ما در این مقاله به بیان توضیحاتی در مورد محاسبات چند جانبه (MPC) و اثرات آن بر نوآوری بلاک چین پرداختیم. جلوتر ماندن فقط به پذیرش روندهای فعلی نیست. در مورد تشخیص موج بعدی نوآوری است. برای آشنایی بیشتر با مفهوم محاسبات چند جانبه با سایت ارز دیجیتال همراه باشید.
تکامل امنیت و حریم خصوصی بلاک چین
بلاک چین به یک سنگ بنای فناوری تبدیل شد. اما همانطور که رشد می کند، نیاز به حریم خصوصی نیز افزایش می یابد. Zero-knowledge Proofs (ZK) به عنوان یک راه حل ظاهر شد و یک بچه جدید در این بلوک به نام محاسبات چند جانبه (MPC) وجود دارد.
تصور کنید ثابت کنید رازی دارید بدون اینکه آن را فاش کنید. این ZK است که حریم خصوصی تراکنش را در یک سیستم شفاف تضمین می کند. اما، چالش های خود را دارد.
MPC را به عنوان گروهی از مردم در نظر بگیرید که یک پازل را بدون نشان دادن قطعات خود حل می کنند. در دنیای بلاک چین، اعتماد مهم است اما حفظ حریم خصوصی بسیار مهم است. MPC می تواند چشم انداز تازه ای ارائه دهد، که به طور بالقوه به کاربران اجازه می دهد هر دوی این نگرانی ها را برطرف کنند.
ZK در مقابل MPC: مقایسه ای کوتاه
در حوزه حریم خصوصی بلاک چین، دو رقیب برجسته هستند: ZK و MPC.
مدارک دانش صفر: ZK مانند عمل شعبده باز است که دانش را بدون فاش کردن راز اثبات می کند. برای حفظ حریم خصوصی تراکنش ها عالی است، اما می تواند منابع زیادی را به خصوص در شبکه های بزرگتر داشته باشد.
محاسبات چند جانبه: MPC در مورد همکاری است. آن را به عنوان یک گروه در نظر بگیرید که یک پازل را بدون نشان دادن تکه های خود کنار هم می چینند. کارآمد است، به خوبی مقیاس پذیر است و می تواند برای موارد استفاده خاص نسبت به ZK ساده تر شود. ZK با جادوی انفرادی خیره می شود، در حالی که MPC یک تلاش جمعی را هماهنگ می کند. انتخاب بین آنها به نیازهای خاص یک برنامه بلاک چین بستگی دارد.
موارد استفاده در دنیای واقعی: ترکیب MPC و بلاک چین
هنگامی که MPC با بلاک چین ملاقات می کند، این ترکیب تعداد بی شماری از برنامه های کاربردی را ایجاد می کند:
جلوگیری از پیشروی در DEX
MPC با مخفی کردن ایمن سفارشات تراکنش ها و پردازش آنها از اجرای اولیه جلوگیری می کند و اطمینان حاصل می کند که هیچ شرکت کننده ای نمی تواند تراکنش دیگری را قبل از اجرا مشاهده کند یا روی آن عمل کند.
تراکنشهای مالی
بانک ها می توانند به طور مشترک تقلب را شناسایی کنند و الگوها را بدون افشای جزئیات تراکنش های فردی تجزیه و تحلیل کنند.
مدیریت زنجیره تامین
برندها می توانند منشاء محصول را تأیید کنند و از صحت آن بدون افشای اسرار تجاری اطمینان حاصل کنند. این یک موهبت برای صنایعی است که شفافیت و رازداری باید در کنار هم وجود داشته باشند.
سیستم های رای گیری
MPC می تواند انقلابی در رأی گیری، از انتخابات ملی تا تصمیمات هیئت مدیره شرکتی ایجاد کند. رای دهندگان می توانند با اطمینان از شفافیت و حفظ حریم خصوصی رای خود را به صندوق بیندازند.
مراقبت های بهداشتی
موسسات تحقیقاتی می توانند داده های بیمار را برای مطالعات بدون به خطر انداختن حریم خصوصی افراد جمع آوری کنند. این می تواند گامی رو به جلو در تحقیقات پزشکی مشترک باشد.
تایید هویت دیجیتال
کاربران می توانند هویت خود را در پلتفرم های دیجیتال بدون افشای اطلاعات شخصی ثابت کنند و امنیت و حریم خصوصی آنلاین را افزایش دهند.
تجزیه و تحلیل مشارکتی
شرکت ها می توانند به طور مشترک روندها و اطلاعات بازار را بدون به اشتراک گذاشتن اطلاعات حساس تجاری تجزیه و تحلیل کنند و همکاری صنعت را تقویت کنند.
