نگاهی دقیق‌تر به سیستم بلاکچین تایید شده توسط انسان در اینترلینک

InterLink به عنوان یک پروژه بلاکچین با تمرکز بر تأیید هویت انسان از طریق اسکن صورت و تشخیص زنده بودن، ظهور کرده است. این شبکه که توسط InterLink Labs راه‌اندازی شده است، با هدف ایجاد یک سیستم غیرمتمرکز که در آن هر شرکت‌کننده به عنوان یک شخص منحصر به فرد تأیید می‌شود، به مسائلی مانند تداخل ربات‌ها و حملات Sybil در محیط‌های Web3 می‌پردازد. این پروژه امنیت 20 میلیون دلار در اوایل سال جاری، در مرحله تأمین مالی اولیه، با حمایت سرمایه‌گذارانی از جمله Google برای راه اندازی و موناد. تا به امروز، بیش از ۲.۵ میلیون کاربر تأیید شده گزارش شده است که از زمان عبور از یک میلیون اسکن ثبت شده در ماه ژوئن، رشد مداومی را نشان می‌دهد. این گسترش نشان دهنده تلاش‌های مداوم برای ایجاد یک پایگاه کاربری جهانی است، اگرچه این پلتفرم هنوز در مراحل اولیه خود است.

چشم‌انداز اصلی: شبکه‌ای برای افراد واقعی

اینترلینک خود را به عنوان پایه و اساس یک «شبکه انسانی» قرار می‌دهد، جایی که افراد تأیید شده، ستون فقرات سیستم را تشکیل می‌دهند. گزارش رسمی این پروژه، هدف رسیدن به یک میلیارد شرکت‌کننده فعال را تشریح می‌کند و بر کاربردهای آن در هویت، حاکمیت و هماهنگی اقتصادی تأکید دارد. کاربران پس از یک فرآیند تأیید یک‌باره، به «گره‌های انسانی» تبدیل می‌شوند که هویت آنها را بدون نیاز به ذخیره‌سازی داده‌های شخصی روی زنجیره، به شبکه متصل می‌کند.

این رویکرد با بلاکچین‌های معمولی که در آن‌ها کیف پول‌های ناشناس به راحتی قابل تکثیر هستند، متفاوت است. در عوض، اینترلینک یک مدل هویت یک نفره را اجرا می‌کند. توسعه‌دهندگان می‌توانند این مدل را از طریق SDK احراز هویت انسانی ادغام کنند و به پلتفرم‌های خارجی اجازه دهند تا کاربران را بدون دسترسی به اطلاعات بیومتریک خام تأیید کنند. این چشم‌انداز به توزیع پاداش‌ها از طریق نوعی درآمد پایه جهانی که توسط هوش مصنوعی تأمین مالی می‌شود، گسترش می‌یابد، اگرچه جزئیات پیاده‌سازی در حال حاضر هنوز در حد یک طرح مفهومی است.

ساختار این شبکه شامل اجزای ماژولار است: یک لایه هویت، رابط‌های کاربری و یک بلاکچین برای مدیریت توکن. این شبکه به دنبال ایجاد مشارکت عادلانه در حوزه‌هایی مانند ایردراپ‌ها و استیکینگ است، جایی که حساب‌های جعلی اغلب نتایج را تحریف می‌کنند.

عناصر کلیدی: شناسه اینترلینک و گره‌های انسانی

در قلب این سیستم، InterLink ID قرار دارد که یک سیستم تأیید هویت مبتنی بر بیومتریک است. کاربران چهره خود را از طریق برنامه اسکن می‌کنند و الگوریتم‌های هوش مصنوعی، زنده بودن آن را بررسی می‌کنند تا از جعل‌هایی مانند عکس یا فیلم جلوگیری شود. پس از تأیید، شناسه به ویژگی‌های اکوسیستم دسترسی می‌دهد و کاربر را به یک گره انسانی تبدیل می‌کند.

