Privasea : exploration innovante de la NFTisation des données faciales

Récemment, un projet de minting de NFT de visages a suscité une large attention. Ce projet permet aux utilisateurs d'enregistrer leur visage sur une application mobile et de transformer ces données en NFT. Ce concept apparemment simple a attiré en quelques semaines plus de 200 000 mintings de NFT, montrant une chaleur incroyable.

L'objectif de ce projet n'est pas simplement de convertir des données faciales en NFT, mais de valider si l'utilisateur est un véritable humain grâce à la reconnaissance faciale. Cette approche découle d'un défi sévère auquel l'internet actuel est confronté : le trafic de robots malveillants.

Selon les dernières données, les robots représentent 42,1 % du trafic Internet, dont 27,5 % est du trafic malveillant. Ces robots malveillants peuvent entraîner des retards de service, des pannes de système, et affecter gravement l'expérience utilisateur. Dans des scénarios comme la réservation de billets, les programmes automatisés laissent presque aucune chance aux utilisateurs ordinaires.

Pour faire face à ce défi, plusieurs méthodes ont été mises en place dans un environnement Web2, telles que la vérification d'identité réelle et les CAPTCHA comportementaux, pour distinguer l'humain de la machine, tandis que le serveur intercepte via un filtrage des caractéristiques. Cependant, avec le développement rapide des technologies AI, les méthodes de vérification traditionnelles ne suffisent plus. Les moyens de vérification sont progressivement passés de la détection des caractéristiques comportementales à la détection des caractéristiques biomimétiques, voire à la détection des caractéristiques biologiques.

Web3 fait également face à des besoins en matière de reconnaissance humaine. Dans des scénarios tels que les airdrops de projets, il est nécessaire d'identifier les utilisateurs réels pour prévenir les attaques de sorcellerie. Pour les opérations à haut risque, telles que la connexion de compte, le retrait de fonds, le trading, etc., il est nécessaire de confirmer que l'opérateur est non seulement un être humain, mais aussi le propriétaire du compte.

Cependant, la mise en œuvre de ces fonctionnalités dans un environnement Web3 décentralisé fait face à de nombreux défis : comment construire un réseau de calcul de machine learning décentralisé ? Comment protéger la vie privée des données des utilisateurs ? Comment maintenir le fonctionnement du réseau ?

Pour répondre à ces problèmes, Privasea a proposé des solutions innovantes. Ils ont construit le réseau Privasea AI basé sur la technologie de chiffrement homomorphe complet (FHE), offrant un support de calcul de la vie privée pour les applications d'IA dans un environnement Web3.

Privasea a optimisé la FHE traditionnelle et a développé la bibliothèque HESea, la rendant plus adaptée aux scénarios d'apprentissage automatique. Cette bibliothèque est divisée en couche d'application, couche d'optimisation, couche arithmétique et couche primitive, chaque couche ayant des fonctions différentes, offrant des solutions flexibles et efficaces.

L'architecture du réseau Privasea AI comprend quatre rôles : propriétaire des données, nœud Privanetix, déchiffreur et destinataire des résultats. Le réseau garantit le traitement sécurisé des données et la protection de la vie privée à travers une série d'étapes, de l'enregistrement des utilisateurs à la livraison des résultats.

Pour inciter les participants au réseau, Privasea a lancé le WorkHeart NFT et le StarFuel NFT, utilisant un mécanisme dual PoW et PoS pour la gestion des nœuds et la répartition des récompenses. Ce design garantit à la fois la stabilité du réseau et équilibre la distribution des ressources économiques.

Bien que la technologie FHE soit excellente pour protéger la vie privée des données, elle fait également face à des défis en matière d'efficacité de calcul. Ces dernières années, grâce à des méthodes telles que l'optimisation des algorithmes et l'accélération matérielle, les performances de FHE ont été considérablement améliorées, mais il existe encore un écart par rapport au calcul en clair.

Néanmoins, la solution innovante de Privasea ouvre de nouvelles voies pour la fusion profonde entre le Web3 et l'IA. Avec les avancées technologiques continues, Privasea est destiné à jouer un rôle de pionnier dans le calcul de la confidentialité et les applications d'IA dans de nombreux domaines.