paint-brush
Տվյալների ամբողջականություն. ինչ է դա և ինչու է դա կարևոր:կողմից@horizen
164 ընթերցումներ

Տվյալների ամբողջականություն. ինչ է դա և ինչու է դա կարևոր:

կողմից Horizen4m2024/11/27
Read on Terminal Reader

Չափազանց երկար; Կարդալ

Հորիզեն 2.0-ը նպատակ ունի ապահովել տվյալների ամբողջականության ապահով և ծախսարդյունավետ լուծումներ: Zero-Knowledge (ZK) տեխնոլոգիան առաջարկում է խոստումնալից լուծում՝ ստուգելով տվյալները՝ առանց դրանք բացահայտելու: ZK տեխնոլոգիան բախվում է մասշտաբայնության, ծախսերի և ինտեգրման մարտահրավերների, մասնավորապես՝ առկա բլոկչեյն ստանդարտների հետ կապված:
featured image - Տվյալների ամբողջականություն. ինչ է դա և ինչու է դա կարևոր:
Horizen HackerNoon profile picture
0-item
1-item

TD;DR

  • Տվյալների վատ որակը բիզնեսներին տարեկան միլիարդներ է նստում և խաթարում է վստահությունը տվյալների վրա հիմնված որոշումների, AI մոդելների և Մեծ տվյալների վերլուծության նկատմամբ:


  • Zero-Knowledge (ZK) տեխնոլոգիան առաջարկում է խոստումնալից լուծում՝ ստուգելով տվյալները՝ առանց դրանք բացահայտելու, սակայն այն բախվում է մասշտաբայնության, ծախսերի և ինտեգրման մարտահրավերների, մասնավորապես՝ առկա բլոկչեյն ստանդարտների հետ կապված:


  • Horizen 2.0-ը ի հայտ է գալիս որպես խաղի փոփոխող ZK հավելվածների համար՝ լուծելով այս մարտահրավերները պարզեցված ապացույցների ստուգման, ամուր անվտանգության և մշակողների համար հարմար գործիքների միջոցով:


  • Զարգացնելով ZK տեխնոլոգիան՝ Horizen 2.0-ը նպատակ ունի ապահովել տվյալների ամբողջականության ապահով և ծախսարդյունավետ լուծումներ՝ հզորացնելով ծրագրավորողներին, բիզնեսներին և սպառողներին AI և Big Data դարաշրջանում:

Վատ տվյալները ավելի թանկ են, քան դուք կարող եք մտածել:

Ըստ Gartner-ի ՝ տվյալների վատ որակը կազմակերպություններին արժենում է տարեկան միջինը 12,9 միլիոն դոլար: Ըստ IBM Big Data & Analytics Hub-ի, դա հավասար է ԱՄՆ տնտեսության մոտ 3,1 տրիլիոն դոլարի ծախսին:


Թեև շատերը կարծում են, որ տվյալների վատ ամբողջականությունը պայմանավորված է չարամիտ ծրագրերով, դա պատմության ավելի փոքր մասն է: Սխալների մեծ մասը պայմանավորված է ներքին և ոչ միտումնավոր պատճառներով, ինչպիսիք են տվյալների հավաքագրման սխալները, ձևաչափման անհամապատասխանությունները և մարդկային սխալները:

Տվյալների ամբողջականությունը դառնում է ավելի ու ավելի կարևոր, քանի որ մենք մտնում ենք AI-ի դարաշրջան:

AI մոդելները պահանջում են հսկայական քանակությամբ տվյալների մուտքագրում, և եթե այդ տեղեկատվությունը մուտքագրվում է ոչ ճշգրիտ, այն ի սկզբանե թերի կլինի: Ինչպես ասվում է, «աղբը նշանակում է աղբ դուրս հանել», բացի արհեստական ինտելեկտի դեպքում, ստուգում պահանջող տվյալների քանակն էքսպոնենցիալ ավելի մեծ է:


Տվյալների ամբողջականությունը պահպանելու համար կարևոր է ապահովել տվյալների մուտքագրման, ինտեգրման և բաշխման վավերականությունը, հետևողականությունը և ամբողջականությունը: Տվյալների ամբողջականությունը ներառում է նաև տվյալների պաշտպանություն՝ ապահովելով տվյալների պաշտպանությունը չարտոնված օգտվողներից և համապատասխանությունը կարգավորող մարմիններին:


Այսպիսով, ինչպե՞ս ենք մենք ստուգում ամեն օր արտադրվող 402,74 միլիոն տերաբայթ տվյալները: Այս հոդվածը կվերանայի.

