính toán, điều này làm lộ thông tin nhạy cảm trước các mối đe dọa bảo mật tiềm ẩn trong quá trình xử lý. Ví dụ, trong ngành y tế, dữ liệu bệnh nhân phải trải qua các biện pháp bảo vệ quyền riêng tư nghiêm ngặt nhưng vẫn có thể có nguy cơ bị rò rỉ khi phân tích. Điều này không chỉ ảnh hưởng đến niềm tin của người dùng đối với dịch vụ mà còn hạn chế khả năng chia sẻ dữ liệu và nghiên cứu hợp tác.
Mặc dù AI được cá nhân hóa cho thấy tiềm năng to lớn nhưng trước khi tầm nhìn này có thể thành hiện thực, các vấn đề về quyền riêng tư dữ liệu phải được xem xét nghiêm túc và AI được cá nhân hóa thực sự có thể mở ra " "Thế hệ tiếp theo thời đại Internet”.
02 Tính toán mù là gì?
Nillion đề xuất một phương pháp mới để giải quyết vấn đề trên, đó là "Máy tính mù". Nó sử dụng kiến trúc mạng phi tập trung và công nghệ nâng cao quyền riêng tư tiên tiến để cho phép lưu trữ và tính toán dữ liệu có giá trị cao một cách an toàn mà không cần giải mã.
Điện toán mù cho phép người dùng thực hiện các phép tính mà không cần truy cập trực tiếp vào dữ liệu gốc. Điều này có nghĩa là người dùng có thể hoạt động an toàn ngay cả khi dữ liệu được lưu trữ trong môi trường không đáng tin cậy.
Nó chủ yếu bao gồm một số quy trình:
- < p style="text-align: left;">Dữ liệu được che giấu và chia thành nhiều phần
Những đoạn này được gửi tới Nút khác nhau
Các nút xử lý dữ liệu mà không cần nhìn thấy nó
Thu thập và kết hợp các kết quả
- < p style="text-align: left;">Chỉ những bên được ủy quyền mới có thể xem kết quả cuối cùng
Nói cách khác, Cốt lõi của điện toán mù là xử lý dữ liệu sau khi mã hóa nó. Cụ thể, người dùng mã hóa dữ liệu và gửi dữ liệu được mã hóa đến máy chủ đám mây hoặc nền tảng điện toán khác. Trên các nền tảng này, tất cả các phép tính được thực hiện đều dựa trên dữ liệu được mã hóa và kết quả cuối cùng cũng được mã hóa. Sau khi nhận được kết quả, người dùng có thể có được câu trả lời cuối cùng thông qua quá trình giải mã mà không cần biết bất kỳ thông tin nào trong quá trình trung gian. Nó giống như một “trợ lý điện toán vô hình” nên có tên là “điện toán mù”.
Điện toán mù kết hợp nhiều công nghệ tiên tiến để đảm bảo rằng thông tin nhạy cảm vẫn được bảo mật trong quá trình xử lý:
1. Tính toán nhiều bên (MPC)
Tính toán nhiều bên là phương pháp cho phép nhiều người tham gia Một kỹ thuật trong đó hai bên cùng tính toán một hàm mà không tiết lộ dữ liệu đầu vào của họ. Mỗi người tham gia chỉ biết đầu vào và kết quả cuối cùng của riêng mình chứ không có quyền truy cập vào đầu vào của những người tham gia khác.
Có thể hiểu cách thức hoạt động của MPC qua câu chuyện triệu phú cổ điển. Câu hỏi này lần đầu tiên được Andrew Yao nêu ra vào năm 1982. Giả sử có hai triệu phú muốn biết ai giàu hơn nhưng không muốn tiết lộ sự giàu có của mình. Sử dụng MPC, họ có thể cùng nhau tính toán xem ai giàu hơn thông qua một loạt hoạt động mã hóa mà không tiết lộ tài sản cụ thể của mình. Quá trình này đảm bảo an ninh thông tin giữa các bên liên quan đồng thời cho phép hợp tác.
