BTC

$59144.355

3.70%

ETH

$2988.925

3.53%

BNB

$562.551

2.89%

XRP

$0.52

4.20%

Hiểu biết

ZKML: Công nghệ đột phá với tiềm năng tăng trưởng trong ứng dụng bảo mật

Ngày 4 tháng 2023 năm XNUMX - Xung quanh 8 phút phút để đọc

Những điểm chính:

  • Học máy đã trở nên phổ biến và hiện được sử dụng rộng rãi trong nhiều ứng dụng thực tế khác nhau. Bằng chứng không có kiến ​​thức kể từ đó đã trở thành điểm tựa để phát triển máy học không có kiến ​​thức (ZKML).
  • Ngoài các bằng chứng về tính hợp lệ, chúng tôi có thể che giấu các phần tính toán để cho phép sử dụng ML để bảo vệ quyền riêng tư.
Kể từ năm 2022, Zero-know (ZK) vẫn phổ biến và công nghệ của nó đã đạt được những tiến bộ đáng kể, cũng như loạt dự án ZK. Đồng thời, với sự phổ biến của máy học không kiến ​​thức (ZKML) và việc sử dụng rộng rãi nó trong sản xuất và cuộc sống hàng ngày, nhiều công ty đã bắt đầu thiết kế, đào tạo và triển khai các mô hình máy học.
ZKML: Công nghệ đột phá với tiềm năng tăng trưởng trong ứng dụng bảo mật

ZKML là một chủ đề nghiên cứu và phát triển gần đây đã tạo nên làn sóng trong giới mật mã. Nhưng chính xác thì nó là gì và tại sao nó lại hữu ích? Hãy cùng Coincu tìm hiểu về chủ đề này trong bài viết này nhé.

Không có kiến ​​thức là gì?

Bằng chứng không có kiến ​​thức (ZK) là một quy trình mã hóa trong đó một bên, người chứng minh, có thể chứng minh cho người khác, người xác minh, rằng một tuyên bố cụ thể là đúng mà không tiết lộ bất kỳ thông tin bổ sung nào ngoài thực tế rằng tuyên bố đó là đúng. Đây là một lĩnh vực nghiên cứu đã có sự phát triển đáng kể trên nhiều mặt trận, từ nghiên cứu đến triển khai và ứng dụng giao thức.

Quá trình mà một bên (người chứng minh) có thể chứng minh cho một bên khác (người xác minh) rằng họ biết giá trị của x mà không đưa ra bất kỳ thông tin nào về việc họ biết giá trị của x nằm ở trọng tâm của nó.

Mục tiêu chính của công nghệ Bằng chứng không kiến ​​thức là duy trì tính bí mật của thông tin đầu vào trong khi vẫn xác minh tính hợp lệ của nó.

Tạo bằng chứng không có kiến ​​thức là một quá trình tốn kém về mặt tính toán, đắt hơn nhiều lần so với tính toán ban đầu. Điều này ngụ ý rằng có một số phép tính nhất định mà bằng chứng không có kiến ​​thức là không thể thực hiện được do thời gian cần thiết để xây dựng chúng trên phần cứng tốt nhất hiện có. Tuy nhiên, những cải tiến gần đây về mật mã, công nghệ và hệ thống phân tán đã làm cho việc chứng minh không có kiến ​​thức có thể đạt được cho các phép tính tốn kém hơn bao giờ hết. Những tiến bộ này đã cho phép phát triển các giao thức có thể thúc đẩy việc chứng minh các phép tính nặng, từ đó mở rộng không gian thiết kế cho các ứng dụng mới.

Ưu điểm của ZK

Khả năng sử dụng các bộ dữ liệu bảo vệ quyền riêng tư trong các hệ thống minh bạch như mạng blockchain công cộng là lợi thế chính của Bằng chứng không kiến ​​thức (ví dụ: Ethereum). Mặc dù các chuỗi khối nhằm mục đích có tính minh bạch cao, với bất kỳ ai chạy nút chuỗi khối của riêng họ đều có thể xem và tải xuống tất cả dữ liệu được lưu trữ trên sổ cái, việc bổ sung công nghệ ZKP cho phép người dùng và công ty tận dụng bộ dữ liệu riêng tư của họ để thực hiện hợp đồng thông minh mà không cần làm lộ dữ liệu cơ bản.

