Privasea: Eksplorasi Inovatif NFTisasi Data Wajah

Belakangan ini, sebuah proyek pencetakan NFT wajah telah menarik perhatian luas. Proyek ini memungkinkan pengguna untuk memasukkan wajah mereka di aplikasi seluler dan mencetak data tersebut menjadi NFT. Konsep yang tampaknya sederhana ini telah menarik lebih dari 200.000 pencetakan NFT dalam waktu singkat, menunjukkan antusiasme yang luar biasa.

Tujuan dari proyek ini bukan sekadar mengubah data wajah menjadi NFT, tetapi bertujuan untuk memverifikasi apakah pengguna adalah manusia melalui pengenalan wajah. Praktik ini berasal dari tantangan serius yang dihadapi oleh internet saat ini: lalu lintas bot jahat.

Menurut data terbaru, robot menyumbang 42,1% dari lalu lintas internet, di mana 27,5% merupakan lalu lintas berbahaya. Robot berbahaya ini dapat menyebabkan keterlambatan layanan, sistem crash, dan secara serius mempengaruhi pengalaman pengguna. Dalam situasi seperti pembelian tiket, program otomatis bahkan membuat pengguna biasa hampir tidak memiliki peluang.

Untuk menghadapi tantangan ini, berbagai cara seperti verifikasi identitas nyata dan kode verifikasi perilaku di lingkungan Web2 telah diterapkan untuk membedakan antara manusia dan mesin, sementara server melakukan penyaringan fitur untuk melakukan intersepsi. Namun, seiring dengan perkembangan pesat teknologi AI, metode verifikasi tradisional sudah tidak memadai. Alat verifikasi secara bertahap telah ditingkatkan dari deteksi fitur perilaku menjadi deteksi fitur biomimikri, bahkan deteksi fitur biologis.

Web3 juga menghadapi kebutuhan untuk pengenalan manusia dan mesin. Dalam skenario seperti airdrop proyek, perlu untuk mengidentifikasi pengguna yang nyata untuk mencegah serangan penyihir. Untuk operasi berisiko tinggi, seperti login akun, penarikan dana, transaksi, dll., perlu untuk memastikan bahwa operator bukan hanya manusia, tetapi juga pemilik akun.

Namun, mewujudkan fungsi-fungsi ini dalam lingkungan Web3 yang terdesentralisasi menghadapi banyak tantangan: bagaimana cara membangun jaringan komputasi pembelajaran mesin yang terdesentralisasi? Bagaimana melindungi privasi data pengguna? Bagaimana menjaga operasi jaringan?

Untuk mengatasi masalah ini, Privasea mengajukan solusi inovatif. Mereka membangun Privasea AI Network berdasarkan teknologi enkripsi homomorfik sepenuhnya (FHE) untuk memberikan dukungan komputasi privasi bagi aplikasi AI di lingkungan Web3.

Privasea telah mengoptimalkan FHE tradisional dan mengembangkan perpustakaan HESea, yang membuatnya lebih cocok untuk skenario pembelajaran mesin. Perpustakaan ini dibagi menjadi lapisan aplikasi, lapisan optimasi, lapisan aritmatika, dan lapisan dasar, di mana masing-masing lapisan bertanggung jawab atas fungsi yang berbeda, menyediakan solusi yang fleksibel dan efisien.

Arsitektur Jaringan Privasea AI terdiri dari empat peran: pemilik data, node Privanetix, dekriptor, dan penerima hasil. Jaringan memastikan pemrosesan data yang aman dan perlindungan privasi melalui serangkaian langkah, mulai dari pendaftaran pengguna hingga pengiriman hasil.

Untuk mendorong partisipasi jaringan, Privasea meluncurkan WorkHeart NFT dan StarFuel NFT, yang menggunakan mekanisme PoW dan PoS ganda untuk pengelolaan node dan distribusi hadiah. Desain ini tidak hanya menjamin stabilitas jaringan, tetapi juga menyeimbangkan distribusi sumber daya ekonomi.

Meskipun teknologi FHE menunjukkan kinerja yang luar biasa dalam melindungi privasi data, masih ada tantangan dalam efisiensi komputasi. Dalam beberapa tahun terakhir, melalui optimasi algoritma dan percepatan perangkat keras, kinerja FHE telah meningkat secara signifikan, tetapi masih ada kesenjangan dibandingkan dengan komputasi plaintext.

Meskipun demikian, solusi inovatif Privasea membuka jalur baru untuk integrasi mendalam antara Web3 dan AI. Seiring kemajuan teknologi yang terus berlanjut, Privasea diharapkan dapat memainkan peran potensial di lebih banyak bidang, menjadi pelopor dalam komputasi privasi dan aplikasi AI.