گره‌های انسانی جایگزین سخت‌افزارهای سنتی استخراج با مشارکت انسانی می‌شوند. هیچ تجهیزات تخصصی مورد نیاز نیست؛ پاداش‌ها از فعال ماندن و مشارکت، مانند تعامل با مینی‌اپ‌ها یا اشتراک‌گذاری منابع، حاصل می‌شوند. این سیستم از اثبات شخصیت استفاده می‌کند و توکن‌ها را بر اساس تأیید و سطح فعالیت توزیع می‌کند. این روش در مقایسه با مدل‌های اثبات کار، مصرف انرژی کمتری را هدف قرار می‌دهد.

گره‌ها توکن‌های InterLink ($ITL یا $ITLG) را کسب می‌کنند و پاداش آنها به حضور و وظایفشان بستگی دارد. گره‌های غیرفعال برای حفظ سلامت شبکه با جریمه‌هایی از جمله سوزاندن توکن مواجه می‌شوند. رأی‌گیری اخیر DAO این مکانیسم را با حمایت ۷۲٪ از جامعه تأیید کرد. این مکانیسم، پاداش‌های در انتظار گره‌های غیرفعال را به صورت تصاعدی می‌سوزاند و در صورت صفر شدن موجودی، احتمالاً آنها را از شبکه جدا می‌کند.

اپلیکیشن اینترلینک و اکوسیستم گسترده‌تر

اپلیکیشن InterLink به عنوان نقطه ورود اصلی عمل می‌کند. این اپلیکیشن مدیریت شناسه، ردیابی توکن و دسترسی به مینی‌اپلیکیشن‌ها را در دسته‌هایی مانند اجتماعی، بازی و مالی مدیریت می‌کند. کاربران می‌توانند با انجام وظایف یا به اشتراک گذاشتن قدرت محاسباتی دستگاه، در عین حفظ حریم خصوصی داده‌ها، در آموزش هوش مصنوعی مشارکت کنند. یک داشبورد این مشارکت‌ها را پیگیری می‌کند و شفافیت را ارائه می‌دهد.

توسعه‌دهندگان از کیت توسعه مینی‌اپ (MDK) برای ساخت و استقرار برنامه‌ها استفاده می‌کنند. این بازار، برخلاف فروشگاه‌های سنتی اپلیکیشن، امکان انتشار مستقیم بدون نیاز به تأیید متمرکز را فراهم می‌کند. ابزارهای یکپارچه‌سازی مانند InterLink SDK از iOS، اندروید و وب پشتیبانی می‌کنند و کمک‌های مالی - تا سقف ۵۰۰ میلیون دلار ایتالیا - برای پروژه‌های متمرکز بر هوش مصنوعی در دسترس است.

فراتر از اپلیکیشن، اینترلینک با HumanPad، یک دستگاه پوشیدنی برای تأیید هویت در مناطقی که فاقد دوربین‌های با کیفیت بالا هستند، سخت‌افزار را نیز بررسی می‌کند. این دستگاه که اندازه‌ای شبیه به یک آی‌پاد شافل دارد، بر روی بیومتریک تمرکز دارد و می‌تواند دسترسی مالی را برای جمعیت‌های بدون حساب بانکی فراهم کند. این اکوسیستم همچنین شامل موارد زیر است: DEFI عناصر: یک کیف پول غیرمتمرکز، پرداخت‌های QR که ارزهای دیجیتال را به فیات تبدیل می‌کنند، و صرافی‌هایی برای معاملات لحظه‌ای، پل‌سازی و معاملات دائمی با اهرم.

پروژه‌های امیدبخش را کشف کنید...

پروژه‌های نویدبخش ...

(تبلیغات)

ادامه مقاله...