Duy trì quyền riêng tư trong mạng blockchain là rất quan trọng đối với các tổ chức thông thường như tập đoàn chuỗi cung ứng, doanh nghiệp và ngân hàng muốn giao tiếp và tạo hợp đồng thông minh nhưng phải giữ bí mật thương mại của mình để duy trì tính cạnh tranh. Hơn nữa, các tổ chức như vậy thường được pháp luật yêu cầu phải bảo vệ thông tin nhận dạng cá nhân (PII) của khách hàng và tuân thủ các quy định như Quy định bảo vệ dữ liệu chung của Liên minh Châu Âu (GDPR) và Đạo luật về trách nhiệm giải trình và cung cấp thông tin bảo hiểm y tế của Hoa Kỳ (HIPAA).

Mặc dù các mạng blockchain được phép đã phát triển để bảo vệ quyền riêng tư giao dịch của doanh nghiệp khỏi sự quan sát của công chúng, ZKP cho phép các tổ chức giao tiếp an toàn với mạng. Không từ bỏ việc quản lý các tập dữ liệu nhạy cảm và riêng tư, blockchain công khai thường được hưởng lợi từ tác động mạng lưới rộng lớn của người dùng trên toàn cầu. Do đó, công nghệ ZKP đang cho phép một cách hiệu quả nhiều trường hợp sử dụng tổ chức khác nhau đối với các mạng blockchain công cộng chưa có sẵn trước đây, thúc đẩy đổi mới và thúc đẩy tăng trưởng kinh tế toàn cầu.

ZKML: Công nghệ đột phá với tiềm năng tăng trưởng trong ứng dụng bảo mật

học máy

Học máy là một môn học trí tuệ nhân tạo bao gồm việc tạo và triển khai các thuật toán cho phép máy tính học và thích ứng với dữ liệu một cách độc lập, nâng cao hiệu suất của chúng thông qua một quy trình lặp đi lặp lại không cần lập trình. Nó xác định dữ liệu bằng thuật toán và mô hình, sau đó sử dụng các tham số mô hình để tạo dự đoán/quyết định.

Các mô hình ngôn ngữ lớn, chẳng hạn như GPT-4 và Bard, là các hệ thống xử lý ngôn ngữ tự nhiên tiên tiến sử dụng lượng lớn dữ liệu đào tạo để tạo ra văn bản giống con người, trong khi các mô hình chuyển văn bản thành hình ảnh, chẳng hạn như DALL-E 2, Midjourney và Khuếch tán ổn định, chuyển đổi mô tả văn bản thành hình ảnh trực quan với độ trung thực vượt trội.

Học máy hiện đang được sử dụng hiệu quả trong nhiều lĩnh vực khác nhau. Khi các mô hình này phát triển, máy học sẽ được yêu cầu thực hiện ngày càng nhiều công việc. Công nghệ ZK là cần thiết để đạt được mô hình có độ chính xác cao: sử dụng xác minh mô hình công khai của dữ liệu riêng tư hoặc xác thực các mô hình riêng tư bằng cách sử dụng dữ liệu công cộng.

Cho đến nay, ZKML mà chúng ta đã thảo luận được sử dụng để cung cấp bằng chứng không có kiến ​​thức về các giai đoạn suy luận của mô hình ML thay vì đào tạo mô hình ML.

Tầm quan trọng của ZKML

Khi công nghệ trí tuệ nhân tạo ngày càng phát triển, việc phân biệt giữa trí tuệ nhân tạo, trí tuệ con người và thế hệ con người ngày càng trở nên khó khăn. Đây là một vấn đề mà bằng chứng không có kiến ​​thức có thể giải quyết. Nó cho phép chúng tôi phát hiện xem một phần nội dung nhất định có được tạo hay không bằng cách áp dụng một mô hình cụ thể mà không cung cấp bất kỳ thông tin bổ sung nào về mô hình hoặc đầu vào.

