FX168财经网_全球视野外汇黄金加密货币NFT资讯网

区块链动态2023年6月29日早参考

k Buterin发推回应如何看待基于MPC（EOA）的钱包与智能合约钱包的优缺点时表示，基于MPC的EOA钱包存在根本缺陷，因为它们无法撤销密钥（重新共享不算在内；旧持有者仍然可以恢复密钥），智能合约钱包是唯一的选择。来源：金色财经

金色财经2023-06-29

Trust钱包以及 OKX 钱包的 MPC 功能中，均引入了 iCloud 的备份功能，如果用户开启该功能，是否会引入不必要的额外风险，好在不开启该功能就可以规避潜在的风险。此外，Coinbase钱包在创建钱包之后，校验助记词记录只验证第一个和最后一个助记词，略有隐患。 2、链上安全币安的Trust钱包和 OKX 钱包均有项目合约交互的风险提示功能，会自动识别出恶意地址、可疑交易等风险，帮助用户更好地规避资产被盗和丢失等风险。Coinbase钱包、OKX 钱包、Bitget 钱包具有授权检测和取消功能，可以在交互完合约后，取消相应的代币授权，亦可以帮用户减少风险敞口。Bitget 钱包还整合了代币合约检测功能，便于链上交易员购入代币前，检测其是否是高风险代币，提前规避欺诈风险。而在这方面，Coinbase 钱包的选择是只支持一些较为安全可靠的代币,未知或风险较大的代币会被排除在外。除了物理安全和链上安全，还需考虑运维安全。2022 年，Bitget 钱包曾发生过 APK 包被黑客劫持的安全事故，部分用户资产受到损失。事故发生后，官方承诺全额赔偿受损用户，并加强了产品技术安保。这说明，除产品本身的安全机制外，项目方应对安全事故的力度和赔偿能力，以及其积累的品牌信任度，也是用户选择钱包产品时需要考量的因素。技术手段无法完全避免人为失误与攻击，真正的安全保障在于产品与团队能否建立起用户的综合保障机制。来源：金色财经

金色财经2023-06-29

DATA WORLD全球巡演——与Crypto world AMA精彩回顾

EB3.0世界的去中心化钱包应用，采用MPC多方签名技术、EIP2612和独特的金库安全合约技术，内置DAO PLUS去中心化加密社交功能，实现多链跨链，低GAS费参与，杜绝非授权盗币风险，保障用户资金安全，打造WEB3.0入口的基础设施，推动WEB3.0大规模应用发展。 DATA WORLD多链跨链钱包是 Web2 用户进入 Web3 的入门必备，是 Web3 用户手中的任意其他钱包产品的完美替代，也是 Web3 开发者开疆拓土的最佳搭档，可以为新一波数十亿量级的 Web2 用户进入去中心化世界提供了无缝丝滑的体验，助力 Web3 的大规模应用落地。来源：金色财经

