FX168财经网_全球视野外汇黄金加密货币NFT资讯网

金色财经2023-05-25

局的发展，重要的是要随时了解情况并调整交易策略以驾驭比特币价格波动的动态特性。. 今天的分享就到这里，后期会给大家带来其他赛道的龙头项目分析。感兴趣的可以点个关注。我也会不定期整理一些前沿资询和项目点评，欢迎各位志同道合的币圈人一起来探索。有问题可以评论提问或者私信来源：金色财经

金色财经2023-05-25

CPT Markets:现在进场还来得及? 巴菲特加码，日股热潮再现!

政策没有急速转变的情况下，对于投资者的交易策略会较好拟定，操作过程会较有安心感。CPT Markets分析师指出，其实不仅仅是巴菲特，只要外资企业能够利用日圆来筹措资金，那么日本与国外金融市场便能产生良好的接点，也就是说，当外资企业投资日本越多，对日本经济的益处就会越大。除此之外，CPT Markets分析师表示，目前日股基本面较其他海外市场更为稳健，再加上日本政府实行结构性改革的预期作用，倘若政府、监管机构、交易所与国内外投资者的利益能够完美配合，那么日股有望托政策推动的良好影响，巧遇十年一遇的牛市行情。 CPT Markets风险提示及免责条款 : 以上文章内容仅供参考，不作为未来投资建议。CPT Markets 发布的文章主要根据国际财经数据报告及国际新闻为参考依据。

CPT_Markets2023-05-25

【比特日报】突发行情！比特币跌穿2.6万、以太币下探1760美元 “全网爆仓1.58亿”上演大跳水

89 支撑位：26182 25977 交易策略：26531下方看跌，目标26182 25977 (来源:CMTrade)

小萧2023-05-25

easyMarkets易信：2023年5月25日市场短线追求美元流动性，美元指数上涨，风险资产回落

看布林线开口向下，MACD在低位震荡。交易策略，鉴于上下方位置重要性，可以尝试高抛低吸交易，突破关键位置，则反手追单。英镑虽然英国CPI数据向好，但是市场关注于追求美元流动性，英镑经历短暂反弹后冲高回落。目前还不能判断美元走强逻辑是否已经结束，日内的美国数据结果可能对美元表现产生影响。在消息出来前，可能英镑会维持略微偏弱的走势，在消息出来后，英镑波动幅度会加大。技术上欧元上方1.239附近是压力，突破看1.242附近，支撑是1.233附近，破位看1.23美元附近。指标看布林线开口略向下，MACD处于0轴附近震荡。交易策略，鉴于上下方位置重要性，可以尝试高抛低吸交易，突破关键位置，则反手追单。黄金黄金呈现横盘，不过美元短线的强势对于黄金形成一定压力，下方支撑是否能有效还有待观察。一方面如果美元指数持续强势，黄金面临破位下跌的可能。另一方面市场等待消息面的进一步指引，横盘只是中继形态，为后市的方向选择积累动能。日内关注晚间美国数据的结果，可能对美元造成的影响，短线看美元和黄金关系处于负相关关系状态。技术上黄金上方1970美元附近是压力，突破看1980美元附近，支撑是1953美元附近，破位看1940美元附近。指标看布林线开口横盘，MACD处于低位震荡。交易策略，鉴于上下方位置重要性，可以尝试高抛低吸交易，突破关键位置，则反手追单。今日重点关注的财经数据与事件：2023年5月25日周四 ① 14:00 德国6月Gfk消费者信心指数 ② 14:00 德国第一季度未季调GDP年率终值 ③ 18:00 英国5月CBI零售销售差值 ④ 20:30 美国至5月20日当周初请失业金人数 ⑤ 20:30 美国第一季度实际GDP年化季率修正值 ⑥ 22:00 美国4月成屋签约销售指数月率 ⑦ 22:30 美国至5月19日当周EIA天然气库存风险警示：远期汇率协议、期权和差价合约（OTC 场外交易）属于杠杆产品，存在较高的风险，可能会导致亏损您投入的本金，未必适合每个人。请确认您完全了解这些产品交易涉及的风险，不要投入超出您亏损承受能力的资金。本集团公司已通过旗下子公司获得塞浦路斯证券和交易委员会（已通过欧盟金融工具市场法规MiFID的认证）的执照（Easy Forex Trading Ltd- CySEC 执照号为079/07）以及澳大利亚证券和投资委员会（ASIC）的执照（easyMarkets Pty Ltd - AFS 执照号为246566）。免费电话： 4001203050 微信：easyMarketsCS 官网：https://chn.easymarkets.com/syc/zh-hans/ 或扫描后为您服务 2023-05-25