Trong tương lai khi tài liệu do AI tạo ra ngày càng bắt chước thông tin do con người tạo ra, khả năng sử dụng mật mã không có kiến ​​thức có thể hỗ trợ chúng ta xác định rằng một phần nội dung nhất định được tạo ra bằng cách áp dụng một mô hình cụ thể cho một đầu vào nhất định. Nếu một biểu diễn mạch không có kiến ​​thức được xây dựng cho chúng, thì điều này có thể cung cấp kỹ thuật kiểm tra đầu ra từ các mô hình ngôn ngữ khổng lồ như GPT4, các mô hình chuyển văn bản thành hình ảnh như DALL-E 2 hoặc bất kỳ mô hình nào khác. Chất lượng không có kiến ​​thức của những bằng chứng này cho phép chúng tôi che giấu các phần của đầu vào hoặc mô hình nếu cần thiết. Một ví dụ tuyệt vời về điều này là sử dụng mô hình học máy trên dữ liệu nhạy cảm và cho phép người dùng biết kết quả suy luận mô hình trên dữ liệu của họ mà không tiết lộ thông tin đầu vào của họ cho bất kỳ bên thứ ba nào.

Các nền tảng học máy cũ hơn thường yêu cầu các nhà phát triển gửi kiến ​​trúc mô hình của họ để xác minh hiệu suất cho máy chủ. Điều này có thể dẫn đến một số vấn đề, bao gồm:

  • Mất tài sản trí tuệ: Việc tiết lộ toàn bộ kiến ​​trúc mô hình có thể tiết lộ những bí mật thương mại hoặc phát minh quan trọng mà các nhà phát triển muốn giấu kín.
  • Thiếu minh bạch: Phương pháp đánh giá có thể không rõ ràng và người tham gia có thể không kiểm tra được mô hình của họ so với những người khác như thế nào.
  • Lo ngại về quyền riêng tư dữ liệu: Các mô hình chia sẻ được đào tạo về dữ liệu nhạy cảm có thể vô tình tiết lộ thông tin về dữ liệu cơ bản, vi phạm các tiêu chuẩn và luật pháp về quyền riêng tư.
  • Những khó khăn này đòi hỏi phải phát triển các phương pháp để bảo đảm quyền riêng tư của các mô hình học máy và dữ liệu đào tạo của chúng.

ZK trình bày một cách tiềm năng để giải quyết các vấn đề mà hệ thống ML tiêu chuẩn gặp phải. ZKML, bằng cách sử dụng sức mạnh của ZK, cung cấp giải pháp bảo vệ quyền riêng tư với các lợi ích sau:

  • Quyền riêng tư của mô hình: Nhà phát triển có thể tham gia xác thực mà không tiết lộ toàn bộ kiến ​​trúc mô hình, bảo vệ tài sản trí tuệ của họ.
  • Xác minh minh bạch: ZK có thể đánh giá hiệu suất của mô hình mà không tiết lộ thông tin bên trong của mô hình, cho phép thực hiện quy trình đánh giá minh bạch và không cần tin cậy.
  • Quyền riêng tư dữ liệu: Để đảm bảo thông tin nhạy cảm không bị tiết lộ, ZK có thể được sử dụng để xác thực dữ liệu riêng tư bằng mô hình công khai hoặc mô hình riêng tư sử dụng dữ liệu công khai.
  • Việc kết hợp ZK vào quy trình ML sẽ tạo ra một nền tảng an toàn và bảo vệ quyền riêng tư, khắc phục những thiếu sót của ML thông thường. Điều này không chỉ khuyến khích việc sử dụng máy học trong công ty bảo mật mà còn thu hút các nhà phát triển Web2 có kinh nghiệm khám phá tiềm năng bên trong hệ sinh thái Web3.

Thư viện ezkl của Zkonduit, cho phép bạn xây dựng các bằng chứng ZK về các mô hình ML được xuất qua ONNX, là một nỗ lực khác nhằm cải thiện tính hiện đại của các hệ thống ZKML. Điều này cho phép bất kỳ kỹ sư ML nào tạo ra bằng chứng ZK về các bước suy luận của mô hình của họ và chứng minh kết quả cho bất kỳ người xác minh nào.