  • տվյալների ամբողջականության մարտահրավերները,
  • ZK ապացույցները որպես հնարավոր լուծում,
  • ZK ապացույցների սահմանափակումները
  • և ինչպես մենք կարող ենք դիմել դրանց՝ մատչելի, մասշտաբային և ապահով լուծում մշակելու համար, քանի որ սա միակ ճանապարհն է, որով կազմակերպությունները կարող են արդյունավետորեն կիրառել նորարարական տեխնոլոգիան:

Չկա վստահություն առանց ամբողջականության, և նույնը վերաբերում է տվյալներին:

Տվյալների վրա հիմնված ընկերությունների գրեթե 67%-ը չի վստահում իրենց տվյալների որակին, համաձայն LeBow College of Business-ի զեկույցի: Սա խանգարում է նրանց որակյալ, խելացի բիզնես որոշումներ կայացնելուն, AI մոդելների արդյունավետ օգտագործմանը կամ Big Data-ից օգուտ քաղելուն:


Տվյալների հավաքածուների սպառնալիքները ներառում են.

  • Մարդկային սխալ. կարևորագույն տվյալների ջնջում կամ ոչ ճշգրիտ տվյալների մուտքագրում:
  • Տարբեր ձևաչափերի անհամապատասխանություններ. ինտեգրում պահանջող համակարգերում միևնույն տվյալների հետևելը տարբեր կերպ:
  • Հավաքագրման սխալ՝ թերի կամ ոչ ճշգրիտ տվյալների հավաքում:
  • Կիբերանվտանգություն և ներքին խախտումներ. չարամիտ գործող անձինք գողանում կամ փչացնում են տվյալները:


Այս սպառնալիքներն ընդլայնվում են, երբ տվյալները համօգտագործվում են բազմաթիվ համակարգերում՝ ներքին կամ արտաքին: Եվ արժե զգալիորեն ավելի շատ, որքան մեծանան տվյալների հավաքածուները: Այս ամենը նախքան տվյալների խախտման հետևանքով որևէ համապատասխանության կամ կարգավորող տուգանքի հաշվի առնելը:

Այսպիսով, ինչպե՞ս ենք մենք լուծում այս բազմտրիլիոն դոլարանոց խնդիրը:

Zero-Knowledge (ZK) տեխնոլոգիան լուծումներից մեկն է, որն ավելի ու ավելի տարածված է դառնում:


ZK-ի ապացույցները կարող են ստուգել տվյալների մի մասի մասին գիտելիքները՝ առանց ինքնին տվյալների բացահայտման: ZK-ի ապացույցների հիմնական առավելություններից մեկն այն է, որ այն պահպանում է գաղտնիությունը նույնիսկ թափանցիկ համակարգերում, ինչպիսին է հանրային բլոկչեյնը (այսինքն՝ Ethereum):


Այս տեխնոլոգիան անհամար կիրառություններ ունի իրական աշխարհում, և մենք տեսնում ենք, որ նոր օգտագործման դեպքեր են հայտնվում, երբ որդեգրումն ավելի տարածված է դառնում: Դրանք տատանվում են՝ սկսած ինքնության կառավարումից (կարողանալով հաստատել, որ տարիք եք, կամ ճիշտ անձնավորություն եք, և այլն՝ առանց ձեր ինքնությունը բացահայտելու), մասնավոր գործարքներ (դրամապանակը և ֆինանսական գործարքները գաղտնի պահելը), մատակարարման շղթայի հետագծելիությունը և այլն։ .