金色财经2023-06-26

金色观察 | 一文速览57个Linea 生态项目

rotocol.com Lit是一个 MPC 网络，用于访问控制。这意味着用户可以在开放网络上存储加密教据，然后使用 Lit 根据链状态提供访问权限。 Louper 网站：https://louper.dev/ 以太坊钻石标准检查员，探索实施部署在 Linea 上的 Diamond Pattern (EIP-2535) 的 solidity 合约。 Particle Network 网站：https://wallet.particle.network/ Particle Network 为 Web3 开发者提供解决方案和 SDK，包括身份验证、钱包中间件、NFT、节点 RPC 和数据 API 服务。 Infra: Infura 网站：https://www.infura.io/zh Infura 使开发人员能够轻松构建 Web3 项目，具备强大的高可用性区块链 API 和开发人员工具套件。 Pimlico 网站：https://docs.linea.build/developers/tooling/account-abstraction/4337 Pimlico 是 Linea 的主要合作伙伴，确保 Linea支持帐户抽象 EIP-4337 核心服务 (捆绑商、付款人)。 Gelato Network 网站：https://docs.gelato.network Gelato 是 web3 的去中心化后端，使构建者能够创建增强的智能合约，这些合约是自动化的、无 gas 和链下感知的。 Notification: HAL Streams 网站：https://docs.hal.xyz HAL Streamms 将实时区块链数据转换为与用户需求相关的有效信息，项目具有简洁的UI 和强大的 REST API。开发者工具： GoPlus Security 网站：https://gopluslabs.io GoPlus 是无需许可、用户驱动和开放的web3 安全基础设施提供商，服务包括 Token Security API、NFT Security APl、Malicious Address API等。 Truffle 网站：https://trufflesuite.com/ 全面的智能合约开发工具组合，以太坊智能合约的开发环境和综合测试框架。 thirdweb 网站：https://thirdweb.com 具备构建智能合约所需的基础设施，项目使开发者可以在 web3 中构建项目变得简单。thirdweb可以与 Linea 一起使用，只需从网络列表中搜索ConsenSys zkEVM 并贴Infura 提供的 RPC端点，该端点用于此门户上的 quickbook。 POSEIDON 网站：https://pdn.xyz/ 通过允许开发人员仅使用Solidity 构建隐私保护 DApp，使 zkDAPP 开发民主化。Poseidon ZK-ZK Rollup，使用证明聚合在 EVM L1/L2 上并扩展 ZK 交易。社交: Lens Protocol 网站：https://www.lens.xyz/ 一种无需许可、可组合且去中心化的社交图谱，可轻松构建 Web3 社交平台，由 Aave 团队构建。 TaskOn 网站：https://taskon.xyz/ TaskOn 是一个以分散的方式促进各种 Web3任务完成的平台，它帮助任务发起者和实施者有效协作并更好地协调共同利益。 Atticc for Linea 网站：https://atticc.xyz/ 一个帮助去中心化社区启动和发展的 Web3 社交平台。 Data Service: TheGraph Network 网站：https://docs.linea.build/developers The Graph 是一种索引协议，用于查询Linea、Ethereum 和IPFS 等网络ConsenSys 运行一组托管节点。 Covalent 网站：https://www.covalenthq.com Covalent 提供行业领先的统一 API，为数十亿个 Web3 数据点带来可见性，开发人员可以使用Covalent 构建多链应用程序。 Governance: zkVote 网站：https://zkvote.webflow.io/ zkVote 是一个去中心化的投票平台，它使用Poseidon ZK Contracts 来确保个人投票选择的隐私和机密性。 Oracle: Pragma Network 网站：https://docs.linea.build Pragma 是一个 Oracle 网络，专注于为加密构建一个更透明、去中心化和可组合的数据基础设施。 Umbrella Network 网站：https://docs.linea.build/developers/tooling/oracles/umbrella 具有广泛数据解决方案的去中心化预言机，实时、可扩展和可定制的数据。Umbrella 为特定需求提供量身定制的解决方案。 Redstone Oracle 网站：https://redstone.finance/ RedStone 提供灵活的数据馈送，更新时间小于 10 秒，非常适合贷款、Perps、期权、衍生品。 Orally 网站：https://docs.orally.network/ 完全链上的预言机，用于跨多个链的安全可靠的去中心化教据馈送和自动化。 Security: Revoke.cash 网站：https://revoke.cash/ Revoke.cash 提供了一个用于管理代币配额的仪表板和一个浏览器扩展程序，并以此来保护用户免受常见的加密货币诈骗。 Hapilabs 网站：https://linea.hapilabs.one/login.php HAPI 是一种链上网络安全协议，旨在防止黑客和利用者跨各种区块链进行欺诈。 GameFi： Cataclysm 网站：https://www.cataclysm-game.com/zero-mission “大灾变:零任务”是一款迷你游戏，即将于2023 年底推出，同时也是链上加强版免费 PC 游戏“大灾变”的前奏。 Battlemon 网站：https://battlemon.com/ GameFi 生态系统围绕交互式 3D NFT 来构建，具有实用程序和具有结果概率的链上机制，玩家可以通过挖矿、游戏、质押来获得奖励。来源：金色财经

