Подача персональных данных в черные ящики не является смелым поступком.
Это нарушение по замыслу.
Самый быстрый путь к реальному спросу на DeAI заключается в том, чтобы позволить предприятиям и потребителям использовать чувствительные данные с помощью ИИ, оставаясь при этом на открытых путях. Шаблон таков: частные входные данные, доказуемые выходные данные.
Больница, банк или студия не будут отправлять сырые данные в модель, размещенную неизвестно где. Тем не менее, они будут использовать криптографию, которая гарантирует, что модель никогда не увидит открытый текст.
Два практических инструмента сегодня: FHE и zkML.
Конкретная ML от @zama_fhe компилирует модели так, что части вывода выполняются непосредственно на зашифрованных данных. Недавние документы и релизы описывают демонстрацию зашифрованного вывода LLM и частной классификации текста. Это медленнее, чем с открытым текстом, но превращает ранее «недоступные» рабочие нагрузки в развертываемые.
Параллельно zkML позволяет вам доказать, что вывод произошел правильно, не раскрывая подсказки или веса. @ezklxyz обрабатывает маршрут от модели к цепочке; zkML от @MinaProtocol приносит проверяемый вывод в zkApps, чтобы контракты могли принимать результаты, пока входные данные остаются скрытыми. В итоге вы получаете частные подсказки и публичную проверку, что именно нужно соблюдающей организации.
Однако одна только конфиденциальность не решает вопросы платежей или прав доступа. Вам нужен чек, который может проверить любой. Вот тут на сцену выходят zkVM и zk сопроцессоры. Bonsai от @RiscZero предлагает сервис доказательства и универсальную проверку для переноса чеков между цепочками; SP1 от @SuccinctLabs сосредоточен на производительности и многосетевой верификации. Сопроцессоры, такие как @axiom_xyz или @lagrangedev, делают потребление тяжелых вычислений через крошечные доказательства дешевым для контрактов. Конечное состояние: кошелек, DAO или приложение может принимать ваш результат ИИ без повторного выполнения задачи или изучения ваших данных.
Итог: DeAI выигрывает, когда люди могут использовать свои самые чувствительные данные с ИИ и при этом рассчитываться на публичных платформах.
Используйте FHE или частный zkML для секретности. Добавить ZK квитанции для проверки. Используйте децентрализованные GPU-рынки для масштабирования.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Подача персональных данных в черные ящики не является смелым поступком.
Это нарушение по замыслу.
Самый быстрый путь к реальному спросу на DeAI заключается в том, чтобы позволить предприятиям и потребителям использовать чувствительные данные с помощью ИИ, оставаясь при этом на открытых путях. Шаблон таков: частные входные данные, доказуемые выходные данные.
Больница, банк или студия не будут отправлять сырые данные в модель, размещенную неизвестно где. Тем не менее, они будут использовать криптографию, которая гарантирует, что модель никогда не увидит открытый текст.
Два практических инструмента сегодня: FHE и zkML.
Конкретная ML от @zama_fhe компилирует модели так, что части вывода выполняются непосредственно на зашифрованных данных. Недавние документы и релизы описывают демонстрацию зашифрованного вывода LLM и частной классификации текста. Это медленнее, чем с открытым текстом, но превращает ранее «недоступные» рабочие нагрузки в развертываемые.
Параллельно zkML позволяет вам доказать, что вывод произошел правильно, не раскрывая подсказки или веса. @ezklxyz обрабатывает маршрут от модели к цепочке; zkML от @MinaProtocol приносит проверяемый вывод в zkApps, чтобы контракты могли принимать результаты, пока входные данные остаются скрытыми. В итоге вы получаете частные подсказки и публичную проверку, что именно нужно соблюдающей организации.
Однако одна только конфиденциальность не решает вопросы платежей или прав доступа. Вам нужен чек, который может проверить любой. Вот тут на сцену выходят zkVM и zk сопроцессоры. Bonsai от @RiscZero предлагает сервис доказательства и универсальную проверку для переноса чеков между цепочками; SP1 от @SuccinctLabs сосредоточен на производительности и многосетевой верификации. Сопроцессоры, такие как @axiom_xyz или @lagrangedev, делают потребление тяжелых вычислений через крошечные доказательства дешевым для контрактов. Конечное состояние: кошелек, DAO или приложение может принимать ваш результат ИИ без повторного выполнения задачи или изучения ваших данных.
Итог: DeAI выигрывает, когда люди могут использовать свои самые чувствительные данные с ИИ и при этом рассчитываться на публичных платформах.
Используйте FHE или частный zkML для секретности.
Добавить ZK квитанции для проверки.
Используйте децентрализованные GPU-рынки для масштабирования.