Оригинальное название: «Новые варианты использования ZK».
Оригинальный автор: zkvalidator
Составление оригинального текста: Катя
В этой статье мы рассмотрим новые варианты использования ZK.
представлять
За последние несколько месяцев мы стали свидетелями большого ажиотажа вокруг вариантов использования с нулевым разглашением, включая zkevm, zkBridges и другие. Однако в такой быстро меняющейся среде появляются новые варианты использования, в которых доказательства с нулевым разглашением (ZKP) играют жизненно важную роль. Эта статья направлена на изучение областей, в которых ZKP привлекают больше внимания в сознании людей.
ZKML Машинное обучение с нулевым разглашением
На этой диаграмме показано, как работает zkML.
ZKML (машинное обучение с нулевым разглашением) — это новая технология с огромным потенциалом в различных приложениях, которая еще не используется в полной мере. ZKML открывает новые двери для инноваций, от обеспечения целостности вычислений и защиты конфиденциальности до прозрачности машинного обучения как услуги и децентрализованного логического вывода или обучения. Вот несколько возможных вариантов использования ZKML:
Проверяемость ZKML: ZKML использует доказательства достоверности, такие как SNARK и STARK, для обеспечения точного выполнения вычислений, особенно в машинном обучении. Используя эти доказательства, можно проверить рассуждения модели машинного обучения, чтобы подтвердить происхождение выходных данных с учетом входных данных. Эта функция позволяет развертывать модели машинного обучения вне сети, в то время как доказательства ZK удобно проверять в сети.
https：//youtu.be/odaUPMNqJs 8
Сохранение конфиденциальности в ZKML. Конфиденциальность является критической проблемой машинного обучения, и ZKML предлагает решение. Он может подтвердить точность модели на тестовых данных, не раскрывая используемые веса, тем самым обеспечивая конфиденциальность данных. Кроме того, ZKML упрощает обоснование конфиденциальности, позволяя делиться конфиденциальными медицинскими диагнозами, такими как результаты тестов на рак, с пациентами без утечки их данных третьим лицам.
Повышение прозрачности ML-as-a-Service: ZKML играет жизненно важную роль в повышении прозрачности ML-as-a-Service. Предоставляя подтверждение достоверности, связанное с API модели машинного обучения, пользователи могут проверять подлинность моделей, которые они используют. Это решает проблемы, связанные с устаревшими API (часто рассматриваемыми как черные ящики), и повышает доверие к предоставленной модели.
Децентрализованный вывод и обучение: ZKML может выполнять задачи машинного обучения децентрализованным образом. Модель может быть сжата за счет использования доказательств с нулевым разглашением, что позволяет участвовать общественности и предоставлять данные во время вывода или обучения. Это открывает новые возможности для совместного и распределенного машинного обучения.
Доказательства ZKML: Доказательства являются важным аспектом ZKML, позволяя включать поддающиеся проверке доказательства от доверенных внешних сторон. Используя доказательства с нулевым разглашением для проверки цифровых подписей из надежных источников, ZKML обеспечивает подлинность и происхождение подтвержденной информации. Это позволяет проверять доверенные ссылки и использовать их в различных приложениях.
Применение ЗК в играх
https：//youtu.be/dLZbfTWLGNI
Доказательства с нулевым разглашением (ZKP) предлагают множество преимуществ для игровой архитектуры и игрового процесса. Интегрируя ZKP, разработчики игр могут получить выгоду от снижения затрат, улучшенной защиты конфиденциальности, эффективных мер по борьбе с мошенничеством и улучшенной масштабируемости.
Что касается игровой архитектуры, ZKP оказывает большое влияние на многопользовательские онлайн-игры, сводя к минимуму конфиденциальные данные, хранящиеся на централизованных серверах, тем самым снижая стоимость обслуживания архитектуры клиент-сервер. Кроме того, ZKP повышает конфиденциальность и безопасность одноранговых (P2P) игровых систем, устраняя необходимость в дорогостоящих серверах, обеспечивая при этом подлинность игровых событий и предотвращая мошенничество.
ZKP также решают проблемы масштабируемости игр, уменьшая нагрузку на сервер в архитектурах клиент-сервер и обеспечивая проверяемые доказательства игровых операций в многопользовательских играх P2P. Это увеличивает количество одновременных игроков, которые могут поддерживаться, что делает игру более приятной и привлекательной для более широкой базы игроков.
Что касается игрового процесса, ZKP предоставляют решения для различных типов игр. В шутерах от первого лица (FPS) ZKP могут проверять уровни навыков игрока, не раскрывая конфиденциальную информацию, тем самым повышая точность сопоставления. В многопользовательских ролевых онлайн-играх (MMORPG) ZKP обеспечивают безопасное владение и обмен виртуальными активами, создавая единую экономику для разных игр. ZKP также применяются в азартных играх и играх казино, предоставляя проверяемые случайные результаты и защищая конфиденциальность игроков. Кроме того, ZKP могут защитить прогресс игрока и высокие баллы в головоломках и стратегических играх, сохраняя конфиденциальность конфиденциальной информации.