Điều này đạt được thông qua một loạt hoạt động mã hóa cho phép các bên nhập giá trị ròng của họ vào phép tính chung. Việc tính toán được cấu trúc theo cách nó chỉ đưa ra kết quả so sánh (tức là triệu phú nào giàu hơn) mà không tiết lộ bất kỳ chi tiết nào về giá trị ròng tương ứng của họ. Vấn đề này thể hiện sức mạnh của MPC—nó cho phép tính toán cộng tác trong khi vẫn đảm bảo quyền riêng tư.
Ứng dụng: Trong tính toán mù, MPC đảm bảo rằng ngay cả khi tính toán được thực hiện trên máy chủ đám mây hoặc môi trường không đáng tin cậy khác, các nút tham gia không thể xem dữ liệu thô. Phương pháp này lý tưởng để xử lý thông tin nhạy cảm, chẳng hạn như giao dịch tài chính hoặc hồ sơ y tế.
2. Mã hóa đồng cấu
Mã hóa đồng cấu là một loại đặc biệt dạng mã hóa cho phép tính toán trực tiếp trên dữ liệu được mã hóa mà không cần giải mã. Người dùng có thể thực hiện nhiều thao tác khác nhau (như cộng và nhân) ở trạng thái được mã hóa và kết quả cuối cùng vẫn được mã hóa. Người dùng có thể sử dụng khóa riêng của mình để giải mã để có được câu trả lời chính xác.
Ứng dụng: Mã hóa đồng cấu đóng vai trò quan trọng trong tính toán mù, cho phép máy chủ thực hiện các thao tác trên dữ liệu được mã hóa mà không cần biết chính dữ liệu đó . Công nghệ này giúp dữ liệu an toàn hơn khi được xử lý trong môi trường đám mây.
3. Công nghệ nâng cao quyền riêng tư (PET)
Quyền riêng tư Công nghệ nâng cao là một loạt các phương pháp được thiết kế để cải thiện mức độ bảo vệ quyền riêng tư cá nhân, bao gồm ẩn danh, giả ẩn danh và giải mẫn cảm dữ liệu.
Ứng dụng: Trong điện toán mù, những kỹ thuật này có thể được sử dụng kết hợp với MPC và mã hóa đồng cấu để đảm bảo hơn nữa rằng dữ liệu được xử lý bảo mật và quyền riêng tư trong . Ví dụ: bằng cách ẩn danh dữ liệu đầu vào, bất kỳ người tham gia nào cũng có thể bị ngăn chặn xác định nguồn dữ liệu.
4. Điện toán mù lượng tử
Điện toán mù lượng tử là Một phương pháp sử dụng các nguyên tắc tính toán lượng tử để đạt được các phép tính mù. Nó cho phép người dùng thực hiện các phép tính mật mã trên máy tính lượng tử, bảo vệ sự riêng tư của dữ liệu đầu vào và đầu ra.
Ứng dụng: Điện toán mù lượng tử vẫn đang trong giai đoạn nghiên cứu. Sau khi được triển khai, nó được kỳ vọng có thể xử lý các vấn đề phức tạp hơn. và có thể mở rộng trải nghiệm người dùng Sức mạnh tính toán trong môi trường đám mây.
Kiến trúc mạng kép của 03 Nillion
Để tích hợp các công nghệ trên nhằm đạt được tính toán mù , Nillion áp dụng kiến trúc mạng kép, bao gồm lớp phối hợp (NilChain) và lớp điều phối (Petnet). Thiết kế này đảm bảo lưu trữ và xử lý dữ liệu hiệu quả đồng thời duy trì tính bảo mật và quyền riêng tư của hệ thống.
1. Lớp phối hợp (NilChain)
Lớp phối hợp Chịu trách nhiệm quản lý các hoạt động thanh toán trong mạng, bao gồm lưu trữ và tính toán mù. Nó đảm bảo rằng tất cả các giao dịch diễn ra suôn sẻ và tài nguyên được phân bổ hiệu quả.