易信easyMarkets2023-05-25

2023年加密货币交易首选FameEX平台——零事故更安全

普及加密货币交易基础，讲解加密货币基础交易策略，帮助大家更好步入加密领域。比特币专业定义已经有太多专业诠释，在此小编不做过多赘述，除了比特币之外，ETH、LTC、CAKE、SOL、SUSHI、DOGE、MATIC、ADA、DYDX也是目前市面上常见的数字货币种类。与传统金融一样，每一种数字货币可看作是一种电子商品，能在各个数字货币交易平台进行交易。大量加密货币存储与流转，促使“零事故、高安全”成为评判各家交易所优劣的重要指标。历数各家数字货币交易所，除FameEX等少量交易所之外，几乎都出现过资产被盗、私钥丢失、服务宕机等类似安全事故，极大影响用户交易体验，也造成众多用户加密资产损失。而FameEX之所以能成为业内交口称赞的“零事故、高安全”交易平台风向标，主要在以下七个层面，为用户保驾护航。攻击防护层面：自加密货币诞生以来，各类网络攻击层出不穷，尤其是交易平台与黑客之间的攻防，更是呈现白热化趋势。自FameEX平台上线以来，安全团队累计检测攻击超30万次，检测日志数量达180万条，确定攻击IP1000余个。为应对网络攻击，FameEX构建三级网络安全攻防体系，针对目前市场常见攻击类型，确保第一时间发现并及时处置，保障系统安全运行，将所有网络攻击消弭于无形。安全建设层面：FameEX采取冷热钱包拆分隔离、钱包存储分权加密管理、单向散列函数非对称加密、无法篡改的全节点钱包等四层阶梯加密方式确保资金安全，以保证链上存储、On-chain、Off-chain各个环节不受任何技术形式威胁。权限规划层面：FameEX将研发团队拆分成多国、多地、多币种非对称分权开发，以华语技术团队创建，东南亚、美洲团队服务器存储运维方式，保证“产、权、钱、器”永远互离，保障资金运行的高度安全。并在分国管理基础上，由多个技术负责人同时进行代码编译权多级区隔管理，各部代码不互通、权限规则不互通，最大程度规避内耗与资金风险。授权通路层面：FameEX用户资金具备“授权通路”唯一性，FameEX将用户充值资金存放于固定钱包内，系统每日零点自动核查所有用户资产，确保每笔资金流动均由用户发起，并锁定其他授权通路，设置资金变动预警系统，保障用户资金流动与安全需求。 FameEX将运营资金池、保证金资金池与用户资金池进行三权分置运营，所有平台资金支取，从运营资金池输出，并不定期公布更新三钱包地址与钱包金额，所有人可链上查看。系统风控层面：FameEX采用先进的银行级四大后台系统安全结算体系，可囊括所有交易所运作的全部功能，保证FameEX健康稳定的高效运转。 KYC监测层面：FameEX采用全球最先进的KYC认证体系，并行接入各国司法机构信息活体OCR认证系统，确保用户信息更加精准，同时，FameEX上线7X24小时人工复核体系，可提供应急和二次筛查服务，确保用户KYC认证需求及时响应。人工响应层面：FameEX构建了6S内客服响应机制，实现24小时四班客服轮值，实时在线为用户答疑，并特别配置了技术、金融资深客服，快速解决用户专业技术、金融问题，平台问题解决率高达100%，遥遥领先行业平均水准。能够在上面七个方面全面碾压对手的，也只有少数交易平台能够做到，而实战攻防才是检验安全系统有效的重要手段，在多年的运行中，FameEX始终未出现任何安全事故，就足以说明平台安全与可靠性能，在此，小编为FameEX点赞，也希望因事故而引发的行业黑天鹅事件越来越少，让所有的加密货币爱好者和参与用户都能在加密领域腾飞之中获益。来源：金色财经

