Diễn giải Sách trắng PlatON 2.0: Cách xây dựng mạng AI bảo mật phi tập trung?

Tiêu đề gốc: Diễn giải Sách trắng PlatON 2.0: Hiện thực hóa mạng AI về quyền riêng tư phi tập trung

Được viết bởi: Jason, Người đam mê cộng đồng PlatON

Gần đây, PlatON đã phát hành sách trắng phiên bản 2.0 trên trang web. Dựa trên ấn bản đầu tiên trước đó, sách trắng mới bao gồm các đề xuất từ các nhà phát triển và những người đam mê công nghệ trong cộng đồng toàn cầu, đồng thời sửa đổi một số chi tiết.

PlatON2.0 là một triển khai chiến lược quan trọng của PlatON trong giai đoạn tiếp theo, nó sẽ hình thành một thị trường trí tuệ nhân tạo phi tập trung thông qua việc thiết lập một mạng máy tính bảo mật phi tập trung, từ đó hiện thực hóa một mạng trí tuệ nhân tạo chung tự tổ chức và hợp tác. Để giúp người dùng hiểu đầy đủ về PlatON2.0, mở ra con đường đến với trí tuệ nhân tạo nói chung và tìm ra chìa khóa của công nghệ, PlatON sẽ mở một chủ đề diễn giải sách trắng.

Khi đọc một bài báo, điều đầu tiên cần xem xét là cấu trúc của nó chứ không phải nội dung cụ thể của nó.

Từ quan điểm cấu trúc, cấu trúc của ba chương đầu tiên của bài báo là tăng dần, và một số chương tiếp theo là song song, và hai phần được kết nối dưới dạng tổng điểm.

Đầu tiên, nền tảng và xu hướng được thảo luận, và các yêu cầu thiết yếu được rút ra từ việc phân tích các hiện tượng có thể quan sát và cảm nhận được, sau đó tính tất yếu và hợp lý của PlatON được đề xuất. Tất nhiên, đó là để giải quyết các vấn đề theo yêu cầu. Đây là ý nghĩa của ba chương đầu tiên.

Sau đó, các chương tiếp theo sẽ mô tả việc triển khai hoặc triển khai PlatON từ cấp độ kỹ thuật, cấp độ ứng dụng, mô hình kinh tế, cấp độ hoạt động xã hội, kế hoạch và cấp độ tiến độ. Cuối cùng, theo thông lệ trong ngành, việc đưa ra các tài liệu tham khảo, một mặt thể hiện sự tôn trọng quyền sở hữu trí tuệ của tác giả bài báo được trích dẫn, mặt khác, thuận tiện cho những bạn còn nghi ngờ về các lập luận được trích dẫn để theo dõi lại và kiểm tra.

Tiếp theo, chúng tôi phân tích bối cảnh này.

nền tổng thể

Mở đầu bài viết, trước tiên chúng tôi chỉ ra rằng thời đại chúng ta đang sống là thời đại bùng nổ dữ liệu, điều mà tất cả chúng ta đều đồng cảm. Các số liệu thống kê và dự đoán dữ liệu có thẩm quyền được đưa ra trong bài báo này, từ Statista và IDC (International Data Corporation), hai tổ chức phân tích dữ liệu nổi tiếng.

Nói chung, nó thể hiện một quan điểm hoặc hiện tượng rằng lượng dữ liệu sẽ tăng theo cấp số nhân trong tương lai và dữ liệu mới được sinh ra với các công nghệ và ứng dụng mới như 5G và Internet of Things có ý nghĩa thương mại lớn. rất cần được bảo vệ. Tuy nhiên, nếu mô hình quản lý dữ liệu hiện tại tiếp tục, đến năm 2025, gần một nửa dữ liệu đáng lẽ phải được bảo vệ sẽ không được bảo vệ.

