Autor: Paul, CoinmanLabs

 

Witam wszystkich, jestem Paul z Coinmanlabs. Dzisiaj chcę z wami porozmawiać o projekcie AI – Privasea.

P·Co to jest wyspa danych?

Wielu z nas doświadczyło tego, że udając się do szpitala do lekarza, musimy zabrać ze sobą filmy, dokumentację medyczną i inne informacje. Czy zastanawiałeś się kiedyś, dlaczego?

W medycynie różne szpitale i kliniki mogą korzystać z różnych systemów i baz danych elektronicznej dokumentacji medycznej. Formaty danych i interfejsy między tymi systemami mogą być niekompatybilne, co uniemożliwia lekarzom bezpośredni dostęp do pełnej dokumentacji medycznej i integrowanie jej z pełną dokumentacją medyczną, gdy pacjenci odwiedzają różne instytucje medyczne.

Dzieje się tak dlatego, że niespójne standardy techniczne, duża niezależność kierownictwa szpitala, przepisy dotyczące prywatności i inne ograniczenia mogą utrudniać udostępnianie i integrację danych medycznych.

Podobnie wiele osób doświadczyło, że zwracanie się do różnych departamentów rządowych w celu prowadzenia spraw jest bardzo kłopotliwe. Dzieje się tak dlatego, że różne departamenty i agencje rządowe są odpowiedzialne za różne usługi publiczne i gromadzenie danych. Na przykład dział podatkowy, wydział ubezpieczeń społecznych i wydział zdrowia zarządzają dużymi ilościami danych, ale dane te często nie są płynnie integrowane i udostępniane, co skutkuje nieefektywnością usług publicznych, takich jak przepisy, ochrona prywatności i niezależność rządu struktury ograniczają wymianę danych pomiędzy departamentami rządowymi i możliwość integracji.

W tym miejscu słyszymy wiele przykładów silosów danych, czyli zjawiska, w którym danych nie można skutecznie zintegrować i udostępnić.

Silosy danych mogą istnieć z różnych powodów:

1. Przeszkody techniczne: Różne systemy lub platformy wykorzystują różne formaty danych, metody przechowywania, standardy interfejsów itp., co utrudnia interoperacyjność danych.

2. Problemy ze strukturą organizacyjną: Brak skutecznych mechanizmów i kultury udostępniania danych pomiędzy różnymi działami lub jednostkami biznesowymi w dużych organizacjach skutkuje pionową lub funkcjonalną izolacją danych.

3. Kwestie prawne i dotyczące prywatności: dane obejmują wrażliwe informacje lub są ograniczone przepisami prawa i regulacjami, co powoduje ograniczenie lub utrudnienie udostępniania danych.

4. Własność i kontrola danych: Właściciel lub administrator danych nie chce lub nie może udostępniać danych innym podmiotom, co może wiązać się z kwestiami takimi jak interesy handlowe i relacje konkurencyjne.

5. Koszty i ograniczenia zasobów: Integracja i udostępnianie danych może wymagać znacznych zasobów i kosztów, a niektóre organizacje mogą nie być w stanie lub nie chcieć inwestować tych zasobów.

6. Kultura i ideologia: Niektóre organizacje lub osoby mogą uważać, że dane powinny być prywatne, i nie chcą lub nie czują się komfortowo, dzieląc się danymi z innymi stronami.

P. Jakie są powszechnie stosowane środki techniczne umożliwiające rozwiązanie wysp danych?

Obecne badania i praktyczne środki techniczne służące rozwiązywaniu wysp danych obejmują głównie: uczenie się stowarzyszone, dowody wiedzy zerowej (ZKP), szyfrowanie w pełni homomorficzne (FHE) i bezpieczne obliczenia wielostronne (SMC), prywatność różnicowa (prywatność różnicowa), uczenie podzielone (split) Nauka).

Ze względu na przestrzeń nie będziemy dzisiaj wchodzić w szczegóły. Będziemy mówić głównie o szyfrowaniu w pełni homomorficznym (FHE).

FHE

Najpierw zastanówmy się, jakie słowo jest najważniejsze w szyfrowaniu w pełni homomorficznym? Myślę, że to musi być homomorfizm. Rzeczywiście, homomorfizm jest rdzeniem technologii w pełni homomorficznego szyfrowania. Umożliwia złożone obliczenia i operacje na danych w stanie zaszyfrowanym, zapewniając potężną metodę bezpieczeństwa danych i ochrony prywatności.

Homomorfizm to pojęcie matematyczne, które w szczególności odnosi się do mapowania między dwoma zbiorami (zwykle tym samym zbiorem) w strukturze algebraicznej, która zachowuje strukturę operacji. W szyfrowaniu w pełni homomorficznym (FHE) homomorfizm jest jedną z jego podstawowych cech, która umożliwia wykonywanie skomplikowanych obliczeń w stanie zaszyfrowanym bez deszyfrowania danych.

