Título original: "Casos de uso emergentes de ZK"
作宇：zkvalitor
Compilado por: Kate, Marsbit
En los últimos meses, hemos sido testigos de un gran revuelo en torno a los casos de uso de conocimiento cero, incluidos zkevm, zkBridges y más. Sin embargo, en un entorno tan acelerado, están surgiendo nuevos casos de uso en los que las pruebas de conocimiento cero (ZKP) desempeñan un papel crucial. Este artículo tiene como objetivo explorar las áreas donde ZKP ha ganado más atención en la mente de los individuos.
Aprendizaje automático de conocimiento cero ZKML
Este diagrama muestra cómo funciona zkML.
ZKML (Zero-Knowledge Machine Learning) es una tecnología emergente que tiene un enorme potencial en una variedad de aplicaciones y aún no se ha explotado por completo. Desde la integridad computacional y la protección de la privacidad hasta la transparencia del aprendizaje automático como servicio y la inferencia o capacitación descentralizada, ZKML abre nuevas puertas a la innovación. A continuación se muestran algunos posibles casos de uso de ZKML:
Verificabilidad de ZKML: ZKML utiliza pruebas de validez como SNARK y STARK para garantizar la ejecución precisa de los cálculos, especialmente en el aprendizaje automático. Al utilizar estas pruebas, se pueden verificar las inferencias del modelo de aprendizaje automático, confirmando el origen del resultado dada la entrada. Esta característica permite la implementación de modelos de aprendizaje automático fuera de la cadena mientras verifica convenientemente las pruebas ZK en la cadena.
https://youtu.be/odaUPMNqJs8
Protección de la privacidad en ZKML: la privacidad es una cuestión clave en el aprendizaje automático y ZKML proporciona una solución. Puede probar la precisión del modelo en los datos de prueba sin revelar los pesos utilizados, garantizando así la privacidad de los datos. Además, ZKML facilita el razonamiento que preserva la privacidad, permitiendo que diagnósticos médicos confidenciales, como los resultados de pruebas de cáncer, se compartan con los pacientes sin filtrar sus datos a terceros.
Mejora de la transparencia del ML como servicio: ZKML desempeña un papel vital en el aumento de la transparencia del ML como servicio. Al proporcionar prueba de validez asociada con la API del modelo de aprendizaje automático, los usuarios pueden verificar la autenticidad de los modelos que utilizan. Esto resuelve los problemas asociados con las API tradicionales (a menudo vistas como cajas negras) y aumenta la confianza en el modelo proporcionado.
Inferencia y entrenamiento descentralizados: ZKML es capaz de realizar tareas de aprendizaje automático de manera descentralizada. El modelo se puede comprimir aprovechando pruebas de conocimiento cero, lo que permite la participación pública y el envío de datos durante la inferencia o el entrenamiento. Esto abre nuevas vías para el aprendizaje automático colaborativo y distribuido.
Pruebas ZKML: Las pruebas son un aspecto importante de ZKML que permite la incorporación de pruebas verificables de partes externas confiables. Al utilizar pruebas de conocimiento cero para verificar firmas digitales de fuentes confiables, ZKML garantiza la autenticidad y el origen de la información que se prueba. Esto permite verificar y utilizar referencias confiables en una variedad de aplicaciones.
Aplicación de ZK en juegos.
https://youtu.be/dLZbfTWLGNI
Las pruebas de conocimiento cero (ZKP) brindan muchas ventajas para la arquitectura y la experiencia del juego. Al integrar ZKP, los desarrolladores de juegos pueden beneficiarse de costos reducidos, protecciones de privacidad mejoradas, medidas anti-trampas efectivas y una escalabilidad mejorada.
En términos de arquitectura de juegos, ZKP tiene un impacto significativo en los juegos multijugador en línea al minimizar el almacenamiento de datos confidenciales en servidores centralizados, reduciendo así el gasto de mantenimiento de la arquitectura cliente-servidor. Además, ZKP mejora la privacidad y seguridad de los sistemas de juego peer-to-peer (P2P), eliminando la necesidad de servidores costosos y al mismo tiempo garantiza la autenticidad de los eventos del juego y evita las trampas.