مبانی فنی: بیومتریک، حریم خصوصی و هوش مصنوعی

پایه فنی InterLink برای تأیید هویت، به بیومتریک‌های پیشرفته، همراه با اقدامات قوی حفظ حریم خصوصی و فرآیندهای مبتنی بر هوش مصنوعی برای تضمین امنیت و مقیاس‌پذیری متکی است. این سیستم با تشخیص چهره شروع می‌شود و از مدل‌های یادگیری عمیق مانند شبکه‌های عصبی کانولوشن (CNN) و مبدل‌های بینایی (ViTs) برای تجزیه و تحلیل اسکن‌های کاربر استفاده می‌کند. این مدل‌ها که از معماری‌هایی مانند XceptionNet و EfficientNet الهام گرفته شده‌اند، بر روی مجموعه داده‌های وسیعی از تصاویر واقعی و مصنوعی آموزش دیده‌اند. آن‌ها نشانه‌های ظریف تقلب، مانند بافت‌های غیرطبیعی پوست یا الگوهای نامنظم پلک زدن را تشخیص می‌دهند.

برای دنباله‌ای از فریم‌های چهره، مدل تشخیص، احتمال اصالت را محاسبه می‌کند و اساساً ورودی را از ۰ (احتمالاً مصنوعی) تا ۱ (معتبر) امتیازدهی می‌کند. این شامل تجزیه و تحلیل مکانی تصاویر منفرد و بررسی‌های زمانی در فریم‌ها، با استفاده از جریان نوری برای اندازه‌گیری ثبات حرکت است - انسجام کمتر اغلب دیپ‌فیک‌ها را نشان می‌دهد، زیرا محتوای تولید شده توسط هوش مصنوعی با دینامیک طبیعی مشکل دارد. تجزیه و تحلیل طیفی، الگوهای فرکانسی در تصاویر را بیشتر بررسی می‌کند و مصنوعات رایج در تصاویر جعلی را آشکار می‌کند. این مدل با به حداقل رساندن خطاها از طریق یک تابع زیان آنتروپی متقاطع دودویی، که پیش‌بینی‌ها را با برچسب‌های واقعی مقایسه می‌کند، خود را اصلاح می‌کند.

تشخیص زنده بودن، لایه دیگری را اضافه می‌کند و از کاربران می‌خواهد برای تأیید حضور در لحظه، اقداماتی مانند لبخند زدن یا پلک زدن انجام دهند. این قابلیت با نظارت بر سیگنال‌های فیزیولوژیکی مانند حرکات چشم یا ریز حالات چهره، تصاویر ثابت یا ویدیوهای از پیش ضبط شده را خنثی می‌کند. تمام پردازش‌ها به صورت محلی در دستگاه کاربر انجام می‌شود تا خطرات به حداقل برسد و فقط ویژگی‌های رمزگذاری شده برای تأیید ارسال می‌شوند.

حریم خصوصی در مرکز توجه قرار دارد و از طریق داده‌های بیومتریک رمزگذاری‌شده به آن پرداخته می‌شود. ورودی‌های خام، مانند اسکن‌های چهره، با استفاده از مدل‌هایی مانند ResNet یا ViTs به بردارهای ویژگی تبدیل می‌شوند. این بردارها تحت فرآیند salting و درهم‌سازی تصادفی تصویر قرار می‌گیرند تا اجزای مرتبط با هم از بین بروند و به دنبال آن، درهم‌سازی حساس به محل برای ایجاد کدهای دودویی انجام می‌شود که امکان تطبیق را بدون آشکار شدن کدهای اصلی فراهم می‌کند. اثبات دانش صفر (ZKPs) سپس این هش‌ها را با استفاده از طرح‌هایی مانند تعهدات پدرسن، که در آن یک مقدار پنهان اما قابل اثبات است، ثبت می‌کنند. در طول تأیید، کاربران اثبات‌هایی را تولید می‌کنند که بدون افشای داده‌ها، تطابق‌ها را نشان می‌دهند و در یک استخر گره غیرمتمرکز ذخیره می‌شوند.