ZK ապացույցների հետ կապված մարտահրավերն այն է, որ դրանք ռեսուրսներ են պահանջում: Դրանք ի սկզբանե մասշտաբելի չեն, և ստուգումները կարող են բավականին ծախսատար լինել, և այդ ծախսերը միայն կմեծանան, երբ AI մոդելները կդառնան ավելի հիմնական:


Web3 տարածության ճնշող մեծամասնությունը կառուցված է EVM-ի հետ համատեղելի հավելվածների վրա. Այնուամենայնիվ, EVM ստանդարտը ի սկզբանե նախագծված չէր ZK-ի հնարավորություններով, ինչը պահանջում էր գործիքների և արձանագրությունների նոր հավաքածու ZK հավելվածներ ստեղծելու համար (որոնք EVM-ին համատեղելի չեն):


Ցավոք, այս առաջընթացները գալիս են մի նախազգուշացումով. տարբեր ծրագրավորման լեզուների, ինտերֆեյսների և գործիքների անհրաժեշտություն, որոնք կարող են խոչընդոտ ստեղծել ավելի լայն Web3 համայնքում հաղորդակցության և մասնատման համար:

Horizen 2.0 . Blockchain օպտիմիզացված ZK հավելվածների համար

ZK dApps-ի մշակողները հաճախ հանդիպում են դժվարությունների՝ գրելու և ստուգելու ստուգիչի պայմանագրերը, որոնք էական նշանակություն ունեն ZK-ի ապացույցները վավերացնելու համար: Այս մաքսային պայմանագրերը ոչ միայն բարդ են, այլև հակված են խոցելիության, որոնք կարող են շահագործվել:


Ավելի պարզ և անվտանգ լուծման անհրաժեշտությունը հանգեցրել է Horizen 2.0-ի զարգացմանը, որն առաջարկում է ներկառուցված նախապես կազմված պայմանագրեր՝ ապացույցների ստուգման համար՝ այդպիսով նվազեցնելով զարգացման ծախսերը և բարձրացնելով անվտանգությունը:


Horizen-ի հայրենի Layer 1 ճարտարապետությունը պահպանում է ամբողջական ապակենտրոնացումը սեփական ցանցի և ենթակառուցվածքի միջոցով՝ ապահովելով կայուն անվտանգություն և անխափան շահագործում:

Տվյալների ամբողջականությունը կենսական նշանակություն ունի տվյալների վստահության և բիզնեսի շարունակականության համար. Horizen-ը պատրաստվում է դա իրականություն դարձնել

Տվյալների ամբողջականության մարտահրավերները մեծանում են մեծ տվյալներից և AI-ից մեր կախվածությանը զուգահեռ: Նոր տեխնոլոգիաները մշտապես առաջանում են, որոնք կօգնեն լուծել տվյալների ամբողջականության խնդիրը, ինչպես ZK ապացույցները, բայց դրանք զերծ չեն իրենց սահմանափակումներից:


Horizen-ը սկսեց իր ճանապարհորդությունը դեպի ZK տարածություն 2017-ին և այդ ժամանակվանից հասկացավ և ձեռնամուխ եղավ լուծելու այս սահմանափակումները, որպեսզի ցանկացած մշակող, որը ցանկանում է օգտագործել ZK տեխնոլոգիան, կարողանա դա անել ապահով, արդյունավետ և առանց ZK-ի ապացույցների հետ կապված ծանր ծախսերի:


Horizen 2.0-ը կլինի նոր սահման ZK տեխնոլոգիայի համար և տարածք, որտեղ նորարար մշակողները կարող են ընդգծել իրենց ստեղծագործական ունակությունները, կազմակերպությունները կարող են օգտվել տվյալների ավելի լավ որակից, իսկ սպառողները կարող են վստահ լինել իրենց տվյալների գաղտնիության մեջ:


Հետևեք Հորիենին X-ում

Միացեք Discord համայնքին