金色财经2023-05-24

英国监管机构指控花旗、汇丰等5家大型银行涉嫌交换政府债券交易的敏感信息

国债和债券资产互换掉期，包括定价细节和交易策略等。德意志银行和花旗已承认参与上述一对一对话，汇丰、摩根士丹利和加拿大皇家银行则未承认任何不当行为。英国竞争与市场管理局称，被指控的活动“非常严重”，值得开展详细调查，但现阶段不应假设任何一家银行已经违法，目前将考虑各方的进一步陈述，然后做出最终决定。

金融界2023-05-24

兴业投资：2023年05月24日主要产品技术更新

欧元/美元转折点: 1.0830 交易策略:在 1.0830 之下，看跌，目标价位为 1.0785 ，然后为 1.0770 。备选策略:在 1.0830 上，看涨，目标价位定在 1.0845 ，然后为 1.0860。技术点评:RSI技术指标缺乏上升动能支撑位和阻力位： 1.0830 1.0815 1.0795 1.0772 收盘价 1.0755 1.0740 1.0720 英镑/美元转折点: 1.2440 交易策略:在 1.2440 之下，看跌，目标价位为 1.2405 ，然后为 1.2390 。备选策略:在 1.2440 上，看涨，目标价位定在 1.2460 ，然后为 1.2480。技术点评:只要1.2440阻力位不被突破，向下跌破1.2405位置的风险很高。支撑位和阻力位： 1.2480 1.2460 1.2440 1.2424 收盘价 1.2405 1.2390 1.2375 美元/日元转折点: 138.25 交易策略:在 138.25 之上，看涨，目标价位为 138.90 ，然后为 139.20 。备选策略:在 138.25 下，看空，目标价位定在 138.00 ，然后为 137.75。技术点评:超短线(当日内)技术指标运行趋势复杂，应谨慎操作。支撑位和阻力位： 139.40 139.20 138.90 138.43 收盘价 138.25 138.00 137.75 美原油转折点: 77.00 交易策略:在 77.00 之下，看跌，目标价位为 68.00 ，然后为 64.00 。备选策略:在 77.00 上，看涨，目标价位定在 79.50 ，然后为 83.50。技术点评:只要依旧存在77.00阻力位，价格波动存在看跌的趋势。支撑位和阻力位： 83.50 79.50 77.00 73.83 收盘价 68.00 64.00 62.00 布伦特原油转折点: 76.55 交易策略:在 76.55 之上，看涨，目标价位为 78.40 ，然后为 78.90 。备选策略:在 76.55 下，看空，目标价位定在 76.10 ，然后为 75.65。技术点评:RSI技术指标看涨，有进一步向上趋势。支撑位和阻力位： 79.60 78.90 78.40 77.76 收盘价 76.55 76.10 75.65 黄金转折点: 1965.00 交易策略:在 1965.00 之上，看涨，目标价位为 1983.00 ，然后为 1990.00 。备选策略:在 1965.00 下，看空，目标价位定在 1959.00 ，然后为 1954.00。技术点评:RSI技术指标运行趋势复杂，倾向于上升。支撑位和阻力位： 2000.00 1990.00 1983.00 1976.59 收盘价 1965.00 1959.00 1954.00 白银转折点: 23.27 交易策略:在 23.27 之上，看涨，目标价位为 23.63 ，然后为 23.74 。备选策略:在 23.27 下，看空，目标价位定在 23.08 ，然后为 22.95。技术点评:RSI技术指标看涨，有进一步上升空间。支撑位和阻力位： 23.88 23.74 23.63 23.45 收盘价 23.27 23.08 22.95 HYCM兴业投资祝您生活愉快！ 2023-05-24