پیشرفت‌های هوش مصنوعی این امر را تقویت می‌کنند: یادگیری خودنظارتی ویژگی‌ها را بدون برچسب استخراج می‌کند، حریم خصوصی تفاضلی برای جلوگیری از بازسازی، نویز اضافه می‌کند و شبکه‌های مولد تخاصمی (GAN) در برابر جعل آزمایش می‌شوند. نتیجه، رمزگذاری برگشت‌ناپذیر و قابل لغو است - در صورت به خطر افتادن، کاربران می‌توانند با یک تحول جدید دوباره ثبت‌نام کنند. این طراحی با به حداقل رساندن افشای داده‌ها و غیرمتمرکزسازی ذخیره‌سازی، خطرات نقض را کاهش می‌دهد و با GDPR و CCPA مطابقت دارد. این امر برنامه‌های کاربردی در امور مالی را برای ورود امن به سیستم، مراقبت‌های بهداشتی را برای تأیید بیمار و خدمات دولتی مانند بررسی رأی‌دهندگان فعال می‌کند.

ZKPها بخش عمده‌ای از این موارد را پشتیبانی می‌کنند و امکان اثبات اظهارات را بدون افشای جزئیات فراهم می‌کنند. آن‌ها کامل بودن (اظهارات درست، تأییدکنندگان را متقاعد می‌کنند)، صحت (اظهارات نادرست به ندرت این کار را انجام می‌دهند) و دانش صفر (بدون نشت اطلاعات اضافی) را برآورده می‌کنند. این پروتکل شامل مراحل تعهد، چالش، پاسخ و تأیید است. در InterLink، کاربران ویژگی‌هایی مانند سن را به صورت درون زنجیره‌ای از طریق zk-SNARKها یا zk-STARKها اثبات می‌کنند که اثبات‌های مختصر و امنیت پساکوانتومی را ارائه می‌دهند. چالش‌ها شامل سربار محاسباتی است که با بهینه‌سازی‌ها برطرف می‌شود و تنظیمات قابل اعتماد که با STARKها از آن‌ها اجتناب می‌شود.

یادگیری فدرال، مدل‌های هوش مصنوعی را بدون متمرکز کردن داده‌ها در دستگاه‌ها آموزش می‌دهد. در آموزش، دستگاه‌ها با استفاده از تعبیه‌های امن - نمایش‌های برگشت‌ناپذیر بیومتریک - به‌روزرسانی‌ها را محاسبه می‌کنند و فقط گرادیان‌ها را به یک تجمیع‌کننده ارسال می‌کنند که میانگین آنها را برای به‌روزرسانی مدل جهانی محاسبه می‌کند. این کار تابع زیان را در نمونه‌های توزیع‌شده بهینه می‌کند و همگرایی را تضمین می‌کند. تکنیک‌هایی مانند هرس مدل، سربار دستگاه‌های تلفن همراه را کاهش می‌دهد و کاربران در زمان‌های بیکاری، عضویت را انتخاب می‌کنند و پاداش می‌گیرند. مکانیسم‌های پشتیبان‌گیری، داده‌های رمزگذاری شده را در گره‌ها، با نظارت و بازیابی در زمان واقعی برای انعطاف‌پذیری، تکثیر می‌کنند.

در استنتاج، دستگاه‌های محلی اسکن‌های جدید را در جاسازی‌ها پردازش می‌کنند و مدل را برای پیش‌بینی‌ها، مانند امتیاز اصالت، اجرا می‌کنند و داده‌ها را خصوصی نگه می‌دارند. این امر منجر به تأخیر کم، مقیاس‌پذیری و استحکام می‌شود، به طوری که معیارها پذیرش کاذب زیر 0.001 و رد کاذب زیر 0.005 را نشان می‌دهند. در مقایسه با سیستم‌های متمرکز، تشخیص تقلب را از طریق داده‌های متنوع 20٪ بهبود می‌بخشد. مشوق‌ها، بر اساس اندازه نمونه و زمان اختصاص داده شده، مشارکت را 40٪ افزایش داده‌اند.