金色财经2023-06-26

深入剖析ZKML赛道：智能合约智能性的下一步

。zk 中的组合技术或使用多方计算 (MPC) 或 FHE 的变体可用于服务此场景。公共输入，公共模型。当模型的所有方面都可以公开时，zkML 解决了一个不同的用例：将链下计算压缩和验证到链上环境。对于较大的模型，验证推理的简洁 zk 证明比自己重新运行模型更具成本效益。验证的 ML 推理为智能合约开辟了新的设计空间。一些加密原生应用包括： 1、DeFi 可验证的链下 ML 预言机。继续采用生成式人工智能可能推动行业实施其内容的签名方案（例如，新闻出版物签署文章或图像）。签名数据准备好进行零知识证明，使数据可组合且可信。ML 模型可以在链下处理这些签名数据以进行预测和分类（例如，对选举结果或天气事件进行分类）。这些链下 ML 预言机可以通过验证推理并在链上发布证明来无需信任地解决现实世界的预测市场、保险协议合约等问题。基于 ML 参数的 DeFi 应用。DeFi 的许多方面可以更加自动化。例如，借贷协议可以使用 ML 模型实时更新参数。目前，借贷协议主要依赖由组织运行的链下模型来确定抵押因子、贷款价值比、清算阈值等，但更好的选择可能是社区训练的开源模型，任何人都可以运行和验证。自动化交易策略。展示金融模型策略的回报特征的常见方式是 MP 向投资者提供各种回测数据。然而，没有办法在执行交易时验证策略师是否遵循该模型 - 投资者必须信任策略师确实遵循模型。zkML 提供了一个解决方案，MP 可以在部署到特定头寸时提供金融模型推理的证明。这对于 DeFi 管理的保险库可能尤其有用。 2、安全性智能合约的欺诈监控。与其让缓慢的人工治理或中心化参与者控制暂停合约的能力，可以使用 ML 模型来检测可能的恶意行为并暂停合约。 3、传统 ML 分散的、无信任的 Kaggle 实现。可以创建一个协议或市场，允许 MC 或其他感兴趣的方验证模型的准确性，而无需 MP 披露模型权重。这对于销售模型、围绕模型准确性进行竞赛等方面非常有用。生成式 AI 的去中心化提示市场。生成式 AI 的提示创作已经发展成为一门复杂的工艺，最佳输出生成提示通常具有多个修改器。外部方可能愿意从创作者那里购买这些复杂的提示。zkML 在这里可以有两种用法： 1 ）验证提示的输出，以向潜在买家确保提示确实创建所需的图像； 2 ）允许提示所有者在购买后保持对提示的所有权，同时对买家保持模糊，但仍为其生成经过验证的图像。 4、身份用保护隐私的生物识别认证替代私钥。私钥管理仍然是web3用户体验中最大的障碍之一。通过面部识别或其他独特因素抽象私钥是 zkML 的一种可能解决方案。公平的空投和贡献者奖励。可以使用 ML 模型创建用户的详细人物画像，根据多个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，这可能特别有用。在这种情况下，一种可能性是让用户运行一个开源模型，评估他们在应用程序中的参与情况以及更高层次的参与，比如治理论坛的帖子，以推理他们的分配。然后提供这个证明给合约，以获得相应的代币分配。 5、Web3社交用于web3社交媒体的过滤。web3社交应用的去中心化性质将导致垃圾信息和恶意内容的增加。理想情况下，社交媒体平台可以使用一个社区共识的开源 ML 模型，并在选择过滤帖子时发布模型推理的证明。案例：关于 Twitter 算法的 zkML 分析。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，但希望将我的偏好和兴趣对广告商保密。我可以选择在本地运行一个关于我的兴趣的模型，将其输入到媒体应用程序中为我提供内容。在这种情况下，广告商可能愿意为最终用户支付费用，以实现这一点，然而，这些模型可能远不如目前生产中的定向广告模型复杂。 6、创作者经济/游戏游戏内经济再平衡。可以使用 ML 模型动态调整代币发行、供应、销毁、投票门槛等。一个可能的模型是一个激励合约，如果达到一定的再平衡门槛并验证了推理的证明，就会重新平衡游戏内经济。新类型的链上游戏。可以创建合作的人类对抗 AI 游戏和其他创新的链上游戏，其中无信任的 AI 模型充当一个不可玩的角色。