Đây là một hiện tượng rất nghiêm trọng, và nó cũng là một điểm đau cho sự tiến bộ chung của ngành trong tương lai. Đương nhiên, ở một góc độ khác mà nói, đây cũng là một cơ hội rất quan trọng.

trí tuệ nhân tạo và dữ liệu

Từ quan điểm của xu hướng phát triển kinh tế và công nghiệp tổng thể, tầm quan trọng của việc bảo vệ quyền riêng tư dữ liệu chắc chắn là hợp lý, nhưng vấn đề dẫn đến là nó rất dễ rơi vào sự mơ hồ.

Thật vậy, nhìn rộng ra, bảo vệ quyền riêng tư dữ liệu, với tư cách là một chức năng cơ bản, có thể nói là bắt buộc và có thể áp dụng cho mọi ứng dụng trong thời đại kinh tế số. Trình bày tập trung những đột phá và tác dụng.

AI, trí tuệ nhân tạo, là một điểm nóng trong những năm gần đây, có những biểu hiện của nó trong cả hoạch định chính sách ngành và ứng dụng công nghiệp.

Ngoài ra, và quan trọng là AI có mối liên hệ không ngừng và không hợp lý với dữ liệu. Trí tuệ nhân tạo luôn có ý tưởng phát triển dựa trên logic và học máy. AI ban đầu chủ yếu dựa trên logic, chẳng hạn như hệ thống chuyên gia, biểu đồ tri thức, v.v. Cốt lõi là biên dịch các quy tắc, chủ yếu dựa vào kinh nghiệm của con người và bản thân thuật toán không yêu cầu nhiều dữ liệu.

Kể từ đầu thế kỷ 21, đặc biệt là trong những năm gần đây, nhờ sự tiện lợi của việc thu thập và lưu trữ dữ liệu, cải thiện hiệu suất máy tính và cải tiến kiến trúc xử lý phần mềm, AI dựa trên học máy đã bắt đầu xuất hiện trở lại và nó đã đã mất kiểm soát. Trong số đó, những đại diện nổi tiếng nên được mọi người lắng nghe. AlphaGo, kẻ đã đánh bại rất nhiều cao thủ cờ vây, đứng đằng sau việc học sâu.

Ý tưởng cốt lõi của học máy là cho phép máy học liên tục thông qua dữ liệu liên quan. Nếu câu trả lời cho bài kiểm tra sau khi học là chính xác, thì hãy củng cố trí nhớ. Nếu câu trả lời cho bài kiểm tra sau khi học là sai, thì hãy sửa lại phương pháp học tập cho đến khi có thể trả lời đúng.

Trên thực tế, về bản chất nó cũng giống như việc đọc và học của chúng ta.

Chúng ta bắt đầu đọc và học từ mẫu giáo, chúng ta đọc càng nhiều sách, sách càng khó, đồng thời kiến thức và trình độ nhận thức của chúng ta cũng dần được nâng cao.

Trí tuệ nhân tạo dựa trên máy học cũng vậy, chúng ta hy vọng trí tuệ nhân tạo càng cao thì càng cần tìm được nhiều chủng loại hơn, số lượng lớn hơn, dữ liệu chất lượng hơn để huấn luyện.

Trên thực tế, hiện tại, bản thân AI của nhiều công ty có rất ít khoảng cách về kiến trúc mô hình và thiết kế thuật toán, điều thực sự nới rộng khoảng cách là trình độ đào tạo, hay nói cách khác, lượng dữ liệu có thể được sử dụng để đào tạo mô hình AI của họ.

Vấn đề và điểm đau

Như đã đề cập trước đó, trí tuệ nhân tạo hiện tại yêu cầu một lượng lớn dữ liệu chất lượng cao thuộc các loại khác nhau để đào tạo, đây là chìa khóa để cải thiện hiệu quả mức độ thông minh và tầm quan trọng của nó thường vượt quá thiết kế của chính thuật toán. Nhưng có một vấn đề, đó là dữ liệu đến từ đâu?

Những gã khổng lồ Internet có lợi thế tự nhiên vì họ có nền tảng riêng và luôn thu thập dữ liệu người dùng, đồng thời những công ty này vẫn đang mở rộng lãnh thổ dữ liệu của mình thông qua một số lượng lớn các vụ mua lại và đầu tư.

