Privasea: Exploração inovadora da NFTização de dados faciais

Recentemente, um projeto de cunhagem de NFT de rosto humano gerou ampla atenção. Este projeto permite que os usuários registrem seu rosto em um aplicativo móvel e transformem seus dados em NFT. Este conceito aparentemente simples atraiu mais de 200.000 cunhagens de NFT em apenas algumas semanas, mostrando uma incrível popularidade.

O objetivo deste projeto não é apenas transformar dados faciais em NFT, mas sim validar se o usuário é uma pessoa real através do reconhecimento facial. Esta abordagem surge de um desafio sério que a internet enfrenta atualmente: o tráfego de bots maliciosos.

De acordo com os dados mais recentes, os robôs representam 42,1% do tráfego da internet, dos quais 27,5% são tráfego malicioso. Esses robôs maliciosos podem causar atrasos nos serviços, falhas no sistema e impactar seriamente a experiência do usuário. Em cenários como a compra de bilhetes, os programas automatizados fazem com que os usuários comuns quase não tenham chance.

Para enfrentar esse desafio, várias medidas como a autenticação real, códigos de verificação de comportamento, entre outras, foram adotadas no ambiente Web2 para diferenciar humanos de máquinas, enquanto o servidor interceptava através de filtragem de características. No entanto, com o rápido desenvolvimento da tecnologia de IA, os métodos tradicionais de verificação já não são mais suficientes. As técnicas de verificação estão gradualmente evoluindo de detecção de características comportamentais para detecção de características biomiméticas e até mesmo detecção de características biológicas.

O Web3 também enfrenta a necessidade de reconhecimento humano. Em cenários como a distribuição de tokens de projetos, é necessário identificar usuários reais para prevenir ataques de bruxas. Para operações de alto risco, como login de conta, retirada de fundos, negociação, etc., é necessário confirmar que o operador não é apenas uma pessoa real, mas também o proprietário da conta.

No entanto, implementar essas funcionalidades em um ambiente Web3 descentralizado enfrenta vários desafios: como construir uma rede de computação de aprendizado de máquina descentralizada? Como proteger a privacidade dos dados dos usuários? Como manter a operação da rede?

Para esses problemas, a Privasea propôs soluções inovadoras. Eles construíram a Privasea AI Network com base na tecnologia de criptografia totalmente homomórfica (FHE), oferecendo suporte para computação em privacidade em aplicações de IA no ambiente Web3.

Privasea otimizou o FHE tradicional e desenvolveu a biblioteca HESea, tornando-a mais adequada para cenários de aprendizado de máquina. Esta biblioteca é dividida em camada de aplicação, camada de otimização, camada aritmética e camada primitiva, cada camada responsável por diferentes funções, oferecendo uma solução flexível e eficiente.

A arquitetura da Privasea AI Network inclui quatro papéis: proprietário de dados, nó Privanetix, descriptografador e receptor de resultados. A rede garante o processamento seguro de dados e a proteção da privacidade através de uma série de etapas, desde o registro do usuário até a entrega dos resultados.

Para incentivar os participantes da rede, a Privasea lançou o WorkHeart NFT e o StarFuel NFT, utilizando um mecanismo duplo de PoW e PoS para gestão de nós e distribuição de recompensas. Este design garante a estabilidade da rede e equilibra a distribuição de recursos econômicos.

Embora a tecnologia FHE se destaque na proteção da privacidade dos dados, também enfrenta desafios em termos de eficiência computacional. Nos últimos anos, através da otimização de algoritmos e do aceleração de hardware, o desempenho do FHE melhorou significativamente, mas ainda há uma diferença em comparação com o cálculo em texto claro.

Apesar disso, a solução inovadora da Privasea abre novos caminhos para a fusão profunda entre Web3 e IA. Com o contínuo avanço da tecnologia, a Privasea tem potencial para desempenhar um papel em mais áreas, tornando-se uma pioneira em computação de privacidade e aplicações de IA.