Lütfen "Biteye" topluluğundan yeniden basarken belirtin

Yazar: Biteye ana katılımcısı Viee

Editör: Biteye ana katılımcısı Crush

Topluluk: @BiteyeCN

*Tam metin yaklaşık 3.000 kelime olup, tahmini okuma süresi 6 dakikadır.

On yıllık kişisel konuşma verilerinizi OpenAI'ye, Google'a veya Facebook'a verir misiniz?

Bir yapay zeka asistanının sizin düşünce şeklinizi mükemmel bir şekilde taklit edebileceği ve günlük görevleri tıpkı sizin gibi yerine getirebileceği bir gelecek hayal edin. Heyecan verici olsa da, bu aynı zamanda yapay zekanın geçmişte gönderdiğiniz her mesaj ve benzersiz kişiliğinizi oluşturan tüm bilgiler de dahil olmak üzere çok sayıda veri elde etmesi gerektiği anlamına geliyor ve bu da başlangıçta sorulan soruya yol açıyor. makalenin. Ankete göre tüketicilerin %59'u kişiselleştirilmiş yapay zeka kullanımından rahatsız. Bunun temel nedeni ise veri gizliliği konusundaki endişeler.

Yenilikçi, merkezi olmayan bir ağ olan Nillion, çok partili hesaplama (MPC) ve diğer gizliliği artıran teknolojilerden (PET) yararlanarak bu soruna pratik bir çözüm sunuyor. Bu makalede Biteye size Web3'teki yeni kör bilişim konseptini ve sizin ve benim veri gizliliğimin nasıl korunacağını tanıtacak.

Veriler, dijital çağda yeni "petrol" olarak kabul ediliyor ve gizlilik ve güvenlik konuları giderek daha önemli hale geliyor. Geleneksel veri işleme yöntemleri genellikle hesaplamadan önce verilerin şifresinin çözülmesini gerektirir; bu da hassas bilgileri işleme sırasında potansiyel güvenlik tehditlerine maruz bırakır. Örneğin tıp endüstrisinde hasta verilerinin sıkı gizlilik koruma önlemlerine tabi tutulması gerekir ancak analiz edildiğinde yine de sızıntı riski altında olabilir. Bu yalnızca kullanıcıların hizmete olan güvenini etkilemekle kalmıyor, aynı zamanda veri paylaşımı ve işbirlikçi araştırma olanaklarını da sınırlıyor.

Kişiselleştirilmiş yapay zeka büyük bir potansiyel gösterse de, bu vizyonun gerçekleştirilebilmesinden önce veri gizliliği konularının ciddiye alınması gerekir ve kişiselleştirilmiş yapay zeka, "yeni İnternet" çağını gerçek anlamda başlatabilir.

Nillion, yukarıdaki sorunları çözmek için "Kör Hesaplama" olan yeni bir yöntem önerdi. Yüksek değerli verilerin şifre çözmeye gerek kalmadan güvenli bir şekilde saklanmasını ve hesaplanmasını sağlamak için merkezi olmayan bir ağ mimarisi ve gelişmiş gizliliği artıran teknoloji kullanır.

Kör Hesaplama, kullanıcıların orijinal verilere doğrudan erişmeden hesaplamalar yapmasına olanak tanır. Bu, veriler güvenilmeyen bir ortamda saklansa bile kullanıcıların güvenli bir şekilde çalışabileceği anlamına gelir.

Temel olarak birkaç süreç içerir:

Başka bir deyişle, kör bilişimin özü veriyi şifreledikten sonra işlemektir. Özellikle kullanıcı verileri şifreler ve şifrelenmiş verileri bir bulut sunucusuna veya başka bir bilgi işlem platformuna gönderir. Bu platformlarda yapılan tüm hesaplamalar şifrelenmiş veriler üzerinde yapılmakta ve sonuç da şifrelenmektedir. Sonucu aldıktan sonra kullanıcı, ara süreçte herhangi bir bilgi bilmeden şifre çözme işlemi yoluyla nihai cevaba ulaşabilmektedir. "Görünmez bilgi işlem asistanı" gibi olduğundan "kör bilgi işlem" adı da buradan gelir.