ZKP también aborda los desafíos de escalabilidad de los juegos al reducir la sobrecarga del servidor en la arquitectura cliente-servidor y permitir pruebas verificables de las operaciones del juego en juegos multijugador P2P. Esto amplía la cantidad de jugadores simultáneos que se pueden admitir, lo que resulta en una experiencia de juego más agradable y atrae a una base de jugadores más amplia.
En términos de jugabilidad, ZKP ofrece soluciones para varios tipos de juegos. En los juegos de disparos en primera persona (FPS), ZKP puede verificar los niveles de habilidad de los jugadores sin filtrar información confidencial, mejorando así la precisión del emparejamiento. En los juegos de rol multijugador masivo en línea (MMORPG), ZKP permite la propiedad y el intercambio seguros de activos virtuales, creando una economía unificada entre diferentes juegos. ZKP también tiene aplicaciones en juegos de apuestas y casino, proporcionando resultados aleatorios verificables y protegiendo la privacidad de los jugadores. Además, ZKP garantiza el progreso de los jugadores y sus altas puntuaciones en juegos de rompecabezas y estrategia, manteniendo la privacidad de la información confidencial.
El uso de ZKP en la industria del juego puede mejorar la experiencia de juego, aumentar la fidelidad del jugador y obtener mayores ganancias. A medida que el uso de ZKP continúa expandiéndose, el hardware especializado puede volverse fundamental para satisfacer la creciente demanda de potencia informática.
ID ZK - ID descentralizada
https://youtu.be/5TJ3BZEc1Ro
En el entorno en línea actual, establecer confianza digital y una autenticación segura es fundamental. La aparición de las Pruebas de Conocimiento Cero (ZKP) ha revolucionado este campo al proporcionar mayor privacidad y seguridad. Aquí exploramos las propiedades y ventajas de las pruebas de conocimiento cero y su potencial para redefinir la verificación de identidad digital.
•Protección de privacidad mejorada: las pruebas de conocimiento cero destacan en la protección de información confidencial. Los usuarios pueden verificar su identidad o credenciales sin revelar detalles específicos como números de identificación personal o direcciones. ZKP establece un marco de seguridad que permite interacciones sin confianza manteniendo la confidencialidad.
• Interacciones seguras y verificables: las pruebas de conocimiento cero permiten a los usuarios participar en contratos inteligentes y verificar información en la cadena de bloques mientras ocultan sus datos privados. Las credenciales fuera de la cadena, como un pasaporte o un título educativo, pueden generar pruebas de conocimiento cero. Estas pruebas se pueden utilizar luego para una verificación sin confianza en la cadena de bloques, garantizando la integridad de los datos y manteniendo la privacidad.
Recientemente, Polygon lanzó Polygon ID, una solución de identidad descentralizada de conocimiento cero. Polygon ID aprovecha el poder de las pruebas de conocimiento cero, lo que permite a los usuarios verificar su identidad sin revelar información confidencial. Proporciona un conjunto de herramientas completo, que incluye un SDK de validación, un nodo emisor, un SDK de billetera y una aplicación de billetera, lo que permite a los desarrolladores integrar sin problemas soluciones de identidad descentralizadas en sus aplicaciones.
en conclusión
En definitiva, la diversidad de áreas en las que ZK tiene un impacto positivo demuestra el potencial de la tecnología para lograr una adopción masiva en la industria blockchain. De hecho, la mayoría de estas aplicaciones (zkML, ZK Games, ZK ID) aún están en su infancia y algunas de ellas siguen siendo en gran medida teóricas. Aún así, es sólo cuestión de tiempo antes de que veamos más actividad y productos saliendo del espacio zkML, ZK Games o ZK ID. A medida que estas áreas maduren, esperamos un ecosistema vibrante de aplicaciones basadas en ZK que redefinirán nuestros conceptos de privacidad, seguridad y verificabilidad.