charts language
16 Beiträge
charts language
Trade eröffnen
WLD Halter
Gelegenheitstrader
2.9 Jahre
2 Following
2 Follower
2 Like gegeben
Beiträge
Portfolio
Alle
Zitierungen
Übersetzung ansehen
Übersetzung ansehen
Hadia-BTC
·
--
@Dusk Ich sah Blockchain-Privatsphäre früher auf eine ziemlich einfache Weise: Transaktionsdetails ausblenden, und das Datenschutzproblem ist gelöst.
Aber je mehr ich mir Dusk ansah, desto weniger überzeugend wurde diese Idee.
Im regulierten Finanzwesen kann man Privatsphäre nicht immer wie „alles verstecken“ behandeln. Ein Anleger möchte möglicherweise, dass sein Kontostand und seine Aktivitäten privat bleiben, während ein Emittent, ein Prüfer oder ein Aufseher dennoch Zugang zu bestimmten Informationen benötigt, um eine Verifizierung vorzunehmen.
Das brachte mich dazu, selektive Offenlegung genauer zu betrachten.
Dusk geht das über verheimlichte Transaktionen (Shielded Transactions) und Zero-Knowledge-Proofs an. Phoenix kann Transaktionsdetails privat halten, während Viewing Keys eine Möglichkeit bieten, spezifische Informationen offenzulegen, wenn ein autorisierter Ablauf das tatsächlich erfordert.
Was ich hier interessant finde, ist das Gleichgewicht.
Es geht nicht wirklich darum, eine Blockchain auszuwählen, die komplett öffentlich ist, oder eine, die komplett privat ist.
Es geht darum herauszufinden, wer welche Informationen sehen darf und wann—also wie, wer sich die Blockchain ansehen kann und wann er das tun kann.
Diese Unterscheidung könnte in echten Finanzmärkten sehr bedeutsam sein, in denen sensible Informationen geschützt werden müssen, die Verifizierung aber nicht einfach verschwinden darf.
Für mich ist das der Punkt, an dem Dusk interessanter wird. Privatsphäre ist nicht das Endziel. Gesteuerte Sichtbarkeit ist es.
#dusk $DUSK
Aber je mehr ich mir Dusk ansah, desto weniger überzeugend wurde diese Idee.
Im regulierten Finanzwesen kann man Privatsphäre nicht immer wie „alles verstecken“ behandeln. Ein Anleger möchte möglicherweise, dass sein Kontostand und seine Aktivitäten privat bleiben, während ein Emittent, ein Prüfer oder ein Aufseher dennoch Zugang zu bestimmten Informationen benötigt, um eine Verifizierung vorzunehmen.
Das brachte mich dazu, selektive Offenlegung genauer zu betrachten.
Dusk geht das über verheimlichte Transaktionen (Shielded Transactions) und Zero-Knowledge-Proofs an. Phoenix kann Transaktionsdetails privat halten, während Viewing Keys eine Möglichkeit bieten, spezifische Informationen offenzulegen, wenn ein autorisierter Ablauf das tatsächlich erfordert.
Was ich hier interessant finde, ist das Gleichgewicht.
Es geht nicht wirklich darum, eine Blockchain auszuwählen, die komplett öffentlich ist, oder eine, die komplett privat ist.
Es geht darum herauszufinden, wer welche Informationen sehen darf und wann—also wie, wer sich die Blockchain ansehen kann und wann er das tun kann.
Diese Unterscheidung könnte in echten Finanzmärkten sehr bedeutsam sein, in denen sensible Informationen geschützt werden müssen, die Verifizierung aber nicht einfach verschwinden darf.
Für mich ist das der Punkt, an dem Dusk interessanter wird. Privatsphäre ist nicht das Endziel. Gesteuerte Sichtbarkeit ist es.
#dusk $DUSK
Übersetzung ansehen
Hadia-BTC
·
--
Über Einzelmodelle hinaus: Wie dezentraler Konsens die KI-Genauigkeitskrise löst
Wir alle wissen, dass Künstliche Intelligenz mächtig ist, aber sie hat ein massives "Vertrauens"-Problem. Selbst die besten KI-Modelle heute leiden unter Halluzinationen (Dinge ausdenken) und Vorurteilen. Nach dem Lesen des Whitepapers für @Mira - Trust Layer of AI _network ist klar, dass die alte Methode, ein riesiges "perfektes" Modell zu bauen, einfach nicht funktioniert.
Das Papier erklärt ein "Trainingsdilemma": Wenn Entwickler versuchen, ein Modell präziser zu machen, fügen sie oft unabsichtlich Vorurteile hinzu. Wenn sie es zu vielfältig gestalten, sinkt die Genauigkeit. Es ist eine Mauer, die ein einzelnes KI-Modell einfach nicht alleine überwinden kann.
Das Papier erklärt ein "Trainingsdilemma": Wenn Entwickler versuchen, ein Modell präziser zu machen, fügen sie oft unabsichtlich Vorurteile hinzu. Wenn sie es zu vielfältig gestalten, sinkt die Genauigkeit. Es ist eine Mauer, die ein einzelnes KI-Modell einfach nicht alleine überwinden kann.
Anmelden und weiter Inhalte entdecken