Banken können Betrug nicht miteinander abgleichen 🕵️
INTERPOL beziffert globale Betrugsverluste für 2025 auf etwa 442 Mrd. US-Dollar, und der Grund, warum diese Zahl weiter steigt, ist nicht, dass Banken an Datenmangel leiden.
Jede sieht jeweils nur ihre eigene Seite. Das Konto, das das Geld erhalten hat, das Gerät, das es freigeschaltet hat, das gleiche Muster, das letzte Woche bei vier anderen Institutionen lief – all das liegt in getrennten Systemen, die sich nicht vergleichen lassen, ohne Kundendaten offenzulegen.
Apps auf $SOL stoßen dabei auf dieselbe Wand, sobald sie versuchen, eine Gegenpartei zu prüfen, denn ein Solana-Programm muss mit einer vollständigen Eingabe versorgt werden, bevor es darauf reagieren kann.
Deshalb teilt die Branche Erkenntnisse erst nach dem Verlust – in Berichten und Maßnahmen – statt vorher.
Arcium ist für die Version gebaut, in der zwei Institutionen gemeinsam berechnen und keine der beiden die Daten der jeweils anderen erhält. Denn jede Seite geht in Fragmenten über ein Cluster von Knoten ein, kein einzelner Knoten hält eine lesbare Kopie, und das Cluster liefert dennoch die Antwort – hier die Frage, ob auf beiden Seiten dasselbe Muster auftaucht.
Diese Antwort gelangt auf Solana als normale öffentliche Transaktion, sodass ein Prüfer sehen kann, wann und ob die Prüfung ausgeführt wurde.
Die Compute-Ebene ist seit dem 2. Februar auf Mainnet Alpha live, und fünfzehn Teams bauen darauf auf.
Betrug funktioniert in den Lücken zwischen Institutionen, die nicht miteinander sprechen dürfen. Und meine Einschätzung ist: Diese Lücken zu schließen, ohne die Daten zu verschieben, ist mehr wert als jedes KI-Modell, das nur auf der Historie einer einzelnen Bank trainiert wurde.
#AI #Solana
INTERPOL beziffert globale Betrugsverluste für 2025 auf etwa 442 Mrd. US-Dollar, und der Grund, warum diese Zahl weiter steigt, ist nicht, dass Banken an Datenmangel leiden.
Jede sieht jeweils nur ihre eigene Seite. Das Konto, das das Geld erhalten hat, das Gerät, das es freigeschaltet hat, das gleiche Muster, das letzte Woche bei vier anderen Institutionen lief – all das liegt in getrennten Systemen, die sich nicht vergleichen lassen, ohne Kundendaten offenzulegen.
Apps auf $SOL stoßen dabei auf dieselbe Wand, sobald sie versuchen, eine Gegenpartei zu prüfen, denn ein Solana-Programm muss mit einer vollständigen Eingabe versorgt werden, bevor es darauf reagieren kann.
Deshalb teilt die Branche Erkenntnisse erst nach dem Verlust – in Berichten und Maßnahmen – statt vorher.
Arcium ist für die Version gebaut, in der zwei Institutionen gemeinsam berechnen und keine der beiden die Daten der jeweils anderen erhält. Denn jede Seite geht in Fragmenten über ein Cluster von Knoten ein, kein einzelner Knoten hält eine lesbare Kopie, und das Cluster liefert dennoch die Antwort – hier die Frage, ob auf beiden Seiten dasselbe Muster auftaucht.
Diese Antwort gelangt auf Solana als normale öffentliche Transaktion, sodass ein Prüfer sehen kann, wann und ob die Prüfung ausgeführt wurde.
Die Compute-Ebene ist seit dem 2. Februar auf Mainnet Alpha live, und fünfzehn Teams bauen darauf auf.
Betrug funktioniert in den Lücken zwischen Institutionen, die nicht miteinander sprechen dürfen. Und meine Einschätzung ist: Diese Lücken zu schließen, ohne die Daten zu verschieben, ist mehr wert als jedes KI-Modell, das nur auf der Historie einer einzelnen Bank trainiert wurde.
#AI #Solana