兴业投资2023-05-24

zkML：zk+机器学习新兴项目和基础设施

模型可以由任何人运行和验证。 · 自动交易策略。展示财务模型策略的回报状况的一种常见方法是，MP向投资者提供各种回测。然而，在执行交易时，是没有办法验证策略是否遵循了模型的——投资者必须相信策略确实遵循了模型。zkML提供了一个解决方案，MP可以在进行特定位置部署时提供财务模型推理证明。这对于DeFi管理的金库来说特别有用。（2）安全性 · 智能合约的欺诈监控。ML模型可以用来检测潜在的恶意行为并暂停合约，而不依靠缓慢的人工治理或中心化主体来控制是否暂停合约。（3）传统ML · Kaggle的去中心化、无需信任的实现。可以创建这样一个协议或市场，允许MC或其他相关方在MP不披露模型权重的情况下验证模型的准确性。这对于模型销售、模型准确性竞争等会很有用。 · 生成式AI的去中心化prompt（提示）市场。生成式AI的prompt创建已经演变成一种复杂的工艺，最好的prompt输出通常包含许多modifier修饰符。外部各方可能愿意从创建者那里购买这些复杂的prompt。zkML可以在这里发挥两方面作用：1）验证prompt输出，以向潜在购买者确保prompt确实创建了所需的图像；2）允许prompt所有者在prompt被购买后仍然保有prompt的所有权，对购买者匿名的同时仍然为他们生成经过验证的图像。（5）身份验证 · 用保护隐私的生物识别身份验证取代私钥。私钥管理仍然是web3用户体验最大的摩擦之一。通过面部识别或其他独特因素提取私钥是zkML的一种可能的解决方案。 · 公平的空投和贡献者奖励。ML模型可用于创建详细的用户角色，以根据多种因素确定空投分配或贡献奖励。当与身份解决方案结合使用时，这种功能会特别强大。在这种情况下，有种可能性是让用户运行一个开源模型来评估他们在应用程序中的参与度，以及更高层的生态参与度（比如治理论坛帖子），以推断他们的分配额度。然后，他们向合约提供此证明以接收代币分配。（6）Web3社交 · web3社交媒体过滤功能。web3社交应用程序的去中心化性质将导致更多的垃圾邮件和恶意内容。理想情况下，社交媒体平台可以使用社区同意的开源ML模型，并在选择过滤帖子时发布模型推理的证明。 · 广告/推荐。作为一个社交媒体用户，我可能愿意看到个性化的广告，但希望对广告商保密我的偏好和兴趣。我可以选择根据我的喜好在本地运行一个模型，该模型向媒体应用程序提供信息，然后展示我想要的内容。在这种情况下，广告商可能愿意为终端用户付费，但这些模型可能远没有当前的目标广告模型那么复杂。（7）创作者经济/游戏 · 游戏内经济再平衡。ML模型可用于动态调整代币的发行、供应、销毁、投票阈值等。一种可能的模式是，如果达到一定的再平衡阈值，并且推理证明得到验证，那么合约就可能受激励以重新平衡游戏内经济。 · 新型链上游戏。可以创建人类对抗AI的合作游戏和其他创新的链上游戏，此时无需信任的AI模型充当非玩家（NPC）角色。NPC采取的每一个行动都会被发布到链上，并带有一个证明，任何人都可以验证该证明以确定运行模型的正确性。在Modulus Labs的Leela vs. the World案例中，验证者希望确保正在下棋的是1900 ELO AI，而非棋手Magnus Carlson。另一个例子是AI Arena，这是一款Super Smash Brothers风格的AI战斗游戏。高风险竞争环境中的玩家希望确保他们训练的模型不受干扰或者不会出现作弊行为。 4、新兴项目和基础设施 zkML的生态系统可以大致分为四大类： · Model-to-Proof Compilers（模型到证明编译器）：将模型从现有格式（例如Pytorch、ONNX等）编译成可验证计算电路的基础设施。 · 通用证明系统：用来验证任意计算轨迹的证明系统。 · 特定zkML证明系统：专门用于验证ML模型的计算轨迹的证明系统。 · 应用程序：处理独特zkML用例的项目。