در مجموع، این عناصر یک دفاع چندلایه ایجاد می‌کنند. عملکرد در معیارها از دقت ۹۰٪ فراتر می‌رود و به‌روزرسانی‌های فدرال، سازگاری با تهدیدات جدید را تضمین می‌کنند. در حالی که آسیب‌پذیری‌هایی وجود دارد، این ترکیب هزینه‌های حمله را به میزان قابل توجهی افزایش می‌دهد و InterLink را به عنوان یک چارچوب هویتی مقیاس‌پذیر قرار می‌دهد.

اقتصاد توکن و ساختار مالی

اینترلینک استخدام می‌کند اقتصاد دو توکنی با $ITL و $ITLG، که برای جداسازی کاربرد از سرمایه‌گذاری و در عین حال پشتیبانی از انطباق و رشد اکوسیستم طراحی شده‌اند. $ITL در مجموع 10 میلیارد توکن دارد که توسط بنیاد InterLink به عنوان یک ذخیره استراتژیک مدیریت می‌شود. نیمی از این - 5 میلیارد - به دارندگان $ITLG اختصاص داده شده است و بقیه به رشد و ثبات نهادی کمک می‌کند. این توکن بر پشتیبانی گسترده‌تر شبکه، مانند توسعه‌های مالی و مشارکت‌ها تمرکز دارد.

ITLG$، با موجودی ۱۰۰ میلیارد، نشان‌دهنده مشارکت فعال انسانی است. هشتاد درصد آن برای ماینرهای گره انسانی تعیین شده است و به کاربران تأیید شده برای مشارکت در شبکه مانند فعالیت و اشتراک منابع پاداش می‌دهد. ۲۰ درصد باقی‌مانده، مشوق‌هایی از جمله کمک‌های مالی برای توسعه‌دهندگان و برنامه‌های اجتماعی را تأمین می‌کند. دارندگان می‌توانند صرفاً با نگه‌داشتن ITLG$، بدون نیاز به تبدیل، ITL$ کسب کنند و تعامل بلندمدت را تقویت کنند.

این مدل از رویه‌های رمزنگاری‌شده الهام گرفته شده است که در آن یک توکن به عنوان اوراق بهادار برای سرمایه‌گذاری عمل می‌کند و با مقررات SEC همسو است، در حالی که دیگری عملیات روزانه را پشتیبانی می‌کند. هدف این مدل ایجاد تعادل است: $ITLG مشارکت کاربر را در مینی‌اپ‌ها، پرداخت‌ها و لانچ‌پدها هدایت می‌کند، در حالی که $ITL پشتوانه‌ای برای توسعه فراهم می‌کند. هیچ مبادله مستقیمی بین توکن‌ها وجود ندارد و بر نقش‌های متمایز تأکید دارد.

این ساختار از اجزای DeFi مانند صرافی ITLX برای مبادلات لحظه‌ای، پل‌های بین زنجیره‌ای و معاملات دائمی با اهرم تا ۱۰۰ برابر پشتیبانی می‌کند. پرداخت‌های QR امکان تبدیل ارزهای دیجیتال به فیات را فراهم می‌کنند و پذیرش بازرگانان را تسهیل می‌کنند. توضیحات اخیر در اسناد پروژه، این جدایی را برای اطمینان از پایبندی به مقررات برجسته می‌کند، به طوری که $ITLG برای کاربردهای دنیای واقعی مانند توزیع کمک در مناطق بدون بانک در نظر گرفته شده است.