Đối với những người bình thường chúng ta, vì đã quen với các mô hình kinh doanh có vẻ tự do từ lâu nên chúng ta không cảm nhận sâu sắc, trên thực tế, điều này đã dẫn đến ba vấn đề sâu xa.

Đầu tiên là vấn đề độc quyền AI do hiện tượng độc quyền dữ liệu mang lại. Những gã khổng lồ Internet đương nhiên có tài nguyên dữ liệu nên việc phát triển AI của riêng họ sẽ dễ dàng hơn và AI của họ cũng đương nhiên có mức độ thông minh cao hơn, điều này gây ra hiệu ứng Matthew trong lĩnh vực AI, cuối cùng thì toàn bộ AI sẽ cũng bị kiểm soát bởi những gã khổng lồ Internet này, lặp lại tình trạng hiện tại.Những sai lầm của thời đại Internet di động sẽ không chỉ là quyền định giá thực phẩm, quần áo, nhà ở và phương tiện đi lại của công chúng, mà cả việc ra quyết định và suy nghĩ của chúng ta cũng sẽ bị ảnh hưởng sâu sắc bởi những gã khổng lồ này.

Thứ hai là vấn đề trần AI do những lo ngại về quyền riêng tư dữ liệu mang lại. Đối với những người bình thường, hầu hết chúng ta chọn giao dịch dữ liệu để thuận tiện do không có khả năng quản lý dữ liệu cá nhân một cách có hệ thống, sự mất mát này bị ẩn và thường không rõ ràng, nhưng đối với các doanh nghiệp, hàng loạt dữ liệu khác như nghiên cứu khoa học, sản xuất, hoạt động, nhân sự và tài chính thực sự là những bí mật kinh doanh quan trọng nhất và rất ít công ty sẵn sàng chia sẻ dữ liệu cốt lõi của họ.

Do đó, chúng ta thường thấy rằng có các đảo dữ liệu giữa các bộ phận khác nhau của doanh nghiệp và giữa các doanh nghiệp với nhau. Ngay cả giữa những người khổng lồ Internet cũng sẽ có ranh giới lẫn nhau, dẫn đến một lượng lớn dữ liệu chất lượng cao giữa các danh mục bị đóng băng trong một thời gian dài và không thể được sử dụng để đào tạo AI, đây chắc hẳn là điểm mấu chốt hạn chế tương lai sự phát triển của AI.

Cuối cùng là các vấn đề về quyền sở hữu dữ liệu, quyền sử dụng và quyền hưởng dụng. Như đã đề cập trước đây, dữ liệu của mỗi người dường như không có nhiều giá trị, nhưng nằm trong tay của nhiều gã khổng lồ Internet khác nhau, thông qua dữ liệu của chúng tôi, một loạt hành vi như tài chính và thực hiện đã được thực hiện. dữ liệu thực sự có giá trị, nhưng ngày nay, do nhiều ràng buộc khách quan và sự thao túng chủ quan, những giá trị này đã bị lu mờ, thì trong thời đại bùng nổ dữ liệu trong tương lai, khi giá trị của dữ liệu không còn có thể bị bỏ qua, nếu điều này giá trị có thể được làm rõ và đảm bảo quyền Series, đây cũng là một vấn đề.

giải pháp

Không khó để thấy từ sách trắng PlatON 2.0 rằng tầm nhìn của PlatON là xây dựng một mạng lưới trí tuệ nhân tạo hợp tác phi tập trung và bộ não toàn cầu. Ý tưởng cốt lõi của nó là tận dụng dữ liệu, để thực hiện lưu thông dữ liệu tự do, sau đó đẩy nhanh đáng kể sự trưởng thành và ứng dụng của các thuật toán AI.

Đây là một giải pháp có hệ thống cho các vấn đề đã nói ở trên.