（1）Model-to-Proof Compilers（模型到证明编译器）在研究zkML生态系统时，大多数注意力都集中在模型到证明编译器上。通常，这些编译器会将使用Pytorch、Tensorflow或类似语言编写的高级ML模型转换为ZK电路。 EZKL是一个库和命令行工具，用于在zk-SNARK中对深度学习模型进行推理。使用EZKL，你可以在Pytorch或TensorFlow中定义计算图，将其导出为ONNX文件，一些样本输入包含在JSON文件中，并将EZKL指向这些文件以生成zkSNARK电路。随着最新的性能改进，EZKL现在可以在大约6秒内占用1.1GB RAM证明一个MNIST大小的模型。到目前为止，EZKL已经有一些重要的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathy So的circomlib-ml库包含Circom的各种ML电路模板。电路包含一些最常见的ML功能。同样由Cathie开发的Keras2circom是一个python工具，它使用底层circomlib-ml库将Keras模型转换为Circom电路。 LinearA为zkML开发了两个框架：Tachikoma和Uchikoma。Tachikoma用于将神经网络转换为纯整数形式并生成计算轨迹。Uchikoma是一个将TVM的中间表示转换为不支持浮点运算的编程语言的工具。LinearA计划支持Circom和Solidity，前者使用域算法，后者使用有符号和无符号整数算法。 Daniel Kang的zkml是一个用于在ZK-SNARKs中构建ML模型执行证明的框架。在撰写本文时，它能够证明一个使用大约5GB内存运行约16秒的MNIST电路。更通用的模型到证明编译器还有Nil Foundation和Risc Zero。Nil Foundation的zkLLVM是一个基于LLVM的电路编译器，能够验证使用流行编程语言（如C++、Rust和JavaScript/TypeScript等）编写的计算模型。与本文提到的其他一些模型到证明编译器相比，它是通用的基础设施，但仍然适用于像zkML这样的复杂计算。当与证明市场相结合时，该功能将格外强大。 Risc Zero面向RISC-V开原指令集构建了一个通用的zkVM，因此支持现有的成熟语言，如C++和Rust，以及LLVM工具链。这将支持主机和客户端zkVM代码之间的无缝集成，类似于Nvidia的CUDA C++工具链，但使用了ZKP引擎代替GPU。与Nil类似，可以使用Risc Zero来验证ML模型的计算轨迹。（2）通用证明系统证明系统的改进是zkML实现的主要推动力，特别是custom gates（自定义门）和lookup tables（查找表）的引入。这主要是由于ML对非线性的依赖。简而言之，非线性是通过激活函数（例如ReLU、sigmoid和tanh）引入的，这些函数应用于神经网络内线性变换的输出。由于受数学运算门的限制，在ZK电路中这些非线性实现是有难度的。Bitwise decomposition（逐位分解）和lookup tables（查找表）可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在ZK中计算效率更高。由于这个原因，Plonkish证明系统往往是zkML最流行的后端。Halo2和Plonky2的table-style（表式）算法方案可以通过lookup参数很好地处理神经网络非线性。此外，Halo2有一个充满活力的开发者工具生态系统，再加上它非常灵活，使其成为包括EZKL在内的很多项目名副其实的后端支柱。其他证明系统也有自己的优点。基于R1CS的证明系统包括用于小型证明的Groth16和处理超大电路和线性时间证明器的Gemini。