Kör bilişim, hassas bilgilerin işleme sırasında güvende kalmasını sağlamak için çeşitli ileri teknolojileri birleştirir:

1. Çok partili hesaplama (MPC)

Çok Taraflı Hesaplama, birden fazla tarafın ilgili girdi verilerini açıklamadan bir işlevi ortaklaşa hesaplamasına olanak tanıyan bir teknolojidir. Her katılımcı yalnızca kendi girdilerini ve nihai sonuçlarını bilir ancak diğer katılımcıların girdilerine erişimi yoktur.

MPC'nin nasıl çalıştığı klasik milyoner hikayesi kullanılarak anlaşılabilir. Bu soru ilk kez 1982'de Andrew Yao tarafından gündeme getirildi. Diyelim ki iki milyoner kimin daha zengin olduğunu bilmek istiyor ama servetlerini açıklamak istemiyor. Belirli zenginliklerini açığa vurmadan bir dizi şifreleme işlemi yoluyla kimin daha zengin olduğunu ortaklaşa hesaplamak için MPC'yi kullanabilirler. Bu süreç, işbirliğini mümkün kılarken ilgili taraflar arasında bilgi güvenliğini sağlar.

Bu, tarafların net değerlerini ortak bir hesaplamaya girmelerine olanak tanıyan bir dizi şifreleme işlemi yoluyla gerçekleştirilir. Hesaplama, ilgili net değerlere ilişkin herhangi bir ayrıntıyı açıklamadan yalnızca karşılaştırmanın sonucunu (yani hangi milyonerin daha zengin olduğunu) verecek şekilde yapılandırılmıştır. Bu sorun MPC'nin gücünü gösteriyor; gizliliği korurken işbirliğine dayalı hesaplamayı mümkün kılabiliyor.

Uygulama: Kör hesaplamada MPC, hesaplama bir bulut sunucusunda veya güvenilmeyen başka bir ortamda gerçekleştirilse bile katılan düğümlerin orijinal verileri görememesini sağlar. Bu yöntem, finansal işlemler veya tıbbi kayıtlar gibi hassas bilgilerin işlenmesi için idealdir.

2. Homomorfik Şifreleme

Homomorfik şifreleme, şifrelenmiş veriler üzerinde şifreyi çözmeden doğrudan hesaplamaya izin veren özel bir şifreleme biçimidir. Kullanıcılar çeşitli işlemleri (toplama ve çarpma gibi) şifrelenmiş halde gerçekleştirebilir ve nihai sonuç yine şifrelenir. Kullanıcılar doğru cevabı almak için şifreyi çözmek için kendi anahtarlarını kullanabilirler.

Uygulama: Homomorfik şifreleme, kör hesaplamada önemli bir rol oynar ve sunucunun, verinin kendisini bilmeden şifrelenmiş veriler üzerinde işlemler gerçekleştirmesine olanak tanır. Bu teknoloji, verilerin bulut ortamında işlendiğinde daha güvenli olmasını sağlar.

3. Gizlilik Geliştirme Teknolojisi (PET)

Gizlilik geliştirme teknolojisi, anonimleştirme, sahte anonimleştirme ve veri duyarsızlaştırma dahil olmak üzere kişisel gizliliğin korunması düzeyini artırmak için tasarlanmış bir dizi yöntemdir.

Uygulama: Kör hesaplamada bu teknikler, işleme sırasında verilerin güvenliğini ve gizliliğini daha da sağlamak için MPC ve homomorfik şifrelemeyle birlikte kullanılabilir. Örneğin, giriş verilerinin anonimleştirilmesiyle herhangi bir katılımcının verinin kaynağını belirlemesi engellenebilir.

4. Kuantum körü hesaplama

Kuantum kör hesaplama, kör hesaplamayı gerçekleştirmek için kuantum hesaplama ilkelerini kullanan bir yöntemdir. Kullanıcıların kuantum bilgisayarlarda kriptografik hesaplamalar yapmasına olanak tanıyarak giriş ve çıkış verilerinin gizliliğini korur.

Uygulama: Kuantum körü hesaplama henüz araştırma aşamasındadır. Uygulandığında daha karmaşık sorunları çözebilmesi ve kullanıcıların bulut ortamlarındaki bilgi işlem yeteneklerini genişletebilmesi beklenmektedir.

Nillion, kör bilişimi gerçekleştirmek amacıyla yukarıdaki teknolojileri entegre etmek için, bir koordinasyon katmanı (NilChain) ve bir düzenleme katmanından (Petnet) oluşan ikili bir ağ mimarisini benimser. Bu tasarım, sistemin güvenliğini ve gizliliğini korurken verimli veri depolama ve işleme sağlar.