Có thể thấy bước đầu nhận thức được việc vốn hóa dữ liệu là nền tảng. Không còn nghi ngờ gì nữa, bản thân dữ liệu là một yếu tố sản xuất có giá trị, nhưng giá trị không có nghĩa là nó có thể được viết hoa. Có hai chìa khóa để viết hoa, một là xác nhận đúng và hai là bảo vệ. Đó là, làm thế nào để thiết lập quyền sở hữu dữ liệu và bằng cách nào để bảo vệ chủ quyền.

Tài sản thông thường có thể đạt được các mục tiêu trên thông qua các biện pháp pháp lý, nhưng đối với tài sản vô hình như dữ liệu, việc thông qua luật một mình sẽ khó hơn vì việc sao chép và phổ biến dữ liệu cực kỳ đơn giản và rất khó truy cứu trách nhiệm sau sự kiện, không đề cập đến sự kiện trước đó.

Do đó, nó đã trở thành một nhận thức chủ đạo để xác nhận và bảo vệ các quyền thông qua các phương tiện kỹ thuật và PlatON được hiện thực hóa dựa trên công nghệ điện toán bảo mật + chuỗi khối. Trong số đó, công nghệ điện toán bảo mật là chìa khóa để thực hiện xác nhận và bảo vệ quyền dữ liệu, và vai trò của chuỗi khối là tạo điều kiện thuận lợi cho việc lập lịch trình tài nguyên và lưu thông dữ liệu.

Do các chức năng khác nhau của ngăn xếp công nghệ, với mục đích tách rời khỏi kiến trúc, PlatON được phân tách thành ba lớp, mỗi lớp thực hiện nhiệm vụ của mình.

Lớp đầu tiên là lớp đồng thuận, nơi đặt ngăn xếp công nghệ chuỗi khối, bao gồm các nút, cơ chế đồng thuận và máy ảo hợp đồng thông minh;

Lớp thứ hai là mạng điện toán quyền riêng tư, là nơi đặt công nghệ điện toán quyền riêng tư, bao gồm các thuật toán và dữ liệu mà việc triển khai công nghệ quyền riêng tư dựa vào, cũng như các nút điện toán triển khai và thực thi các thuật toán cũng như các nút dữ liệu cung cấp dữ liệu. Tất cả các thuật toán đều dựa trên công nghệ mật mã. Bao gồm tính toán đa bên an toàn, mã hóa đồng cấu, bằng chứng không kiến thức, v.v.;

Lớp thứ ba là mạng AI hợp tác, nói trắng ra là một kệ chứa các mô hình AI, các mô hình AI này có thể được đào tạo dựa trên hai lớp trước đó, kệ này có thể được cập nhật liên tục.

đặc trưng

PlatON được định vị là một mạng máy tính AI riêng và cốt lõi của nó là máy tính riêng. Tuy nhiên, đồng thời, cần lưu ý rằng nó cũng là một nền tảng chuỗi công khai hoàn chỉnh Turing. Điều đó có nghĩa là, từ một điểm chức năng của xem, nó tương tự như Ethereum. , hỗ trợ máy ảo và hợp đồng thông minh. Tương tự về mặt chức năng có nghĩa là chúng sẽ gặp phải các vấn đề tương tự khi triển khai.

Đây là vấn đề mà Ethereum đã không thể tránh khỏi trong một thời gian dài, cũng là vấn đề ngày càng trở nên khó kiểm soát hơn sau sự bùng nổ của các ứng dụng khác nhau như DeFi và NFT trong hai năm qua. TPS, hoặc khả năng mở rộng.

Ethereum 2.0 sẽ sử dụng phân mảnh để cải thiện vấn đề này, hiện tại Ethereum 1.0 sử dụng layer2 để cải thiện vấn đề này.