ZKML: Công nghệ đột phá với tiềm năng tăng trưởng trong ứng dụng bảo mật

Kết luận

Cộng đồng ZKML được thành lập vào nửa cuối năm 2022 bởi một số nhóm và những người khác nhau làm việc trong khu vực ZKML (bao gồm cả Worldcoin).

Nhiều tổ chức đang nỗ lực cải tiến công nghệ ZK bằng cách phát triển phần cứng được tối ưu hóa để tăng tốc tính toán chứng minh ZK, đặc biệt đối với các hoạt động sử dụng nhiều tài nguyên như thuật toán chứng minh và xác minh. Do những tiến bộ về phần cứng chuyên dụng, thiết kế hệ thống bằng chứng (kích thước bằng chứng, thời gian xác minh, thời gian tạo bằng chứng, v.v.) và việc triển khai giao thức ZK hiệu quả hơn, nó sẽ có thể chứng minh các mô hình lớn hơn trên các máy tính ít mạnh hơn trong thời gian ngắn hơn khi công nghệ ZK tiến bộ .

ZKML vẫn đang trong giai đoạn phát triển ban đầu, nhưng nó đã bắt đầu mang lại những lợi ích đáng kể và chúng ta có thể mong đợi sẽ thấy nhiều ứng dụng ZKML sáng tạo hơn trên chuỗi. Chúng ta có thể tưởng tượng một tương lai nơi máy học bảo vệ quyền riêng tư trở thành tiêu chuẩn khi ZKML phát triển.

KHUYẾN CÁO: Thông tin trên trang web này được cung cấp dưới dạng bình luận chung về thị trường và không phải là lời khuyên đầu tư. Chúng tôi khuyến khích bạn tự nghiên cứu trước khi đầu tư.

Hãy cùng chúng tôi theo dõi tin tức: https://linktr.ee/coincu

Harold

đồng xu Tin tức

DALL-E2

Không Kiến Thức

Học máy không có kiến ​​thức

ZK

ZKML

Hình đại diện của Harold

Tác giả

Harold

Với niềm đam mê giải quyết những vấn đề phức tạp của thế giới tài chính, tôi đã dành hơn bốn năm trong lĩnh vực báo chí tài chính, đề cập đến mọi thứ, từ cổ phiếu truyền thống đến lĩnh vực đầu tư mạo hiểm tiên tiến. Tôi thường nói: “Thị trường tài chính là một câu đố hấp dẫn và tôi thích giúp mọi người hiểu được chúng”. Đó là động lực thúc đẩy tôi mang đến những bài báo tài chính rõ ràng và sâu sắc cho độc giả của Coincu.
Hiểu biết

ZKML: Công nghệ đột phá với tiềm năng tăng trưởng trong ứng dụng bảo mật

Những điểm chính:

  • Học máy đã trở nên phổ biến và hiện được sử dụng rộng rãi trong nhiều ứng dụng thực tế khác nhau. Bằng chứng không có kiến ​​thức kể từ đó đã trở thành điểm tựa để phát triển máy học không có kiến ​​thức (ZKML).
  • Ngoài các bằng chứng về tính hợp lệ, chúng tôi có thể che giấu các phần tính toán để cho phép sử dụng ML để bảo vệ quyền riêng tư.
Kể từ năm 2022, Zero-know (ZK) vẫn phổ biến và công nghệ của nó đã đạt được những tiến bộ đáng kể, cũng như loạt dự án ZK. Đồng thời, với sự phổ biến của máy học không kiến ​​thức (ZKML) và việc sử dụng rộng rãi nó trong sản xuất và cuộc sống hàng ngày, nhiều công ty đã bắt đầu thiết kế, đào tạo và triển khai các mô hình máy học.
ZKML: Công nghệ đột phá với tiềm năng tăng trưởng trong ứng dụng bảo mật

ZKML là một chủ đề nghiên cứu và phát triển gần đây đã tạo nên làn sóng trong giới mật mã. Nhưng chính xác thì nó là gì và tại sao nó lại hữu ích? Hãy cùng Coincu tìm hiểu về chủ đề này trong bài viết này nhé.

Không có kiến ​​thức là gì?