NPC 采取的每个动作都会与一个任何人都可以验证的证明一起发布到链上，以确定正在运行正确的模型。在 Modulus Labs 的 Leela vs. the World 中，验证者希望确保所述的 1900 ELO AI 选择棋步，而不是 Magnus Carlson。另一个例子是 AI Arena，一个类似于 Super Smash Brothers 的 AI 格斗游戏。在高风险的竞争环境中，玩家希望确保他们训练的模型没有干扰或作弊。新兴项目和基础设施 zkML 生态系统可以广泛分为四个主要类别：模型到证明编译器：将现有格式（例如 Pytorch、ONNX 等）的模型编译成可验证的计算电路的基础设施。广义证明系统：构建用于验证任意计算轨迹的证明系统。 zkML 特定的证明系统：专门构建用于验证 ML 模型计算轨迹的证明系统。应用程序：致力于独特 zkML 用例的项目。 01 模型验证编译器（Model-to-Proof Compilers）在 zkML 生态系统中，大部分关注都集中在创建模型到证明编译器上。通常，这些编译器将使用 Pytorch、Tensorflow 等高级 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 中进行深度学习模型的推理。使用 EZKL，您可以在 Pytorch 或 TensorFlow 中定义一个计算图，并将其导出为带有 JSON 文件中一些示例输入的 ONNX 文件，然后将 EZKL 指向这些文件以生成 zkSNARK 电路。通过最新一轮的性能改进，EZKL 现在可以在约 6 秒和 1.1 GB 的 RAM 内证明一个 MNIST 大小的模型。迄今为止，EZKL 已经得到了一些显着的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathie So 的 circomlib-ml 库包含了用于 Circom 的各种 ML 电路模板。电路包括一些最常见的 ML 函数。由 Cathie 开发的 Keras 2c ircom 是一个 Python 工具，使用底层的 circomlib-ml 库将 Keras 模型转换为 Circom 电路。 LinearA 开发了两个用于 zkML 的框架：Tachikoma 和 Uchikoma。Tachikoma 用于将神经网络转换为仅使用整数的形式并生成计算轨迹。Uchikoma 是一个工具，将 TVM 的中间表示转换为不支持浮点运算的编程语言。LinearA 计划支持使用域算术的 Circom 和使用有符号和无符号整数算术的 Solidity。 Daniel Kang 的 zkml 是一个基于他在《Scaling up Trustless DNN Inference with Zero-Knowledge Proofs》论文中的工作构建的 ML 模型执行证明的框架。在撰写本文时，它能够在约 5 GB 的内存和约 16 秒的运行时间内证明一个 MNIST 电路。在更广义的模型到证明编译器方面，有 Nil Foundation 和 Risc Zero。Nil Foundation 的 zkLLVM 是一个基于 LLVM 的电路编译器，能够验证用流行编程语言（如 C++、Rust 和 JavaScript/TypeScript 等）编写的计算模型。与这里提到的其他模型到证明编译器相比，它是通用的基础设施，但仍适用于复杂的计算，如 zkML。当与他们的证明市场结合使用时，这可能尤为强大。 Risc Zero 构建了一个通用的 zkVM，针对开源的 RISC-V 指令集，因此支持现有成熟的语言，如 C++和 Rust，以及 LLVM 工具链。这允许在主机和客户 zkVM 代码之间实现无缝集成，类似于 Nvidia 的 CUDA C++工具链，但是使用 ZKP 引擎代替 GPU。与 Nil 类似，使用 Risc Zero 可以验证 ML 模型的计算轨迹。 02 广义证明系统证明系统的改进是使 zkML 取得成果的主要推动力，特别是自定义门和查找表的引入。