Cụ thể, PlatON áp dụng cách tiếp cận theo lớp. Nói đúng ra, nó cũng là một giải pháp lớp 2. Cốt lõi vẫn là thông qua kiến trúc phân lớp được đề cập ở trên. Trong khi đạt được khả năng tách rời, nó cũng cải thiện đáng kể hiệu suất mạng tổng thể. Khả năng mở rộng theo chiều ngang. Trên chuỗi và ngoài chuỗi được liên kết bằng Máy tính có thể xác minh (VC) dựa trên mật mã, nghĩa là các tác vụ điện toán được cá nhân hóa cụ thể được thực hiện ngoài chuỗi và việc hoàn thành nhiệm vụ được xác minh trên chuỗi và đạt được sự đồng thuận trên toàn mạng. Dễ dàng mở rộng ngoài chuỗi, giảm việc chiếm dụng các tài nguyên khan hiếm trên chuỗi.

Quay lại điểm cốt lõi, điện toán riêng tư. Trên thực tế, điện toán riêng tư không phải là một công nghệ mới. Nghiên cứu về khía cạnh này đã diễn ra trong nhiều năm. Nhìn vào các dự án liên quan đến điện toán riêng tư hiện tại trong ngành, có thể chia ra các lộ trình kỹ thuật chung thành hai loại , một loại dựa trên phần cứng TEE (Môi trường thực thi tin cậy), trong đó TEE nổi tiếng là SGX của Intel; .

Ưu điểm của việc triển khai điện toán riêng tư dựa trên TEE là dễ triển khai trong kỹ thuật, nhưng nhược điểm là nó mang lại sự phụ thuộc tập trung vào các nhà sản xuất phần cứng và bị hạn chế bởi hiệu suất của chính TEE, vốn có vấn đề về khả năng mở rộng; điện toán riêng tư dựa trên công nghệ mật mã Ưu điểm của việc triển khai là an toàn hơn, không có sự phụ thuộc vào tập trung hóa và không gian có khả năng mở rộng cao hơn. cả hiệu quả và tính linh hoạt. Đi theo con đường mật mã đòi hỏi phải có đủ nền tảng nghiên cứu khoa học và nguồn tài trợ liên tục.

Trên đây đã sắp xếp các đặc điểm của PlatON2.0, tóm tắt ngắn gọn nội dung trong sách trắng là:

• Hỗ trợ máy ảo WASM và EVM, tương thích tốt với Ethereum;
• Kiến trúc hệ thống phân lớp tách rời on-chain và off-chain, với khả năng mở rộng hệ thống mạnh mẽ;
• Một giải pháp bảo vệ quyền riêng tư dựa trên công nghệ mật mã với giới hạn trên cao.

công cụ ngoại vi

Khái niệm máy tính riêng rất dễ hiểu và tiện ích của nó rất dễ chấp nhận.

Tuy nhiên, điều này không thay đổi được một sự thật tiềm ẩn rằng ngưỡng kỹ thuật của điện toán riêng tư thực sự khá cao, đối với những người thực hành AI thông thường, nếu họ muốn đạt được sự đào tạo mô hình AI thông qua điện toán riêng tư, họ cần phải có kiến thức liên quan đến AI, bạn cũng cần phải có thành tích cao về mật mã để tích hợp tốt khung bảo mật vào mô hình AI, điều này thực sự rất bất lợi cho việc quảng bá các ứng dụng điện toán bảo mật.

Vì vậy, đây là một đề cập riêng về Rosetta, khung phát triển AI về quyền riêng tư trong sách trắng. Theo tôi, Rosetta rất quan trọng. Mặc dù nó thực sự có thể tồn tại độc lập với mạng PlatON, nhưng dường như nó không có nhiều mối quan hệ, nhưng nó thực sự rất quan trọng để tăng tốc Về sự phát triển của toàn bộ hệ thống, nó rất quan trọng, vì vậy cần phải nói riêng về nó.