Bằng chứng không có kiến ​​thức (ZK) là một quy trình mã hóa trong đó một bên, người chứng minh, có thể chứng minh cho người khác, người xác minh, rằng một tuyên bố cụ thể là đúng mà không tiết lộ bất kỳ thông tin bổ sung nào ngoài thực tế rằng tuyên bố đó là đúng. Đây là một lĩnh vực nghiên cứu đã có sự phát triển đáng kể trên nhiều mặt trận, từ nghiên cứu đến triển khai và ứng dụng giao thức.

Quá trình mà một bên (người chứng minh) có thể chứng minh cho một bên khác (người xác minh) rằng họ biết giá trị của x mà không đưa ra bất kỳ thông tin nào về việc họ biết giá trị của x nằm ở trọng tâm của nó.

Mục tiêu chính của công nghệ Bằng chứng không kiến ​​thức là duy trì tính bí mật của thông tin đầu vào trong khi vẫn xác minh tính hợp lệ của nó.

Tạo bằng chứng không có kiến ​​thức là một quá trình tốn kém về mặt tính toán, đắt hơn nhiều lần so với tính toán ban đầu. Điều này ngụ ý rằng có một số phép tính nhất định mà bằng chứng không có kiến ​​thức là không thể thực hiện được do thời gian cần thiết để xây dựng chúng trên phần cứng tốt nhất hiện có. Tuy nhiên, những cải tiến gần đây về mật mã, công nghệ và hệ thống phân tán đã làm cho việc chứng minh không có kiến ​​thức có thể đạt được cho các phép tính tốn kém hơn bao giờ hết. Những tiến bộ này đã cho phép phát triển các giao thức có thể thúc đẩy việc chứng minh các phép tính nặng, từ đó mở rộng không gian thiết kế cho các ứng dụng mới.

Ưu điểm của ZK

Khả năng sử dụng các bộ dữ liệu bảo vệ quyền riêng tư trong các hệ thống minh bạch như mạng blockchain công cộng là lợi thế chính của Bằng chứng không kiến ​​thức (ví dụ: Ethereum). Mặc dù các chuỗi khối nhằm mục đích có tính minh bạch cao, với bất kỳ ai chạy nút chuỗi khối của riêng họ đều có thể xem và tải xuống tất cả dữ liệu được lưu trữ trên sổ cái, việc bổ sung công nghệ ZKP cho phép người dùng và công ty tận dụng bộ dữ liệu riêng tư của họ để thực hiện hợp đồng thông minh mà không cần làm lộ dữ liệu cơ bản.

Duy trì quyền riêng tư trong mạng blockchain là rất quan trọng đối với các tổ chức thông thường như tập đoàn chuỗi cung ứng, doanh nghiệp và ngân hàng muốn giao tiếp và tạo hợp đồng thông minh nhưng phải giữ bí mật thương mại của mình để duy trì tính cạnh tranh. Hơn nữa, các tổ chức như vậy thường được pháp luật yêu cầu phải bảo vệ thông tin nhận dạng cá nhân (PII) của khách hàng và tuân thủ các quy định như Quy định bảo vệ dữ liệu chung của Liên minh Châu Âu (GDPR) và Đạo luật về trách nhiệm giải trình và cung cấp thông tin bảo hiểm y tế của Hoa Kỳ (HIPAA).

Mặc dù các mạng blockchain được phép đã phát triển để bảo vệ quyền riêng tư giao dịch của doanh nghiệp khỏi sự quan sát của công chúng, ZKP cho phép các tổ chức giao tiếp an toàn với mạng. Không từ bỏ việc quản lý các tập dữ liệu nhạy cảm và riêng tư, blockchain công khai thường được hưởng lợi từ tác động mạng lưới rộng lớn của người dùng trên toàn cầu. Do đó, công nghệ ZKP đang cho phép một cách hiệu quả nhiều trường hợp sử dụng tổ chức khác nhau đối với các mạng blockchain công cộng chưa có sẵn trước đây, thúc đẩy đổi mới và thúc đẩy tăng trưởng kinh tế toàn cầu.