سرگرمی و رسانه
سازندگان محتوا می توانند از مدیریت حقوق دیجیتال اطمینان حاصل کنند و دسترسی کاربر را بدون به خطر انداختن حریم خصوصی کاربر تأیید کنند.
مشاور املاک
تراکنش های دارایی را می توان احراز هویت کرد و اطمینان حاصل کرد که همه طرف ها به تعهدات خود بدون افشای استراتژی های مذاکره خود عمل می کنند.
حراج های مخفی
MPC از یکپارچگی مزایده های مخفی اطمینان می دهد که قیمت ها را به صورت دسته جمعی بدون افشای هیچ پیشنهادی برای حراج دهنده یا سایر مناقصه دهندگان محاسبه می کند و تا پایان حراج محرمانه کامل حفظ می کند.
نظرسنجی های محرمانه
این امکان جمع آوری و تجزیه و تحلیل اطلاعات حساس را بدون افشای پاسخ های فردی فراهم می کند.
آموزش مشارکتی AI/ML
می تواند مدل های یادگیری ماشینی را بر روی اطلاعاتی که جمع آوری شدند بدون دسترسی مستقیم به اطلاعات زیربنایی آموزش دهد.
هدف گذاری تبلیغات بدون پروفایل
ایجاد تبلیغات هدفمند بر اساس معیارهای کاربر بدون افشای اطلاعات فردی کاربر.
کشف مواد مخدر
به اشتراک گذاری ایمن داده های شیمیایی و دارویی برای تحقیقات مشترک بدون افشای ترکیبات اختصاصی.
همانطور که MPC عمیق تر در بلاک چین ادغام می شود، افق احتمالات گسترش می یابد. این می تواند محیطی را ایجاد کند که در آن همکاری و حریم خصوصی مبادله نیستند بلکه شرکا هستند.
شفافیت و حریم خصوصی
در حالی که جامعه بلاک چین مدت هاست با چالش ایجاد تعادل بین شفافیت و حریم خصوصی دست و پنجه نرم می کند، MPC یک راه حل قانع کننده ارائه می دهد. این فقط مخفی کردن داده ها نیست. این در مورد محاسبه و همکاری بر روی داده ها بدون افشای آن است.
کارایی MPC، به ویژه در سناریوهایی که شامل چند ذی نفع است، آن را متمایز می کند. چه بانک ها به طور مشترک فعالیت های کلاهبرداری را شناسایی کنند یا شرکت هایی که در تجزیه و تحلیل داده ها بدون افشای اطلاعات اختصاصی همکاری می کنند، برنامه های MPC هم گسترده و هم همه کاره هستند.
همانطور که صنایع به طور فزاینده ای اهمیت حریم خصوصی داده ها را تشخیص می دهند، هم از منظر نظارتی و هم از منظر اعتماد مصرف کننده، گزینه هایی مانند MPC به یک راه حل بالقوه تبدیل می شوند. این روشی را برای استفاده از مزایای داده های مشترک بدون خطرات مرتبط ارائه می دهد.
تاریخچه مختصری از MPC
مفهوم محاسبات چند حزبی (MPC)، یک ستون اساسی در رمزنگاری، اولین گام های خود را در اوایل دهه 1980 برداشت، زمانی که اندرو یائو یک راه حل نظری برای سناریویی به نام مشکل میلیونرها معرفی کرد. این مشکل شامل راهی بود که میلیونرها بدون افشای ثروت واقعی خود، ثروتمندترین آنها را تعیین می کردند. تئوری یائو انقلابی بود: پیشنهاد می کرد که طرف ها می توانند به طور جمعی محاسباتی را روی ورودی های خود انجام دهند و در عین حال آن ورودی ها را مخفی نگه دارند و زمینه را برای پروتکل های پیچیده حفظ حریم خصوصی فراهم کند.
جلوتر از منحنی ماندن
در حوزه پویای بلاک چین، به راحتی می توان به چیزهای آشنا توجه کرد. اثبات های دانش صفر توجه زیادی را به خود جلب کرده اند، و به درستی. اما در این وسواس نسبت به ZK، یک خطر وجود دارد: نادیده گرفتن پتانسیل رو به رشد گزینه های دیگر.
جلوتر ماندن فقط پذیرش روندهای فعلی نیست. در مورد تشخیص موج بعدی نوآوری است. در اکوسیستم پر جنب و جوش بلاک چین، مدارک دانش صفر، محرمانه حفظ حریم خصوصی هستند. این رقابت بین ZK و MPC نیست. در حالی که ZK دفاع را مستحکم می کند، MPC مرزها را جابجا می کند و مزیتی را ارائه می دهد که در مورد تحت الشعاع قرار دادن نیست بلکه نوآوری است.