W szyfrowaniu w pełni homomorficznym zwykle stosuje się dwa główne typy homomorfizmu: homomorfizm addytywny i homomorfizm multiplikatywny.

Następnie zdefiniujmy szyfrowanie w pełni homomorficzne (FHE) to specjalna technologia szyfrowania, która umożliwia wykonywanie dowolnych obliczeń w stanie zaszyfrowanym. Wyniki można odszyfrować i porównać z wynikami niezaszyfrowanymi. Wyniki obliczeń danych są dokładnie takie same. Ta funkcja umożliwia wykonywanie skomplikowanych obliczeń i przetwarzanie danych, podczas gdy dane pozostają zaszyfrowane, bez konieczności ich odszyfrowywania.

Podstawowa zasada: Podstawowa koncepcja FHE jest realizowana poprzez szereg operacji matematycznych, w tym operacje dodawania i mnożenia. Algorytm szyfrowania FHE pozwala na dodanie i pomnożenie zaszyfrowanych danych w zaszyfrowanej domenie bez ich deszyfrowania, aby uzyskać końcowy wynik. Schematy FHE opierają się zazwyczaj na kryptografii klucza publicznego, wykorzystując klucze publiczne do szyfrowania i klucze prywatne do deszyfrowania, zapewniając jednocześnie poufność i integralność obliczeń.

Obecne scenariusze zastosowań FHE to głównie: bezpieczny outsourcing obliczeniowy: umożliwienie wysyłania danych do dostawców usług w chmurze bez ich deszyfrowania, dzięki czemu obliczenia można wykonywać w stanie zaszyfrowanym. Analiza danych chroniąca prywatność: umożliwia właścicielom danych przeprowadzanie analizy i przetwarzania danych przy jednoczesnym zachowaniu szyfrowania danych, np. analiza danych medycznych, analiza danych finansowych itp.

Dlaczego więc nie można go teraz zastosować na dużą skalę?

Wydajność obliczeniowa: procesy szyfrowania i deszyfrowania FHE są często czasochłonne, szczególnie w przypadku złożonych operacji szyfrowania.

Zarządzanie kluczami: Bezpieczne zarządzanie kluczami publicznymi i prywatnymi ma kluczowe znaczenie dla wdrożenia FHE i należy wziąć pod uwagę takie kwestie, jak generowanie kluczy, dystrybucja i aktualizacja.

Gwarancja bezpieczeństwa: Chociaż FHE zapewnia silne możliwości szyfrowania, w rzeczywistych aplikacjach należy dokładnie rozważyć bezpieczeństwo i luki w implementacji.

Czy zatem możemy przetwarzać dane bez ujawniania pierwotnego formularza informacyjnego? Informacje wrażliwe mogą być przetwarzane bez ujawniania ich pierwotnej postaci, zapewniając poufność informacji wrażliwych.

Prywatność

Strona internetowa: https://www.privasea.ai/

Twitter: https://x.com/Privasea_ai

Wprowadzenie: Sieć Privasea AI to potężny system zaprojektowany w celu priorytetowego traktowania prywatności i bezpieczeństwa danych w całym procesie obliczeniowym AI. Wykorzystuje innowacyjną technologię zwaną szyfrowaniem w pełni homomorficznym (FHE), która może wykonywać obliczenia na zaszyfrowanych danych w celu uzyskania takich samych wyników, jak obliczenia wykonywane na danych niezaszyfrowanych. Umożliwia obieg wartości danych poprzez FHEML. Sieć zapewnia rozproszone zasoby obliczeniowe na potrzeby operacji FHE AI. Cały system opiera się na konkretnym ML ZAMA i zachęcającym crowdsourcingu tokenów $PRVA.

Instytucje inwestycyjne:

Architektura systemu

Sieć Privasea AI składa się z czterech głównych komponentów: biblioteki HSea, Privasea API, Privanetix i pakietu inteligentnych kontraktów Privasea.

Rdzeniem sieci Privasea AI jest biblioteka HESea, która posiada wydajne implementacje dużej liczby popularnych, w pełni homomorficznych schematów szyfrowania, takich jak TFHE, CKKS, BGV, BFV itp.

Ta biblioteka typu open source zapewnia programistom technologię kryptograficzną i wydajne optymalizacje w celu zapewnienia bezpiecznego przetwarzania danych. Dzięki bibliotece HESea programiści mogą uzyskać dostęp do różnych funkcji umożliwiających wykonywanie podstawowych operacji prostych, arytmetycznych i logicznych na zaszyfrowanych danych. Biblioteka jest wyjątkowa, ponieważ została starannie zoptymalizowana i w celu ulepszenia wykorzystuje technologie takie jak pakowanie tekstu zaszyfrowanego i przetwarzanie wsadowe wydajność i ogólną wydajność.