Внедрение ZKP в игровой индустрии может улучшить игровой процесс, улучшить лояльность игроков и получить более высокую прибыль. По мере расширения использования ZKP специализированное оборудование может стать критически важным для удовлетворения растущего спроса на вычислительную мощность.
ZK ID - Децентрализованный ID
https：//youtu.be/5 TJ 3 BZEc 1 Ro
Установление цифрового доверия и безопасной аутентификации имеет решающее значение в современной онлайн-среде. Появление доказательств с нулевым разглашением (ZKP) произвело революцию в этой области, обеспечив большую конфиденциальность и безопасность. Здесь мы исследуем свойства и преимущества доказательств с нулевым разглашением, а также их потенциал для переопределения проверки цифровой личности.
Улучшенная защита конфиденциальности: доказательства с нулевым разглашением отлично защищают конфиденциальную информацию. Пользователи могут подтвердить свою личность или учетные данные, не раскрывая конкретных деталей, таких как личные идентификационные номера или адреса. ZKP устанавливают структуру безопасности, которая позволяет осуществлять взаимодействие без доверия при сохранении конфиденциальности.
Безопасные и проверяемые взаимодействия: доказательства с нулевым разглашением позволяют пользователям участвовать в смарт-контрактах и проверять информацию в блокчейне, скрывая при этом свои личные данные. Учетные данные вне сети, такие как паспорта или образовательные степени, могут генерировать доказательства с нулевым разглашением. Затем эти доказательства можно использовать для ненадежной проверки в блокчейне, обеспечивая целостность данных при сохранении конфиденциальности.
Недавно Polygon запустила Polygon ID, децентрализованное решение для идентификации с нулевым разглашением. Polygon ID использует силу доказательств с нулевым разглашением, чтобы пользователи могли подтвердить свою личность, не раскрывая конфиденциальную информацию. Он предоставляет комплексный набор инструментов, включая SDK валидатора, узел эмитента, SDK кошелька и приложение кошелька, что позволяет разработчикам беспрепятственно интегрировать децентрализованные решения для идентификации в свои приложения.
в заключение
В целом, разнообразие областей, в которых ZK оказал положительное влияние, показывает потенциал этой технологии для массового внедрения в индустрию блокчейнов. На самом деле, большинство из этих приложений — zkML, игры ZK, идентификаторы ZK — все еще находятся в зачаточном состоянии, а некоторые из них остаются в основном в области теории. Тем не менее, это только вопрос времени, когда мы увидим больше активности и продуктов из пространства zkML, ZK games или ZK ID. По мере развития этих областей мы ожидаем динамичную экосистему приложений на основе ZK, которая изменит наши представления о конфиденциальности, безопасности и возможности проверки.
Посмотреть Оригинал
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Краткий обзор новых вариантов использования ZK: zkML, ZK games, ZK ID
Оригинальное название: «Новые варианты использования ZK».
Оригинальный автор: zkvalidator
Составление оригинального текста: Катя
В этой статье мы рассмотрим новые варианты использования ZK.
представлять
За последние несколько месяцев мы стали свидетелями большого ажиотажа вокруг вариантов использования с нулевым разглашением, включая zkevm, zkBridges и другие. Однако в такой быстро меняющейся среде появляются новые варианты использования, в которых доказательства с нулевым разглашением (ZKP) играют жизненно важную роль. Эта статья направлена на изучение областей, в которых ZKP привлекают больше внимания в сознании людей.
ZKML Машинное обучение с нулевым разглашением
На этой диаграмме показано, как работает zkML.
ZKML (машинное обучение с нулевым разглашением) — это новая технология с огромным потенциалом в различных приложениях, которая еще не используется в полной мере. ZKML открывает новые двери для инноваций, от обеспечения целостности вычислений и защиты конфиденциальности до прозрачности машинного обучения как услуги и децентрализованного логического вывода или обучения. Вот несколько возможных вариантов использования ZKML:
Проверяемость ZKML: ZKML использует доказательства достоверности, такие как SNARK и STARK, для обеспечения точного выполнения вычислений, особенно в машинном обучении. Используя эти доказательства, можно проверить рассуждения модели машинного обучения, чтобы подтвердить происхождение выходных данных с учетом входных данных. Эта функция позволяет развертывать модели машинного обучения вне сети, в то время как доказательства ZK удобно проверять в сети.
https：//youtu.be/odaUPMNqJs 8
Сохранение конфиденциальности в ZKML. Конфиденциальность является критической проблемой машинного обучения, и ZKML предлагает решение. Он может подтвердить точность модели на тестовых данных, не раскрывая используемые веса, тем самым обеспечивая конфиденциальность данных. Кроме того, ZKML упрощает обоснование конфиденциальности, позволяя делиться конфиденциальными медицинскими диагнозами, такими как результаты тестов на рак, с пациентами без утечки их данных третьим лицам.