Nillion, kör bilişimi gerçekleştirmek amacıyla yukarıdaki teknolojileri entegre etmek için, bir koordinasyon katmanı (NilChain) ve bir düzenleme katmanından (Petnet) oluşan ikili bir ağ mimarisini benimser. Bu tasarım, sistemin güvenliğini ve gizliliğini korurken verimli veri depolama ve işleme sağlar.

1. Koordinasyon katmanı (NilChain)

Koordinasyon katmanı, depolama ve kör hesaplamalar da dahil olmak üzere ağdaki ödeme operasyonlarının yönetilmesinden sorumludur. Tüm işlemlerin sorunsuz ilerlemesini ve kaynakların verimli bir şekilde tahsis edilmesini sağlar.

2. Düzenleme katmanı (Petnet)

Düzenleme katmanı, statik verileri korumak ve bu veriler üzerinde kör hesaplamalar uygulamak için MPC gibi gizliliği artıran teknolojileri kullanır. Petnet, veriler birden fazla düğüm arasında paylaşıldığında bile yüksek düzeyde güvenlik ve gizliliğin korunmasını sağlar. Bu katman, geliştiricilere farklı ihtiyaçları karşılayacak çeşitli uygulamalar oluşturmalarına olanak tanıyan esnek bir platform sağlar.

30 Ekim'de Nillion, Hack VC liderliğindeki 25 milyon ABD doları değerindeki finansmanın tamamlandığını duyurdu ve Arbitrum, Worldcoin ve Sei'den destek aldı. Şu ana kadar Nillion'un toplam finansman tutarı 50 milyon ABD dolarına ulaştı.

Nillion, lansmanından bu yana bazı etkileyici performans verilerine ulaştı:

Doğrulayıcılar, verilerin güvenliğinin ve bütünlüğünün korunmasına yardımcı olur ve bu sayının artması, Nillion Ağının daha güçlü ve daha güvenli hale gelmesi anlamına gelir.

Nillion'un mevcut ortakları arasında blockchain ağı NEAR, Aptos, Arbitrum, Mantle, IO.net, Ritual vb. yer alıyor. Özel model yapay zeka modeli eğitimi ve çıkarımı için kullanılan Ritual ve Nesa gibi birden fazla alanı içeren; yapay zeka eğitim verilerini depolamak, paylaşmak ve bunlardan yararlanmak için kullanılan Rainfall, Dwinity, Nuklai; sentetik veriler oluşturmak ve kişisel verileri korumak için kullanılan MIZU. Virtuals Protokolü, Capx AI, Crush AI, Nillion'un yardımıyla kişiselleştirilmiş özel temsilciler oluşturur. PINDORA, DePIN ağı için gizlilik ve güvenlik desteği. Nillion, blockchain ile yapay zekanın kesiştiği noktada yer alan ve büyük miktarda veriyi güvenli bir şekilde paylaşıp depolaması gereken projeleri çekmeyi amaçlıyor.

Gelecekte Nillion'un tıp, finans, eğitim ve diğer alanlarda yaygınlaşarak daha güvenli ve şeffaf bir veri ekosisteminin oluşmasına katkı sağlayacağını öngörebiliriz.

Yenilikçi teknik mimari ve güçlü gizlilik koruma yetenekleri sayesinde Nillion, mevcut dijital dünyada veri gizliliği sorunlarını çözmek için uygun bir yol sunarak kullanıcıların kişisel bilgilerin sızması veya kötüye kullanılması endişesi olmadan dijital hizmetlerin getirdiği kolaylıktan yararlanmasına olanak tanır.

Şu anda yapay zekanın geleceğini hayal edemiyoruz. Kişiselleştirilmiş dijital kopyaların yükselişi ve veri gizliliğine ilişkin endişeler, bir tahterevallinin iki ucu gibidir. Etkili veri gizliliği koruma önlemleri olmadan, kişiselleştirilmiş yapay zekanın piyasada yaygın kabul görmesi zor olacaktır. Bu nedenle teknolojik ilerlemeyi teşvik etmek ile kullanıcı gizliliğini korumak arasındaki dengenin nasıl bulunacağı sektörün acilen çözmesi gereken önemli bir konu olacaktır. Nillion ağının gelişmesiyle birlikte, yapay zeka çağında insan toplumuna olumlu etkiler getirecek bu platforma dayalı daha fazla yeni uygulama görmeyi sabırsızlıkla bekliyoruz.