NEAR introduce tecnología de cálculo privado, equilibrando rendimiento y privacidad

Recientemente, el equipo de desarrollo del protocolo de privacidad anunció la incorporación de computación ciega y almacenamiento ciego en una cadena de bloques pública de Layer 1 centrada en la velocidad y la escalabilidad. Esta integración combina infraestructura de alto rendimiento con herramientas de privacidad avanzadas, permitiendo a más de 750 proyectos en este ecosistema aprovechar la tecnología de computación ciega.

Esta red Layer 1 es conocida por su rendimiento, y sus principales características incluyen:

• Solución de fragmentación única: aumenta la capacidad de transacciones y reduce la latencia, adecuada para aplicaciones de alto rendimiento.
• Runtime basado en WebAssembly: contratos inteligentes que soportan Rust y AssemblyScript, atrayendo a desarrolladores de diferentes orígenes.
• Sistema de cuentas legibles: utiliza nombres de cuentas intuitivos para mejorar la experiencia del usuario y la accesibilidad.

Estas características han atraído a numerosos desarrolladores, empresarios y creativos, que juntos han construido un próspero ecosistema.

A través de la combinación de la capacidad de cálculo ciego con el procesamiento eficiente de transacciones, se logró:

• Privacidad de datos modular: las funciones de privacidad se integran de manera fluida con la blockchain, permitiendo la ejecución modular de almacenamiento de datos y operaciones de cálculo en redes privadas, mientras se realizan liquidaciones transparentes en la blockchain.
• Gestión de datos privados: Proporciona almacenamiento y cálculo privados para todo tipo de datos, ampliando las funcionalidades de la blockchain.
• IA privada: La atención de la blockchain hacia la IA autónoma y propiedad del usuario se complementa con el almacenamiento y la capacidad de cálculo privados, abriendo un nuevo espacio de diseño para la IA descentralizada.

Esta integración abre nuevas vías para aplicaciones de protección de la privacidad, especialmente en lo que respecta a soluciones de IA:

• Inferencia privada: implementar inferencia segura en modelos de IA, protegiendo modelos de aprendizaje automático propietarios y entradas sensibles.
• Agentes privados: Con el auge de los agentes de IA, las soluciones de privacidad se han vuelto cruciales.
• Aprendizaje federado: mejora la privacidad a través de la protección del proceso de agregación, asegurando que la información sensible derivada durante el entrenamiento permanezca confidencial.
• Datos sintéticos privados: protegen la privacidad de los datos base durante el proceso de entrenamiento de GAN.
• Generación Aumentada de Búsqueda Privada (RAG): habilita un novedoso método de protección de la privacidad para la recuperación de información.

Además, esta integración también brinda la posibilidad de soluciones de privacidad entre cadenas, plataformas comunitarias con prioridad en la privacidad, DeFi seguras y herramientas para desarrolladores que protegen la privacidad.

Al combinar una infraestructura de alto rendimiento con funciones avanzadas de privacidad, se está creando un entorno que permite a los desarrolladores construir aplicaciones potentes y respetuosas con la privacidad para satisfacer las necesidades del mundo real. Esto ayudará a crear una nueva economía digital abierta, que permitirá a las personas tener un mejor control sobre sus activos y datos.