2. Lớp điều phối (Petnet)
Lớp tổ chức Sử dụng các công nghệ nâng cao quyền riêng tư như MPC để bảo vệ dữ liệu tĩnh và cho phép tính toán mù trên những dữ liệu này. Petnet đảm bảo duy trì mức độ bảo mật và quyền riêng tư cao ngay cả khi dữ liệu được chia sẻ giữa nhiều nút. Lớp này cung cấp cho các nhà phát triển một nền tảng linh hoạt cho phép họ xây dựng nhiều ứng dụng khác nhau để đáp ứng các nhu cầu khác nhau.
Tiến độ hiện tại của 04 Nillion
Ngày 30 tháng 10, Nillion vừa công bố hoàn thành 25 USD triệu Việc tài trợ được dẫn dắt bởi Hack VC, với sự hỗ trợ từ Arbitrum, Worldcoin và Sei. Đến nay, tổng số vốn tài trợ của Nillion đã lên tới 50 triệu USD.
Kể từ khi ra mắt, Nillion đã đạt được một số con số hiệu suất ấn tượng:
Số lượng người xác thực: 247.660
Tổng số dữ liệu được bảo vệ : 711 GB
Tổng số bí mật được thử thách: 120.254.931
Trình xác minh giúp duy trì tính bảo mật và tính toàn vẹn của dữ liệu và sự tăng trưởng về số lượng này đồng nghĩa với việc Nillion Network trở nên mạnh mẽ và an toàn hơn.
Hiện tại, các đối tác của Nillion bao gồm các mạng blockchain NEAR, Aptos, Arbitrum, Mantle, IO.net, Ritual, v.v. Liên quan đến nhiều lĩnh vực, chẳng hạn như Ritual và Nesa, được sử dụng để đào tạo và suy luận mô hình AI theo mô hình riêng; Rainfall, Dwinity, Nuklai, được sử dụng để lưu trữ, chia sẻ và thu lợi nhuận từ dữ liệu đào tạo AI; được sử dụng để tạo dữ liệu tổng hợp và bảo vệ dữ liệu cá nhân. Virtuals Protocol, Capx AI, Crush AI, tạo các tác nhân riêng được cá nhân hóa với sự trợ giúp của Nillion. PINDORA, hỗ trợ bảo mật và bảo mật cho mạng DePIN. Nillion tìm cách thu hút các dự án nằm ở điểm giao thoa giữa blockchain và AI, đồng thời cần chia sẻ và lưu trữ lượng lớn dữ liệu một cách an toàn.
Trong tương lai, chúng ta có thể thấy trước rằng Nillion sẽ được sử dụng rộng rãi trong y tế, tài chính, giáo dục và các lĩnh vực khác để xây dựng một hệ sinh thái dữ liệu an toàn và minh bạch hơn. sự đóng góp.
05 Tóm tắt
Nillion sử dụng kiến trúc kỹ thuật tiên tiến và khả năng bảo vệ quyền riêng tư mạnh mẽ để cung cấp một cách khả thi để giải quyết vấn đề bảo mật dữ liệu trong thế giới kỹ thuật số hiện nay, cho phép người dùng tận hưởng sự tiện lợi mà các dịch vụ kỹ thuật số mang lại mà không lo bị rò rỉ hoặc lạm dụng thông tin cá nhân.
Đứng ở thời điểm hiện tại, chúng ta không thể tưởng tượng được tương lai của trí tuệ nhân tạo. Sự gia tăng của các bản sao kỹ thuật số được cá nhân hóa và những lo ngại về quyền riêng tư dữ liệu giống như hai đầu của một chiếc bập bênh. Nếu không có các biện pháp bảo vệ quyền riêng tư dữ liệu hiệu quả, AI được cá nhân hóa sẽ gặp khó khăn để được thị trường chấp nhận rộng rãi. Vì vậy, làm thế nào để tìm ra sự cân bằng giữa thúc đẩy tiến bộ công nghệ và bảo vệ quyền riêng tư của người dùng sẽ là vấn đề quan trọng mà ngành cần giải quyết khẩn cấp. Khi mạng Nillion phát triển, chúng tôi mong muốn được thấy thêm nhiều ứng dụng mới dựa trên nền tảng này, mang lại những tác động tích cực cho xã hội loài người trong kỷ nguyên AI.
Catherine
