Octra Network внедряет on-chain машинное обучение с полностью гомоморфным шифрованием (FHE), управлением и проверкой с нулевым разглашением, позволяя любому запускать приватные ML-инференции прямо на блокчейне.
Octra Network реализовала то, что большинство разработчиков блокчейнов считали недостижимым еще несколько лет назад. Полностью гомоморфный контракт для машинного обучения уже запущен в devnet. Без доверенных сред выполнения. Без сопроцессоров.
По словам @lambda0xE в X, команда разместила сложный контракт с поддержкой FHE прямо внутри состояния блокчейна. Как отметил lambda0xE в X, контракт управляет весами модели, инференсом, управлением и функциями казначейства — все в одном месте. Операции описываются как «чрезвычайно дешевые».
Обязательно к прочтению: От Legacy Rails к блокчейну: почему крупные банки делают ставку на токенизацию
Контракт принимает загрузку линейных весов модели прямо в свое внутреннее состояние. Затем пользователи выбирают один из двух режимов. Публичный инференс выполняет полный расчет открыто, веса умножаются на входные данные и добавляется смещение, все видно. Приватный инференс отличается.
В приватном режиме вся шифровка происходит на стороне клиента. Шифротексты передаются в контракт. Затем контракт вычисляет гомоморфно внутри текущего состояния. Как объяснил @lambda0xE в X, ни сеть, ни владелец контракта, ни любой другой участник не могут видеть открытые данные или пользовательскую информацию ни на каком этапе.
Что привлекло внимание широкой сообщества разработчиков — это утверждение о точности. Публичные и приватные результаты совпадают бит за битом. Никаких приближений. Точное арифметическое выполнение на всем протяжении.
Вам также может быть интересно: Финансирование ETH становится положительным, приток в размере 262 млн долларов прервал 35-дневное падение
Исходный код контракта находится публично на GitHub в репозитории octra-labs. Разработчикам, желающим протестировать его, потребуется обновленный webcli, доступный на octra-labs/webcli, а также финансированный кошелек. Адрес развернутого контракта активен на devnet.octrascan.io.
Развертывание не ограничивается приватным инференсом. @lambda0xE отметил в X, что вместе с ним работает пример управления, включающий предложения, голосования и выполнение, связанное с дедлайнами. Поддерживается мульти-моделирование, обработка скидок, управление казначейством с возможностью снятия средств и отката по контрольным точкам, а также система белого списка.
Также встроена проверка результатов с нулевым разглашением. Поддерживается пакетная загрузка весов через CSV.
Это выводит Octra в область, которой большинство блокчейн-сетей еще не касались. Приватное AI-инференсирование с управлением, работающее нативно на блокчейне, а не на внешних сервисах.
Рекомендуется к прочтению: Расширение Ripple XRPL на 550 млн долларов может стимулировать спрос на XRP
Согласно lite-бума Octra, сеть создана для поддержки именно таких вычислений на уровне состояния. Контракт ML с FHE — это ранняя демонстрация возможностей этой архитектуры. Разработчики на devnet теперь могут взаимодействовать с системой, где AI-инференс, механизмы управления и гарантии приватности работают внутри одного контракта.
Также смотрите: WildMeta интегрирует Aster DEX для расширения возможностей торговли криптовалютой Web3
Последствия выходят далеко за рамки собственной сети Octra. On-chain FHE ML с проверкой результатов с нулевым разглашением, если оно масштабируется, изменит представление о конфиденциальных вычислениях в блокчейнах. Нет зависимости от TEE. Нет компромиссов по приближениям.
Связанные статьи
Polkadot сбросит токеномику 12 марта с крупными изменениями в предложении DOT и стекинге
Директор Ripple выделяет новую веху в регулировании криптовалют в Великобритании - U.Today
PayPal и TCS представляют блокчейн-сеть для ускорения платежей за грузоперевозки
Molecule совместно с Bio Protocol запускает Science Beach, поддерживая сотрудничество AI-агентов и человека в научных исследованиях
Nansen запустил on-chain интеллектуальные сервисы для AI-агентов, поддерживающие три способа подключения и модель оплаты по мере использования