NEAR introduz tecnologia de computação privada, equilibrando desempenho e privacidade

Recentemente, a equipe de desenvolvimento do protocolo de privacidade anunciou a introdução de computação cega e armazenamento cego em uma blockchain pública Layer 1 focada em velocidade e escalabilidade. Esta integração combina uma infraestrutura de alto desempenho com ferramentas avançadas de privacidade, permitindo que mais de 750 projetos dentro desse ecossistema possam aproveitar a tecnologia de computação cega.

Esta rede Layer 1 é conhecida pelo seu desempenho, cujas principais características incluem:

• Solução de fragmentação única: aumenta a taxa de transações e reduz a latência, adequada para aplicações de alto desempenho.
• Runtime baseado em WebAssembly: suporta contratos inteligentes em Rust e AssemblyScript, atraindo desenvolvedores de diferentes origens.
• Sistema de contas legíveis: utiliza nomes de conta intuitivos para melhorar a experiência do utilizador e a acessibilidade.

Essas características atraíram muitos desenvolvedores, empreendedores e criadores, que juntos construíram um ecossistema próspero.

Através da combinação de capacidade de cálculo cego com processamento eficiente de transações, foi alcançado:

• Privacidade de dados modular: funcionalidades de privacidade integradas de forma suave à blockchain, permitindo a execução modular de operações de armazenamento e cálculo de dados em redes de privacidade, enquanto realiza liquidações transparentes na blockchain.
• Gestão de dados privados: fornece armazenamento e computação privados para todos os tipos de dados, expandindo as funcionalidades da blockchain.
• AI Privado: A atenção da blockchain à IA autônoma e de propriedade do usuário complementa-se com a capacidade de armazenamento e computação privada, abrindo um novo espaço de design para a IA descentralizada.

Esta integração abre novas vias para aplicações de proteção da privacidade, especialmente no que diz respeito a soluções de IA:

• Inferência Privada: implementar inferência segura para modelos de IA, protegendo modelos de aprendizado de máquina proprietários e entradas sensíveis.
• Agentes privados: Com o surgimento dos agentes de IA, as soluções de privacidade tornaram-se essenciais.
• Aprendizado federado: melhora a privacidade através da proteção do processo de agregação, garantindo que as informações sensíveis derivadas durante o treinamento permaneçam confidenciais.
• Dados sintéticos privados: protege a privacidade dos dados básicos durante o treinamento do GAN.
• Pesquisa privada com geração aprimorada (RAG): habilita novos métodos de proteção de privacidade para a recuperação de informações.

Além disso, essa integração também possibilita soluções de privacidade entre cadeias, plataformas comunitárias com foco na privacidade, DeFi seguro e ferramentas para desenvolvedores que protegem a privacidade.

Ao combinar infraestrutura de alto desempenho com recursos avançados de privacidade, está-se criando um ambiente que permite aos desenvolvedores construir aplicações poderosas e que protejam a privacidade, para atender às necessidades do mundo real. Isso ajudará a criar uma nova economia digital aberta, permitindo que as pessoas tenham um melhor controle sobre seus ativos e dados.