charts language
16 Publicaciones
charts language
Abrir operación
Titular de WLD
Trader ocasional
2.9 años
2 Siguiendo
2 Seguidores
2 Me gusta
Publicaciones
Cartera
Todo
Cotizaciones
Hadia-BTC
·
--
@Dusk Antes veía la privacidad en blockchain de una forma bastante sencilla: mantener los detalles de las transacciones ocultos, y con eso el problema de privacidad quedaba resuelto.
Pero cuanto más profundicé en Dusk, menos convincente se volvió esa idea.
En las finanzas reguladas, no siempre puedes tratar la privacidad como “ocultar todo”. Un inversor puede querer que su saldo y su actividad se mantengan privados, mientras que el emisor, el auditor o el supervisor quizá todavía necesiten acceso a información específica para la verificación.
Eso me llevó a mirar con más detenimiento la divulgación selectiva.
Dusk aborda esto mediante transacciones protegidas (shielded) y pruebas de conocimiento cero (zero-knowledge proofs). Phoenix puede mantener los detalles de las transacciones en privado, mientras que las claves de visualización (viewing keys) ofrecen una forma de divulgar información específica cuando un flujo autorizado realmente lo requiere.
Lo que me resulta interesante es el equilibrio que hay aquí.
No se trata realmente de elegir una blockchain que sea totalmente abierta al público, ni una que sea totalmente privada.
Se trata de averiguar quién puede ver qué información y cuándo puede verla: es decir, quién puede consultar la blockchain y cuándo puede hacerlo.
Esa diferencia podría importar mucho en los mercados financieros reales, donde la información sensible necesita protección, pero la verificación no puede simplemente desaparecer.
Para mí, ahí es donde Dusk se vuelve más interesante. La privacidad no es el objetivo final. La visibilidad controlada sí lo es.
#dusk $DUSK
Pero cuanto más profundicé en Dusk, menos convincente se volvió esa idea.
En las finanzas reguladas, no siempre puedes tratar la privacidad como “ocultar todo”. Un inversor puede querer que su saldo y su actividad se mantengan privados, mientras que el emisor, el auditor o el supervisor quizá todavía necesiten acceso a información específica para la verificación.
Eso me llevó a mirar con más detenimiento la divulgación selectiva.
Dusk aborda esto mediante transacciones protegidas (shielded) y pruebas de conocimiento cero (zero-knowledge proofs). Phoenix puede mantener los detalles de las transacciones en privado, mientras que las claves de visualización (viewing keys) ofrecen una forma de divulgar información específica cuando un flujo autorizado realmente lo requiere.
Lo que me resulta interesante es el equilibrio que hay aquí.
No se trata realmente de elegir una blockchain que sea totalmente abierta al público, ni una que sea totalmente privada.
Se trata de averiguar quién puede ver qué información y cuándo puede verla: es decir, quién puede consultar la blockchain y cuándo puede hacerlo.
Esa diferencia podría importar mucho en los mercados financieros reales, donde la información sensible necesita protección, pero la verificación no puede simplemente desaparecer.
Para mí, ahí es donde Dusk se vuelve más interesante. La privacidad no es el objetivo final. La visibilidad controlada sí lo es.
#dusk $DUSK
Hadia-BTC
·
--
Más Allá de Modelos Únicos: Cómo el Consenso Descentralizado Está Resolviendo la Crisis de Precisión de la IA
Todos sabemos que la Inteligencia Artificial es poderosa, pero tiene un enorme problema de "confianza". Incluso los mejores modelos de IA hoy en día sufren de alucinaciones (inventando cosas) y sesgo. Después de leer el libro blanco para @Mira - Trust Layer of AI _red, está claro que la antigua forma de construir un único modelo "perfecto" simplemente no está funcionando.
El documento explica un "Dilema de Entrenamiento": cuando los desarrolladores intentan hacer un modelo más preciso, a menudo añaden accidentalmente sesgo. Si lo hacen demasiado diverso, la precisión disminuye. Es una pared que un solo modelo de IA simplemente no puede escalar solo.
El documento explica un "Dilema de Entrenamiento": cuando los desarrolladores intentan hacer un modelo más preciso, a menudo añaden accidentalmente sesgo. Si lo hacen demasiado diverso, la precisión disminuye. Es una pared que un solo modelo de IA simplemente no puede escalar solo.
Inicia sesión para explorar más contenidos