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，这些激活函数应用于神经网络中线性变换的输出。由于数学运算门的限制，这些非线性在 zk 电路中实现起来具有挑战性。按位分解和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 中的计算效率更高。出于这个原因，Plonkish 证明系统往往是 zkML 最受欢迎的后端。Halo 2 和 Plonky 2 及其表式算术方案可以通过查找参数很好地处理神经网络非线性。此外，前者拥有充满活力的开发人员工具生态系统和灵活性，使其成为包括 EZKL 在内的许多项目的实际后端。其他证明系统也有其优势。基于 R 1 CS 的证明系统包括 Groth 16 ，因其小型证明尺寸而闻名，以及 Gemini，因其处理极大电路和线性时间验证器而闻名。基于 STARK 的系统，例如 Winterfell 证明器/验证器库，尤其在通过 Giza 的工具将 Cairo 程序的追踪作为输入，并使用 Winterfell 生成 STARK 证明来验证输出的正确性时，非常有用。 03 zkML 特定的证明系统在设计能够处理先进的机器学习模型的复杂、电路不友好的操作的高效证明系统方面已经取得了一些进展。基于 GKR 证明系统的 zkCNN 和基于组合技术的 Zator 等系统往往比通用证明系统更具性能，这一点在 Modulus Labs 的基准测试报告中有所体现。 zkCNN 是一种使用零知识证明来证明卷积神经网络正确性的方法。它使用 sumcheck 协议来证明快速傅里叶变换和卷积，具有线性的证明时间，比渐近计算结果更快。已经引入了几个改进和泛化的交互证明，包括验证卷积层、ReLU 激活函数和最大池化。根据 Modulus Labs 的基准测试报告，zkCNN 特别有趣的地方在于它在证明生成速度和 RAM 消耗方面优于其他通用证明系统。 Zator 是一个旨在探索使用递归 SNARK 来验证深度神经网络的项目。验证更深层次模型的当前限制是将整个计算轨迹适应单个电路中。Zator 提出使用递归 SNARK 逐层进行验证，可以逐步验证 N 步重复计算。他们使用 Nova 将 N 个计算实例减少为一个可以通过单个步骤进行验证的实例。采用这种方法，Zator 能够对具有 512 层的网络进行 SNARK，这与大多数当前的生产 AI 模型一样深。Zator 的证明生成和验证时间仍然对于主流应用案例来说过长，但他们的组合技术仍然是非常有趣的。应用领域鉴于 zkML 处于早期阶段，其关注点主要集中在上述基础设施上。然而，目前也有一些项目致力于应用开发。 Modulus Labs 是 zkML 领域中最多样化的项目之一，他们既开展示例应用，也从事相关研究。在应用方面，Modulus Labs 通过 RockyBot（一个链上交易机器人）和 Leela vs. the World（一个人类与经过验证的链上 Leela 国际象棋引擎对战的棋盘游戏）展示了 zkML 的用例。该团队还进行了研究，编写了《智能的代价》，对不同模型规模下的各种证明系统的速度和效率进行了基准测试。 Worldcoin 正在尝试应用 zkML 来创建一个保护隐私的人类身份证明协议。Worldcoin 使用定制硬件处理高分辨率虹膜扫描，并将其插入到 Semaphore 实现中。然后可以使用该系统执行诸如成员资格证明和投票等有用操作。他们目前使用受信任的运行时环境和安全的安全区域来验证相机签名的虹膜扫描，但他们最终的目标是使用零知识证明来验证神经网络的正确推理，以提供加密级别的安全保证。 Giza 是一种协议，采用完全无信任的方法在链上部署 AI 模型。它使用包括 ONNX 格式表示机器学习模型、Giza Transpiler 用于将这些模型转换为 Cairo 程序格式、ONNX Cairo Runtime 用于以可验证和确定性的方式执行模型，以及 Giza Model 智能合约用于在链上部署和执行模型的技术堆栈。尽管 Giza 也可以归类为模型到证明编译器的类别，但他们作为一个 ML 模型市场的定位是目前最有趣的应用之一。 