Privasea API to kompleksowy zestaw protokołów i narzędzi zbudowany na bazie biblioteki HESea. Ten interfejs API jest cennym źródłem informacji dla programistów chcących tworzyć aplikacje AI chroniące prywatność.

Wykorzystując możliwości podstawowego schematu FHE zapewnianego przez bibliotekę HESea, programiści mogą tworzyć zaawansowane aplikacje, w których priorytetem jest prywatność i bezpieczeństwo danych. Privasea API umożliwia programistom bezproblemową integrację zaawansowanych funkcji ochrony prywatności z aplikacjami AI.

Privanetix to sieć połączonych ze sobą węzłów obliczeniowych, których zadaniem jest umożliwienie bezpiecznych obliczeń na zaszyfrowanych danych. Węzły te wykorzystują algorytm FHE do obliczania zaszyfrowanych danych, aby mieć pewność, że wrażliwe informacje nie zostaną odkryte przez przestępców.

Privanetix zwiększa skalowalność i wydajność sieci Privasea AI poprzez dystrybucję obliczeń pomiędzy wieloma węzłami. Sieć działa jak potężna tarcza przed wyciekami danych i nieautoryzowanym dostępem, jeszcze bardziej zwiększając bezpieczeństwo wrażliwych informacji użytkowników.

Aby skutecznie zarządzać siecią Privanetix i motywować węzły obliczeniowe, powstał pakiet inteligentnych kontraktów Privasea. Pakiet zawiera szereg starannie zaprojektowanych inteligentnych kontraktów do obsługi różnych aspektów zarządzania siecią. Korzystając z inteligentnych kontraktów, organizacje mogą skutecznie zarządzać siecią Privanetix i zapewnić jej płynne działanie. Ponadto pakiet inteligentnych kontraktów Privasea zapewnia zachęty dla węzłów obliczeniowych, aby zachęcić je do aktywnego udziału, co jeszcze bardziej zwiększa ogólną wydajność sieci.

Zarejestruj się w ImHuman

Obecnie urzędnik pisze również na oficjalnej stronie internetowej, że zrzuty można zdobyć, rejestrując się w ImHuman i pierwszym sezonie wydarzenia Genesis: liczba użytkowników stale rośnie. Wtedy możemy spróbować się masturbować,

Rzeczy warte uwagi

Czas wydarzenia pierwszego sezonu: 27 maja - 31 lipca

Zaproszenie wielopoziomowe:

Kod Genesis: Użytkownicy posiadający kod Genesis mają moc rekomendacji poziomu 3.

Poziom 1 (bezpośrednie polecenie): Zdobądź 100 gwiazdek za każdego poleconego użytkownika.

Poziom 2 (rekomendacje od osób, które polecasz): Zdobądź 50 gwiazdek za każdego poleconego użytkownika.

Poziom 3 (rekomendacje od osób polecających z poziomu 2): Zdobądź 25 gwiazdek za każdego poleconego użytkownika.

Kod pochodny: Użytkownicy posiadający kody pochodne mają moc rekomendacji poziomu 2.

Poziom 1 (bezpośrednie polecenie): Zdobądź 100 gwiazdek za każdego poleconego użytkownika.

Poziom 2 (rekomendacje od osób, które polecasz): Zdobądź 50 gwiazdek za każdego poleconego użytkownika.

Pod koniec sezonu gwiazdy będzie można wymienić na oficjalne zrzuty Privasea.

KROK 1Pobierz ImHuman

Możemy przejść do https://www.privasea.ai/download-app, aby pobrać odpowiednią aplikację na telefon komórkowy.

Jeśli nie masz Sklepu Google Play, możesz kliknąć, aby pobrać plik APK na Androida bezpośrednio i zainstalować go lokalnie.

KROK 2Zarejestruj konto

Po pobraniu konta możesz zarejestrować konto.

Wystarczy wpisać kod zaproszenia: cLz7aZS.

KROK.3 Stwórz własne NFT

Ponieważ gwiazdy są ściśle powiązane z naszymi kolejnymi zrzutami, zaleca się, aby każdy zdobył więcej gwiazdek. Najważniejszą rzeczą jest wybicie NFT, które kosztuje 0,03 Sol (około 4U).

Klikamy Crypto, aby uzyskać własny adres sol, wprowadzamy określoną ilość sol w adresie, a następnie klikamy NFT, aby wybić określony NFT. Kiedy skończysz, otrzymasz odpowiednią gwiazdkę.

myśleć

  • W ten projekt zainwestowały zarówno Binance, jak i OKX, i warto to zrobić.

  • Wraz z rozwojem technologii takich jak zkp, coraz więcej osób będzie zwracać uwagę na tor FHE, a my musimy zwracać uwagę przez cały czas.

  • Obecnie rozpoznawanie twarzy wymaga pewnego progu.