flipkart|斯坦福开发的金融公链Findora,主打隐私计算


flipkart|斯坦福开发的金融公链Findora,主打隐私计算
文章图片
当对区块链的底层基础设施的关注都聚焦在性能上时 , 也就意味着对其他领域的失焦 , 比如隐私计算 。 Web 3.0的核心是将数据所有权和应用程序逻辑相分离 , 区块链作为去中心化网络带来了这种可能性 。
值得注意的是 , 公链是建立在公共无需许可基础架构之上的 , 所以数据没有隐私保护且永久存储 。 因此公链要想通往Web 3.0 , 就必须解决数据隐私的挑战 。 其实不止是区块链需要隐私计算 , 整个互联网生态也都亟需隐私计算的重构 , 尤其是当数据被定义为“新型生产要素” 。
在隐私计算这条目前尚未被广泛重视的赛道上 , Findora无疑是为数不多的明星之一 。
隐私计算:价值万亿的市场
无论是对于互联网还是区块链 , 用户数据都没有隐私可言 。 不过大多数人都会默认这一现象的存在 , 并觉得解决它太过于遥远而潜意识地避开 , 就像对房间里的大象视而不见 。
现实是随着“软件吞噬世界” , 数据开始成为新型生产要素 。 当社会的数据资源以孤岛的形式掌握在少数私人企业那里时 , 一定会有政策、技术来倒逼数据革命 。 所以能够兼顾数据价值挖掘和隐私保护(也“可用不可见”)的隐私计算 , 成为了信息科技领域最前沿的趋势之一 。
全球领先的信息技术研究和顾问公司Gartner认为:到2025年至少有一半的大型企业机构使用隐私计算 , 以在不受信任的环境和多方数据分析用例中处理数据 。 如果说“灰犀牛”是指人们习以为常但又会大概率发生的风险 , 那么隐私计算则是人们习以为常但又会大概率发生的机遇 。
很多人都想当然地以为隐私计算还只是一种遥远的美好愿景 , 事实上自2020年以来 , 隐私计算就已经从愿景走向落地 。 比如一家基因检测公司 , 用户在进行基因测序后得到的原始数据是由用户本人拥有 , 而公司只能在经过用户允许的前提下对特定数据进行分析然后得到对应结果 。
值得强调的是 , 公司只能得到对应结果而无法了解原始数据 , 并且用户还可以在保护隐私的前提下 , 将部分数据售卖给第三方做研究 , 从而让数据实现高效流通 。 比如他们可以将数据交由Findora进行存储和安全保护 。 虽然这只是隐私计算在特定场景的一个应用案例 , 但随着场景不断落地 , 我们会看到一个跨场景的数据交换市场形成 。
按照IDC发布的预测 , 2025年数据市场规模将接近2万亿元 , 那么基于隐私计算的数据市场将占据多少市场份额?
Findora:用技术解锁数据市场
从技术实现的角度来看 , 中心化的第三方隐私计算平台已经可以解决很多数据场景了 。 不过从信息技术的发展趋势来看 , 隐私计算的未来一定是去中心化的 。 作为隐私计算公链的Findora , 因为区块链防篡改和可溯源的特性 , 可以完整地实现数据机密存储、隐私保护访问和审计 。
与其他同行不同的是 , Findora构建和优化了多个独具创新性的零知识证明算法系统——Plonk Marlin、Supersonic以及BulletProofs , 还积极改进和产业化Plonk和Marlin等zkSnarks系统以及Recursive SNARKs的开发应用 。 BulletProofs , 一种新型定位的轻量化零知识证明 , 为Findora构建可选择的隐私提供底层支持 。 在交易转账的过程中只需要在链上通过零知识证明算法的验证即可确保交易的正确性和网络的安全性 , 不需要公开余额 , 可用于隐藏普通交易中的交易金额 , BulletProofs相对于zk-SNARKs隐私效率更高 。
【flipkart|斯坦福开发的金融公链Findora,主打隐私计算】Supersonic是Findora首创的不需要可信设置且高效的SNARKs , 指一类无需信任设置的ZKSNARKS , 可用于隐匿复杂交易中的信息, 能够满足更高复杂度的应用场景 , 例如涉及到监管和可审计性 , 并构建一种可选择性隐私 。 Findora构建的隐私既满足用户对于匿名性的需求以及对于隐私保护的需求 , 同时也满足机构对于审计的需求 , 比如偿付能力证明、白名单资产证明、余额范围证明、偿付能力证明等 , 兼顾隐私与可审计 。 所以从隐私性上看 , Findora与Web3.0的应有需求更匹配 。 多个创新性的零知识证明算法 , 以及 RSA 密码学累加器 , 大大提高了Findora的效率 , 并降低了存储要求 。 在此前的测试网的测试结果来看 , 一般硬件测试条件下 Findora的TPS能够达到 5000 以上 。