ZKML: Công nghệ đột phá với tiềm năng tăng trưởng trong ứng dụng bảo mật

học máy

Học máy là một môn học trí tuệ nhân tạo bao gồm việc tạo và triển khai các thuật toán cho phép máy tính học và thích ứng với dữ liệu một cách độc lập, nâng cao hiệu suất của chúng thông qua một quy trình lặp đi lặp lại không cần lập trình. Nó xác định dữ liệu bằng thuật toán và mô hình, sau đó sử dụng các tham số mô hình để tạo dự đoán/quyết định.

Các mô hình ngôn ngữ lớn, chẳng hạn như GPT-4 và Bard, là các hệ thống xử lý ngôn ngữ tự nhiên tiên tiến sử dụng lượng lớn dữ liệu đào tạo để tạo ra văn bản giống con người, trong khi các mô hình chuyển văn bản thành hình ảnh, chẳng hạn như DALL-E 2, Midjourney và Khuếch tán ổn định, chuyển đổi mô tả văn bản thành hình ảnh trực quan với độ trung thực vượt trội.

Học máy hiện đang được sử dụng hiệu quả trong nhiều lĩnh vực khác nhau. Khi các mô hình này phát triển, máy học sẽ được yêu cầu thực hiện ngày càng nhiều công việc. Công nghệ ZK là cần thiết để đạt được mô hình có độ chính xác cao: sử dụng xác minh mô hình công khai của dữ liệu riêng tư hoặc xác thực các mô hình riêng tư bằng cách sử dụng dữ liệu công cộng.

Cho đến nay, ZKML mà chúng ta đã thảo luận được sử dụng để cung cấp bằng chứng không có kiến ​​thức về các giai đoạn suy luận của mô hình ML thay vì đào tạo mô hình ML.

Tầm quan trọng của ZKML

Khi công nghệ trí tuệ nhân tạo ngày càng phát triển, việc phân biệt giữa trí tuệ nhân tạo, trí tuệ con người và thế hệ con người ngày càng trở nên khó khăn. Đây là một vấn đề mà bằng chứng không có kiến ​​thức có thể giải quyết. Nó cho phép chúng tôi phát hiện xem một phần nội dung nhất định có được tạo hay không bằng cách áp dụng một mô hình cụ thể mà không cung cấp bất kỳ thông tin bổ sung nào về mô hình hoặc đầu vào.

Trong tương lai khi tài liệu do AI tạo ra ngày càng bắt chước thông tin do con người tạo ra, khả năng sử dụng mật mã không có kiến ​​thức có thể hỗ trợ chúng ta xác định rằng một phần nội dung nhất định được tạo ra bằng cách áp dụng một mô hình cụ thể cho một đầu vào nhất định. Nếu một biểu diễn mạch không có kiến ​​thức được xây dựng cho chúng, thì điều này có thể cung cấp kỹ thuật kiểm tra đầu ra từ các mô hình ngôn ngữ khổng lồ như GPT4, các mô hình chuyển văn bản thành hình ảnh như DALL-E 2 hoặc bất kỳ mô hình nào khác. Chất lượng không có kiến ​​thức của những bằng chứng này cho phép chúng tôi che giấu các phần của đầu vào hoặc mô hình nếu cần thiết. Một ví dụ tuyệt vời về điều này là sử dụng mô hình học máy trên dữ liệu nhạy cảm và cho phép người dùng biết kết quả suy luận mô hình trên dữ liệu của họ mà không tiết lộ thông tin đầu vào của họ cho bất kỳ bên thứ ba nào.

Các nền tảng học máy cũ hơn thường yêu cầu các nhà phát triển gửi kiến ​​trúc mô hình của họ để xác minh hiệu suất cho máy chủ. Điều này có thể dẫn đến một số vấn đề, bao gồm:

  • Mất tài sản trí tuệ: Việc tiết lộ toàn bộ kiến ​​trúc mô hình có thể tiết lộ những bí mật thương mại hoặc phát minh quan trọng mà các nhà phát triển muốn giấu kín.
  • Thiếu minh bạch: Phương pháp đánh giá có thể không rõ ràng và người tham gia có thể không kiểm tra được mô hình của họ so với những người khác như thế nào.
  • Lo ngại về quyền riêng tư dữ liệu: Các mô hình chia sẻ được đào tạo về dữ liệu nhạy cảm có thể vô tình tiết lộ thông tin về dữ liệu cơ bản, vi phạm các tiêu chuẩn và luật pháp về quyền riêng tư.
  • Những khó khăn này đòi hỏi phải phát triển các phương pháp để bảo đảm quyền riêng tư của các mô hình học máy và dữ liệu đào tạo của chúng.