تخصیص‌ها، شمول را تشویق می‌کنند و پاداش‌های استخراج بر اساس ... اثبات شخصیت به جای سخت‌افزار. این به چشم‌انداز وسیع‌تر UBI با بودجه هوش مصنوعی مرتبط است، جایی که توکن‌ها ارزش را بین شرکت‌کنندگان تأیید شده توزیع می‌کنند. در حالی که جزئیات مربوط به واگذاری یا سوزاندن توکن‌ها در حال تکامل است، اقتصاد، عدالت را در اولویت قرار می‌دهد و حاکمیت جامعه بر تنظیمات تأثیر می‌گذارد.

نقشه راه: از راه‌اندازی تا مقیاس جهانی

طرح پنج ساله اینترلینک با محصولات اصلی در سال ۲۰۲۵ آغاز می‌شود: شناسه، اپلیکیشن، زنجیره، SDK، کیف پول و صرافی. این طرح ۱۰ میلیون کاربر تأیید شده، مدل‌های چهره برتر NIST و فهرست شدن توکن‌ها در صرافی‌های بزرگ را هدف قرار داده است. کارت اینترلینک برای پرداخت‌ها قرار است به سه میلیون کاربر برسد.

تا سال ۲۰۲۶، تمرکز به سمت عوامل هوش مصنوعی، شرکت‌های LLM اختصاصی و جوامع توسعه‌دهنده تغییر خواهد کرد. آماده‌سازی‌ها برای فهرست شدن در بورس اوراق بهادار ایالات متحده شامل حسابرسی‌ها و انطباق با الزامات SEC است. گسترش توکن، ده‌ها میلیون نفر را از طریق طرح‌های UBI در ۱۸۰ کشور تحت پوشش قرار می‌دهد.

از سال ۲۰۲۷ به بعد، اهداف شامل یک میلیارد کاربر، قرار گرفتن در جایگاه یک شبکه برتر مینی‌اپ و $ITLG به عنوان استاندارد پرداخت برای کمک به مناطق محروم است. زیرساخت قصد دارد ۱۰۰ میلیارد تأیید را انجام دهد و جایگزین روش‌های سنتی KYC شود.

نقاط عطف اخیر شامل همکاری با گوگل و AWS و کمپین‌های اجتماعی مانند جوایز و مسابقات ویدیویی برای افزایش تعامل است. این پروژه بر گوش دادن به بازخوردها تأکید دارد و به‌روزرسانی‌هایی مانند ویژگی‌های چت برای تعامل در لحظه ارائه می‌دهد.

با نگاه به آینده

اینترلینک به مسائل واقعی در اعتماد دیجیتال، از ربات‌ها گرفته تا حریم خصوصی، می‌پردازد. طراحی انسان‌محور آن می‌تواند از برنامه‌های وب ۳ عادلانه‌تر پشتیبانی کند، اما مقیاس‌پذیری بیومتریک در سطح جهانی با موانعی مانند دسترسی به دستگاه و تفاوت‌های نظارتی مواجه است. اهداف بلندپروازانه - یک میلیارد کاربر - در حال آزمایش هستند.

با تکامل بلاکچین، پروژه‌هایی مانند این، به سمت مشارکت تأیید شده حرکت می‌کنند. خوانندگانی که علاقه‌مند به عضویت هستند می‌توانند دانلود برنامه یا کاوش whitepaper برای جزئیات. اینکه آیا هویت را در وب ۳ تغییر شکل می‌دهد یا خیر، هنوز مشخص نیست، اما این چارچوب یک مسیر ساختاریافته رو به جلو ارائه می‌دهد.

منابع:

1. گزارش رسمی رسمی اینترلینک - توضیح مفصل مدل اثبات شخصیت InterLink، پیاده‌سازی فنی و اجزای اکوسیستم.
2. آزمایشگاه‌های اینترلینک سرمایه‌گذاری استراتژیک گوگل را تأیید کردند - مالی یاهو
3. بینش‌های مالی آزمایشگاه‌های اینترلینک – کریپتورنک