如Winterfell证明者/验证者库这样的基于STARK的系统也非常有用，特别是当通过Giza的工具实现时，Giza工具将Cairo程序的轨迹作为输入值，并使用Winterfell生成STARK证明来证明输出值的正确性。（3）特定zkML证明系统在有效的证明系统设计方面已经取得了一些进展，这些系统可以处理复杂的、电路不友好的高级ML模型操作。Modulus Labs的基准报告证明，像zkCNN这样基于GKR证明系统的系统，或者像Zator这样使用复合技术的系统，通常比通用的同类系统性能更高。 zkCNN是一种使用零知识证明来证明卷积神经网络（convolutional neural networks）正确性的方法。它使用sumcheck协议来证明快速傅里叶（Fourier）变换和卷积，其线性证明时间比渐近计算结果更快。交互式证明引入了若干改进和通则，包括验证卷积层、ReLU激活函数和最大池化。zkCNN特别有趣，因为Modulus Labs的基准报告发现，zkCNN在证明生成速度和RAM消耗方面都优于其他通用证明系统。 Zator是一个旨在探索使用递归SNARKs来验证深度神经网络的项目。目前验证深层模型的约束条件是将整个计算轨迹拟合到单个电路中。Zator提出使用递归SNARKs一次验证一层，可以渐进增量验证N步重复计算。他们使用Nova将N个计算实例缩减到一个实例中，这个实例可以通过单个步骤进行验证。通过这种方法，Zator能够snark一个具有512层的网络，这与当今大多数生产式AI模型一样深。对于主流用例来说，Zator的证明生成和验证时间仍然太长，但是其复合技术还是很有趣的。（4）应用程序鉴于zkML仍处于早期阶段，它将大部分重心都放在了上述基础设施方面。然而，目前有一些项目正在进行应用开发。 Modulus Labs是zkML领域中最多样化的项目之一，致力于应用范例和相关研究。在应用方面，Modulus Labs通过RockyBot（链上交易机器人）和Leela vs. the World（一种国际象棋游戏，所有人与经验证的Leela国际象棋引擎实例对决）展示了zkML的用例。该团队还涉足研究领域，撰写了The Cost of Intelligence（智能的成本）一文，对不同大小模型的各种验证系统的速度和效率进行了基准测试。 Worldcoin正在应用zkML，试图建立一个保护隐私的人格证明协议。Worldcoin正在使用定制硬件来处理高分辨率虹膜扫描，这些扫描被插入到他们的Semaphore实现中。然后，可用于执行有用的操作，如成员资格认证和投票。他们目前使用具有安全enclave的可信运行环境来验证摄像头签名的虹膜扫描，但他们最终的目标是使用ZKP来证明神经网络对加密级别安全保障的正确推理。 Giza是一种可以以一种完全无需信任的方法在链上部署AI模型的协议。它使用的技术栈包括用于表示机器学习模型的ONNX格式，用于将这些模型转换为Cairo程序格式的Giza Transpiler，用于以可验证和确定性的方式执行模型的ONNX Cairo Runtime，以及用于部署和执行链上模型的Giza Model智能合约。虽然Giza也可以属于模型到证明的编译器类别，但它们定位为ML模型市场是当今更有趣的应用之一。 Gensyn是一个去中心化硬件供应网络，用于训练ML模型。具体来说，他们正在设计一个基于梯度下降算法的概率审计系统，并使用模型检查点使去中心化的GPU网络能够为大规模模型训练提供服务。虽然他们的zkML应用明显特定于自身用例——他们希望确保当节点下载和训练模型的一部分时，他们对模型的更新是诚实的——但却展示了ZK和ML结合的强大功能。 ZKaptcha专注于web3的bot问题，为智能合约提供captcha（验证码）服务。它们目前的实现是让终端用户通过完成captcha来生成人类工作的证明，captcha由链上验证者验证，并通过几行代码由智能合约访问。今天，它们主要只依赖于ZK，但计划在未来实现zkML，类似于现有的web2 captcha服务，分析鼠标移动等行为，以确定用户是否是人类。 