charts language
16 Bài đăng
charts language
Giao dịch mở
Người nắm giữ WLD
Trader tần suất thấp
{thời gian} năm
2 Đang theo dõi
2 Người theo dõi
2 Đã thích
Bài đăng
Danh mục đầu tư
Tất cả
Trích dẫn
Xem bản dịch
Xem bản dịch
Hadia-BTC
·
--
@Dusk Tôi từng thấy quyền riêng tư của blockchain theo một cách khá đơn giản: ẩn chi tiết giao dịch đi, và vấn đề về quyền riêng tư coi như được giải quyết.
Nhưng càng tìm hiểu về Dusk, ý tưởng đó càng không thuyết phục.
Trong tài chính được quản lý, bạn không phải lúc nào cũng có thể coi quyền riêng tư như “giấu mọi thứ”. Một nhà đầu tư có thể muốn giữ bí mật số dư và hoạt động của mình, trong khi tổ chức phát hành, kiểm toán viên hoặc người giám sát vẫn có thể cần quyền truy cập vào một số thông tin cụ thể để xác minh.
Điều đó khiến tôi nhìn kỹ hơn vào việc công bố chọn lọc.
Dusk tiếp cận vấn đề này thông qua các giao dịch được che chắn (shielded transactions) và các chứng minh không kiến thức (zero-knowledge proofs). Phoenix có thể giữ kín chi tiết giao dịch, trong khi các viewing keys cung cấp cách để tiết lộ thông tin cụ thể khi một quy trình được ủy quyền thực sự yêu cầu.
Điều tôi thấy thú vị là sự cân bằng ở đây.
Thực ra không phải là chọn một blockchain hoàn toàn mở cho công chúng, hay một blockchain hoàn toàn riêng tư.
Mà là, tìm cách xác định ai được xem những thông tin nào và vào lúc nào họ được xem—như ai có thể xem blockchain và khi nào họ có thể làm điều đó.
Sự phân biệt này có thể quan trọng rất nhiều trên các thị trường tài chính thực tế, nơi thông tin nhạy cảm cần được bảo vệ nhưng việc xác minh không thể đơn giản biến mất.
Với tôi, đó là lý do Dusk trở nên thú vị hơn. Quyền riêng tư không phải là mục tiêu cuối cùng. Mục tiêu là khả năng hiển thị được kiểm soát.
#dusk $DUSK
Nhưng càng tìm hiểu về Dusk, ý tưởng đó càng không thuyết phục.
Trong tài chính được quản lý, bạn không phải lúc nào cũng có thể coi quyền riêng tư như “giấu mọi thứ”. Một nhà đầu tư có thể muốn giữ bí mật số dư và hoạt động của mình, trong khi tổ chức phát hành, kiểm toán viên hoặc người giám sát vẫn có thể cần quyền truy cập vào một số thông tin cụ thể để xác minh.
Điều đó khiến tôi nhìn kỹ hơn vào việc công bố chọn lọc.
Dusk tiếp cận vấn đề này thông qua các giao dịch được che chắn (shielded transactions) và các chứng minh không kiến thức (zero-knowledge proofs). Phoenix có thể giữ kín chi tiết giao dịch, trong khi các viewing keys cung cấp cách để tiết lộ thông tin cụ thể khi một quy trình được ủy quyền thực sự yêu cầu.
Điều tôi thấy thú vị là sự cân bằng ở đây.
Thực ra không phải là chọn một blockchain hoàn toàn mở cho công chúng, hay một blockchain hoàn toàn riêng tư.
Mà là, tìm cách xác định ai được xem những thông tin nào và vào lúc nào họ được xem—như ai có thể xem blockchain và khi nào họ có thể làm điều đó.
Sự phân biệt này có thể quan trọng rất nhiều trên các thị trường tài chính thực tế, nơi thông tin nhạy cảm cần được bảo vệ nhưng việc xác minh không thể đơn giản biến mất.
Với tôi, đó là lý do Dusk trở nên thú vị hơn. Quyền riêng tư không phải là mục tiêu cuối cùng. Mục tiêu là khả năng hiển thị được kiểm soát.
#dusk $DUSK
Xem bản dịch
Hadia-BTC
·
--
Vượt ra ngoài các Mô hình Đơn lẻ: Cách Đồng thuận Phi tập trung đang Giải quyết Khủng hoảng Độ chính xác AI
Chúng ta đều biết rằng Trí tuệ Nhân tạo rất mạnh mẽ, nhưng nó gặp phải một vấn đề "niềm tin" to lớn. Ngay cả những mô hình AI tốt nhất ngày nay cũng gặp phải ảo tưởng (tạo ra những điều không có thật) và thiên lệch. Sau khi đọc tài liệu trắng cho @Mira - Trust Layer of AI _network, rõ ràng là cách cũ để xây dựng một mô hình "hoàn hảo" khổng lồ chỉ đơn giản là không hiệu quả.
Tài liệu giải thích một "Nghịch lý Đào tạo": khi các nhà phát triển cố gắng làm cho một mô hình chính xác hơn, họ thường vô tình thêm vào sự thiên lệch. Nếu họ làm cho nó quá đa dạng, độ chính xác giảm xuống. Đó là một bức tường mà một mô hình AI đơn lẻ đơn giản không thể leo lên một mình.
Tài liệu giải thích một "Nghịch lý Đào tạo": khi các nhà phát triển cố gắng làm cho một mô hình chính xác hơn, họ thường vô tình thêm vào sự thiên lệch. Nếu họ làm cho nó quá đa dạng, độ chính xác giảm xuống. Đó là một bức tường mà một mô hình AI đơn lẻ đơn giản không thể leo lên một mình.
Đăng nhập để khám phá thêm nội dung