Nói một cách đơn giản, Rosetta thực sự là một khung xử lý dữ liệu lớn, chẳng hạn như TensorFlow, v.v.; các thuật toán AI thường được sử dụng, chẳng hạn như học máy thống kê, học sâu dựa trên mạng lưới thần kinh nhân tạo; các thuật toán mã hóa, chẳng hạn như điện toán đa bên an toàn , mã hóa đồng cấu; và Khung lập lịch trình phần cứng cơ bản được đóng gói và tích hợp với nhau, có xử lý tổng hợp bên trong và chỉ một số giao diện gọi thường được sử dụng được đưa ra bên ngoài, do đó, đối với các kỹ sư AI, khi phát triển các thuật toán AI, họ chỉ cần xem xét logic của công việc kinh doanh của riêng họ và gọi giao diện tương ứng để nhận ra nó mà không cần phải học các thuật toán mã hóa phức tạp hơn.

Trong tương lai, các nhà phát triển có thể sử dụng mạng điện toán bảo mật cấp hai của hệ thống để thuận tiện phát triển và đào tạo các mô hình AI của riêng họ thông qua Rosetta, đồng thời tải chúng lên mạng AI hợp tác cấp ba để sử dụng trong các ứng dụng cụ thể.

Kịch bản ứng dụng

Như đã đề cập trước đây, toàn bộ hệ thống nền kinh tế kỹ thuật số cần sự hỗ trợ của bảo vệ quyền riêng tư dữ liệu, bởi vì trong nền kinh tế kỹ thuật số, dữ liệu là tài sản có giá trị, hay trực tiếp hơn là được định giá. cần thiết.

Sách trắng liệt kê một số tình huống ứng dụng điển hình, bao gồm các điểm nóng liên quan đến ngành công nghiệp chuỗi khối, chẳng hạn như máy tiên tri và trò chơi chuỗi khối, cũng như y sinh học truyền thống, kiểm soát rủi ro tài chính và thành phố thông minh.

Vậy điện toán bảo mật sẽ được sử dụng trong phần nào của các tình huống ứng dụng này? Trên thực tế, không có ngoại lệ, chính trong liên kết cần có sự tương tác của nhiều bên.

Có một số trường hợp được đề cập trong sách trắng, vì vậy tôi sẽ không lặp lại chúng, tôi sẽ cố gắng mô tả chúng bằng các tình huống quen thuộc.

Ví dụ: đối với máy tiên tri, máy tiên tri là nguồn cung cấp thông tin cụ thể cho người dùng trên chuỗi. Tuy nhiên, đối với người dùng, bản thân hành động tiếp tục chú ý và lấy những dữ liệu đó đã là một loại quyền riêng tư và thậm chí có thể liên quan đến bí mật kinh doanh.Tại thời điểm này, việc bảo vệ quyền riêng tư là rất quan trọng.

Ví dụ, đối với trò chơi chuỗi, mọi người đều biết rằng một hướng của trò chơi chuỗi là metaverse. Metaverse cố gắng xây dựng một thế giới chân thực và nhập vai. Khôi phục trong thế giới ảo, nếu không có máy tính riêng tư để xác nhận và bảo vệ dữ liệu, chủ sở hữu dữ liệu trong thế giới thực có thể không sẵn sàng cung cấp dữ liệu thực sự có giá trị của họ.

Ví dụ, đối với y sinh học, một phần quan trọng của tiến độ chăm sóc y tế đến từ việc phân tích một số lượng lớn các trường hợp lâm sàng, thông thường, các bệnh viện lớn có rất nhiều dữ liệu trong lĩnh vực này, trong khi nhiều bệnh viện vừa và nhỏ tương đối khan hiếm. Từ góc độ quyền riêng tư của bệnh nhân và sự phát triển của chính họ, các bệnh viện thường không sẵn lòng chia sẻ những dữ liệu này, vì tính đặc thù của dữ liệu, một khi được chia sẻ sẽ mất kiểm soát, điều này phần lớn hạn chế sự phát triển của cấp độ y tế chung. quan tâm, và sau khi xác nhận và bảo vệ dữ liệu dựa trên điện toán riêng tư, có thể giải quyết vấn đề này;

Đối với kiểm soát rủi ro tài chính, về mặt lý thuyết, bạn càng có nhiều thông tin toàn diện về xếp hạng rủi ro của một người hoặc công ty thì kết quả đánh giá sẽ càng chính xác.