zkML市场仍处于相当早期的阶段，但很多应用程序已经进行了黑客马拉松级别的试验。这些项目包括AI Coliseum（一个使用ZK证明来验证机器学习输出的链上AI竞赛）、Hunter z Hunter（一个使用EZKL库来验证带有halo2电路的图像分类模型输出的照片寻宝游戏），以及zk Section 9（它将AI图像生成模型转换为用于铸造和验证AI艺术的电路）。 5、zkML面临的挑战虽然zkML正在以光速进行改进和优化，但该领域仍然存在一些核心挑战。这些挑战涉及到技术和实践方面，具体如下： · 高精度的量化 · 电路的大小（特别是多层网络） · 矩阵乘法的有效证明 · 对抗攻击量化是将大多数ML模型用来表示模型参数和激活函数的浮点数表示为定点数的过程，这在处理ZK电路的域算法时是必不可少的。量化对机器学习模型精度的影响取决于所使用的精度水平。通常，使用较低的精度（即更少的bits）会导致准确性降低，因为它会应用四舍五入和近似误差。然而，有几种技术可以用来最小化量化对准确性的影响，例如在量化之后微调模型，以及使用量化感知训练等技术。此外，zkSummit 9上的一个黑客马拉松项目Zero Gravity已表明，为边缘设备开发的替代神经网络架构（如无权重神经网络）可用于避免电路量化的问题。除了量化，硬件是另一个关键挑战。一旦机器学习模型通过电路进行了正确表示，由于ZK的简洁性，验证其推论的证明既便宜又快速。这里的挑战不在于验证者，而是在于证明者，因为随着模型越来越大，RAM消耗和证明生成时间会迅速增加。某些证明系统（例如使用sumcheck协议和分层算法电路的基于GKR的系统）或复合技术（例如wrapping Plonky2，它有高效的证明时间，但在较大模型的有效证明大小方面表现很差，使用Groth16，它不会随着模型的复杂性加大而增加证明大小）更适合处理这些问题，但是管理权衡是构建zkML项目的核心挑战。在对抗方面，还有工作要做。首先，如果一个无需信任的协议或DAO选择实现一个模型，在训练阶段仍然存在对抗攻击的风险（例如，训练一个模型在看到一个可用于操纵后续推理的输入时表现出特定的行为方式）。联邦学习（federated learning）技术和训练阶段zkML可能是最小化这种攻击面的一种方法。另一个核心挑战是，当一个模型属于隐私保护模型时，存在模型窃取攻击的风险。虽然模型的权重可以被混淆，但理论上仍可以在有足够的输入-输出对的情况下对权重进行反向工程。虽然这种风险主要针对小型模型，但风险就是风险。 6、扩展智能合约尽管优化这些模型以符合ZK运行条件还存在着这样那样的挑战，但优化改进正在以指数级的速度进行，有人预计，假设在进一步的硬件加速条件下，我们将很快扩展更广泛的机器学习领域。zkML已经从2021年0xPARC的zk-MNIST演示（展示了如何在可验证的电路中执行小型MNIST图像分类模型），发展到Daniel Kang在不到一年后对ImageNet-scale模型做了同样的验证。2022年4月，ImageNet-scale模型的准确率从79%进一步提高到92%，尽管目前的验证时间较慢，但像GPT-2这样大的网络在短期内是可行的。我们认为zkML是一个丰富且不断发展的生态系统，它希望扩展区块链和智能合约的功能，使其更加灵活、适应性更强、更加智能。虽然zkML仍处于早期开发阶段，但它已经开始显示出光明前景。随着技术的发展和成熟，我们有望看到出现更多链上zkML的创新用例。来源：金色财经

金色财经2023-05-24

龚元仪：黄金精准点位实力一对一指导速回本，找我实力解套

林盘上，如果有需要进行外汇交易，策略跟进，都可以线下联系龚元仪！唯一金牌指导。你给我一份信任，我还你十分财富。为你在迷茫的投资市场指明方向！你在我就在！你赢，我陪你君临天下；你输，我陪你东山再起！【VX：xxv1916，扣扣：403775961】

李益财黄金2023-05-24

24小时热点