ZK trình bày một cách tiềm năng để giải quyết các vấn đề mà hệ thống ML tiêu chuẩn gặp phải. ZKML, bằng cách sử dụng sức mạnh của ZK, cung cấp giải pháp bảo vệ quyền riêng tư với các lợi ích sau:

  • Quyền riêng tư của mô hình: Nhà phát triển có thể tham gia xác thực mà không tiết lộ toàn bộ kiến ​​trúc mô hình, bảo vệ tài sản trí tuệ của họ.
  • Xác minh minh bạch: ZK có thể đánh giá hiệu suất của mô hình mà không tiết lộ thông tin bên trong của mô hình, cho phép thực hiện quy trình đánh giá minh bạch và không cần tin cậy.
  • Quyền riêng tư dữ liệu: Để đảm bảo thông tin nhạy cảm không bị tiết lộ, ZK có thể được sử dụng để xác thực dữ liệu riêng tư bằng mô hình công khai hoặc mô hình riêng tư sử dụng dữ liệu công khai.
  • Việc kết hợp ZK vào quy trình ML sẽ tạo ra một nền tảng an toàn và bảo vệ quyền riêng tư, khắc phục những thiếu sót của ML thông thường. Điều này không chỉ khuyến khích việc sử dụng máy học trong công ty bảo mật mà còn thu hút các nhà phát triển Web2 có kinh nghiệm khám phá tiềm năng bên trong hệ sinh thái Web3.

Thư viện ezkl của Zkonduit, cho phép bạn xây dựng các bằng chứng ZK về các mô hình ML được xuất qua ONNX, là một nỗ lực khác nhằm cải thiện tính hiện đại của các hệ thống ZKML. Điều này cho phép bất kỳ kỹ sư ML nào tạo ra bằng chứng ZK về các bước suy luận của mô hình của họ và chứng minh kết quả cho bất kỳ người xác minh nào.

ZKML: Công nghệ đột phá với tiềm năng tăng trưởng trong ứng dụng bảo mật

Kết luận

Cộng đồng ZKML được thành lập vào nửa cuối năm 2022 bởi một số nhóm và những người khác nhau làm việc trong khu vực ZKML (bao gồm cả Worldcoin).

Nhiều tổ chức đang nỗ lực cải tiến công nghệ ZK bằng cách phát triển phần cứng được tối ưu hóa để tăng tốc tính toán chứng minh ZK, đặc biệt đối với các hoạt động sử dụng nhiều tài nguyên như thuật toán chứng minh và xác minh. Do những tiến bộ về phần cứng chuyên dụng, thiết kế hệ thống bằng chứng (kích thước bằng chứng, thời gian xác minh, thời gian tạo bằng chứng, v.v.) và việc triển khai giao thức ZK hiệu quả hơn, nó sẽ có thể chứng minh các mô hình lớn hơn trên các máy tính ít mạnh hơn trong thời gian ngắn hơn khi công nghệ ZK tiến bộ .

ZKML vẫn đang trong giai đoạn phát triển ban đầu, nhưng nó đã bắt đầu mang lại những lợi ích đáng kể và chúng ta có thể mong đợi sẽ thấy nhiều ứng dụng ZKML sáng tạo hơn trên chuỗi. Chúng ta có thể tưởng tượng một tương lai nơi máy học bảo vệ quyền riêng tư trở thành tiêu chuẩn khi ZKML phát triển.

KHUYẾN CÁO: Thông tin trên trang web này được cung cấp dưới dạng bình luận chung về thị trường và không phải là lời khuyên đầu tư. Chúng tôi khuyến khích bạn tự nghiên cứu trước khi đầu tư.

Hãy cùng chúng tôi theo dõi tin tức: https://linktr.ee/coincu

Harold

đồng xu Tin tức

Đã truy cập 92 lần, 1 lần truy cập hôm nay