Vì vậy, đây là vấn đề. Ali có thể không có dữ liệu toàn diện hơn về kết nối mọi người so với Tencent và dữ liệu như tài sản và hành vi cũng có thể có sẵn trên các nền tảng khác ngoài nền tảng của Ali. Hiện tại, dữ liệu giữa các nền tảng Internet này thực sự bị ngắt kết nối, do đó, tính chính xác và tính linh hoạt của chân dung người dùng có thể thiếu.Ví dụ: tín dụng cao trên một nền tảng có thể không được nền tảng khác chấp nhận trực tiếp.

Nếu các tính toán về quyền riêng tư có thể được sử dụng để sử dụng toàn diện dữ liệu từ nhiều nền tảng mà không ảnh hưởng đến quyền riêng tư dữ liệu của tất cả các bên, thì có thể thu được bức chân dung phổ quát và chính xác hơn về mọi người, giúp cung cấp thông tin đối chiếu rủi ro theo cách được nhắm mục tiêu dễ dàng hơn.

Đối với thành phố thông minh, một trong những mục đích của việc xây dựng thành phố thông minh là làm cho các dịch vụ đô thị thuận tiện hơn, chính xác hơn, hiệu quả hơn và an toàn hơn. Để đạt được mục tiêu này, nó thường đòi hỏi sự hợp tác của nhiều cơ quan chính phủ và một số doanh nghiệp. Lấy ví dụ về an ninh đô thị, điều này đòi hỏi sự liên kết giữa camera Skynet của các bộ phận liên quan, camera giao thông đường bộ, camera tài sản dân cư, cảm biến phát hiện kim loại của các tổ chức thương mại khác nhau và dữ liệu liên lạc của người điều hành, để có thể phát hiện ngay các tình huống đáng ngờ và nguy hiểm Và theo dõi liên tục, ngăn chặn sự cố trước khi chúng xảy ra và các cảm biến này thuộc về các đối tượng khác nhau, cần phải bảo vệ quyền riêng tư của các dữ liệu cảm biến này bất kể để bảo vệ quyền riêng tư của công dân hay để xem xét các đối tượng khác nhau.

phần kết

Ước mơ là cần thiết, và kết quả cũng là cần thiết. Đối với tôi, điều tôi mong chờ nhất là sự ra mắt của mạng máy tính riêng vào cuối năm nay, theo tôi đây là năng lực cạnh tranh cốt lõi của PlatON.

Ở đây, bối cảnh AI về quyền riêng tư của PlatON sẽ tương đối rõ ràng. Đối với các tình huống cụ thể hơn, bạn cũng có thể đọc chi tiết trong sách trắng.

Cuối cùng, tôi muốn nói rằng những gì tôi đang nói ở đây là sách trắng của PlatON 2.0, và nó là lộ trình tổng thể về quyền riêng tư. Lộ trình này rất khó. Ai thực sự có thể đi đến cùng? Thành thật mà nói, tôi không biết Cái này cần vốn. Việc cùng nhau thúc đẩy kỹ thuật, công nghệ và kinh doanh cũng cần rất nhiều kiên nhẫn và bền bỉ, nhưng dù thế nào đi nữa, tôi tin rằng đây là hướng đi đúng đắn, cuối cùng sẽ có người đi xuống.

Nguồn: Lianwen

Tuyên bố miễn trừ trách nhiệm: Cointelegraph Chinese là một nền tảng thông tin tin tức blockchain và thông tin được cung cấp chỉ thể hiện quan điểm cá nhân của tác giả, không liên quan gì đến vị trí của nền tảng Cointelegraph China và không cấu thành bất kỳ lời khuyên đầu tư và tài chính nào. Độc giả được yêu cầu thiết lập các khái niệm tiền tệ và khái niệm đầu tư chính xác, đồng thời nâng cao nhận thức về rủi ro một cách nghiêm túc.