Повышение прозрачности ML-as-a-Service: ZKML играет жизненно важную роль в повышении прозрачности ML-as-a-Service. Предоставляя подтверждение достоверности, связанное с API модели машинного обучения, пользователи могут проверять подлинность моделей, которые они используют. Это решает проблемы, связанные с устаревшими API (часто рассматриваемыми как черные ящики), и повышает доверие к предоставленной модели.
Децентрализованный вывод и обучение: ZKML может выполнять задачи машинного обучения децентрализованным образом. Модель может быть сжата за счет использования доказательств с нулевым разглашением, что позволяет участвовать общественности и предоставлять данные во время вывода или обучения. Это открывает новые возможности для совместного и распределенного машинного обучения.
Доказательства ZKML: Доказательства являются важным аспектом ZKML, позволяя включать поддающиеся проверке доказательства от доверенных внешних сторон. Используя доказательства с нулевым разглашением для проверки цифровых подписей из надежных источников, ZKML обеспечивает подлинность и происхождение подтвержденной информации. Это позволяет проверять доверенные ссылки и использовать их в различных приложениях.
Применение ЗК в играх
https：//youtu.be/dLZbfTWLGNI
Доказательства с нулевым разглашением (ZKP) предлагают множество преимуществ для игровой архитектуры и игрового процесса. Интегрируя ZKP, разработчики игр могут получить выгоду от снижения затрат, улучшенной защиты конфиденциальности, эффективных мер по борьбе с мошенничеством и улучшенной масштабируемости.
Что касается игровой архитектуры, ZKP оказывает большое влияние на многопользовательские онлайн-игры, сводя к минимуму конфиденциальные данные, хранящиеся на централизованных серверах, тем самым снижая стоимость обслуживания архитектуры клиент-сервер. Кроме того, ZKP повышает конфиденциальность и безопасность одноранговых (P2P) игровых систем, устраняя необходимость в дорогостоящих серверах, обеспечивая при этом подлинность игровых событий и предотвращая мошенничество.
ZKP также решают проблемы масштабируемости игр, уменьшая нагрузку на сервер в архитектурах клиент-сервер и обеспечивая проверяемые доказательства игровых операций в многопользовательских играх P2P. Это увеличивает количество одновременных игроков, которые могут поддерживаться, что делает игру более приятной и привлекательной для более широкой базы игроков.
Что касается игрового процесса, ZKP предоставляют решения для различных типов игр. В шутерах от первого лица (FPS) ZKP могут проверять уровни навыков игрока, не раскрывая конфиденциальную информацию, тем самым повышая точность сопоставления. В многопользовательских ролевых онлайн-играх (MMORPG) ZKP обеспечивают безопасное владение и обмен виртуальными активами, создавая единую экономику для разных игр. ZKP также применяются в азартных играх и играх казино, предоставляя проверяемые случайные результаты и защищая конфиденциальность игроков. Кроме того, ZKP могут защитить прогресс игрока и высокие баллы в головоломках и стратегических играх, сохраняя конфиденциальность конфиденциальной информации.
Внедрение ZKP в игровой индустрии может улучшить игровой процесс, улучшить лояльность игроков и получить более высокую прибыль. По мере расширения использования ZKP специализированное оборудование может стать критически важным для удовлетворения растущего спроса на вычислительную мощность.
ZK ID - Децентрализованный ID
https：//youtu.be/5 TJ 3 BZEc 1 Ro
Установление цифрового доверия и безопасной аутентификации имеет решающее значение в современной онлайн-среде. Появление доказательств с нулевым разглашением (ZKP) произвело революцию в этой области, обеспечив большую конфиденциальность и безопасность. Здесь мы исследуем свойства и преимущества доказательств с нулевым разглашением, а также их потенциал для переопределения проверки цифровой личности.
Недавно Polygon запустила Polygon ID, децентрализованное решение для идентификации с нулевым разглашением. Polygon ID использует силу доказательств с нулевым разглашением, чтобы пользователи могли подтвердить свою личность, не раскрывая конфиденциальную информацию. Он предоставляет комплексный набор инструментов, включая SDK валидатора, узел эмитента, SDK кошелька и приложение кошелька, что позволяет разработчикам беспрепятственно интегрировать децентрализованные решения для идентификации в свои приложения.
в заключение
В целом, разнообразие областей, в которых ZK оказал положительное влияние, показывает потенциал этой технологии для массового внедрения в индустрию блокчейнов. На самом деле, большинство из этих приложений — zkML, игры ZK, идентификаторы ZK — все еще находятся в зачаточном состоянии, а некоторые из них остаются в основном в области теории. Тем не менее, это только вопрос времени, когда мы увидим больше активности и продуктов из пространства zkML, ZK games или ZK ID. По мере развития этих областей мы ожидаем динамичную экосистему приложений на основе ZK, которая изменит наши представления о конфиденциальности, безопасности и возможности проверки.