Gensyn 是一个分布式硬件供应网络，用于训练 ML 模型。具体而言，他们正在开发一个基于梯度下降的概率审计系统，并使用模型检查点来使分散式 GPU 网络能够为全尺度模型提供训练服务。尽管他们在这里的 zkML 应用非常特定于他们的用例——他们希望确保当一个节点下载和训练模型的一部分时，他们对模型更新的诚实性——但它展示了将 zk 和 ML 相结合的强大力量。 ZKaptcha 专注于 web3 中的 bot 问题，为智能合约提供验证码服务。他们目前的实施让最终用户通过完成验证码来生成人类工作的证明，验证码由他们的链上验证程序验证，并通过几行代码由智能合约访问。今天，他们主要只依赖于 zk，但他们打算在未来实现 zkML，类似于现有的 web2 验证码服务，分析鼠标移动等行为以确定用户是否是人类。鉴于 zkML 市场还很早，许多应用程序已经在黑客马拉松级别进行了试验。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 halo 2 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。 zkML 面临的挑战尽管在提高和优化方面取得了飞速的进展，但 zkML 领域仍然面临一些核心挑战。这些挑战涉及技术和实践等方面，包括：以最小的精度损失进行量化电路规模，特别是当网络由多个层组成时矩阵乘法的高效证明对抗攻击量化是将浮点数表示为定点数的过程，大多数机器学习模型使用浮点数表示模型参数和激活函数，在处理 zk 电路的域算术时，需要使用定点数。量化对机器学习模型的准确性的影响取决于所使用的精度级别。一般来说，使用较低的精度（即较少的比特数）可能会导致准确性降低，因为这可能引入舍入和近似误差。然而，有几种技术可用于最小化量化对准确性的影响，例如在量化后对模型进行微调，以及使用量化感知训练等技术。此外，zkSummit 9 上的一项黑客马拉松项目 Zero Gravity 显示出，针对边缘设备开发的替代神经网络架构（例如无权重神经网络）可以用于避免电路中的量化问题。除了量化之外，硬件是另一个关键挑战。一旦通过电路正确地表示了机器学习模型，由于 zk 的简洁性，验证其推理的证明将变得廉价且快速。这里的挑战不在于验证者，而在于证明者，因为随着模型规模的增长，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 协议和分层算术电路的基于 GKR 的系统）或组合技术（例如将 Plonky 2 与 Groth 16 相结合，Plonky 2 在证明时间方面效率高但对于大型模型的高效证明大小较差，而 Groth 16 在复杂模型的复杂度上不会导致证明大小增长）更适合处理这些问题，但在 zkML 项目中管理权衡是一个核心挑战。在对抗攻击方面，仍然有待努力。首先，如果一个无信任的协议或 DAO 选择实施一个模型，在训练阶段仍然存在对抗攻击的风险（例如训练模型以在看到特定输入时表现出特定行为，这可能被用来操纵后续的推理）。联邦学习技术和训练阶段的 zkML 可能是最小化这种攻击面的一种方式。另一个核心挑战是当模型保护隐私时存在模型盗窃攻击的风险。虽然可以混淆模型的权重，但在给定足够的输入输出对的情况下，从理论上讲，仍然有可能反向推导出权重。这主要是对小规模模型的风险，但仍然存在风险。智能合约的可扩展尽管在将这些模型优化为在 zk 的限制条件下运行时存在一些挑战，但改进工作正在以指数速度进行，一些人预计在进一步的硬件加速下，我们很快就能与更广泛的机器学习领域达到同等水平。为了强调这些改进的速度，zkML 从0x PARC 在 2021 年展示了如何在可验证电路中执行小规模 MNIST 图像分类模型的演示，到 Daniel Kang 在不到一年后为 ImageNet 规模的模型做同样的工作的论文。在 2022 年 4 月，这个 ImageNet 规模的模型的准确性从 79% 提高到 92% ，并且像 GPT-2 这样的大型模型在近期内有望成为可能，尽管目前的证明时间较长。我们认为 zkML 是一个丰富而不断发展的生态系统，旨在扩展区块链和智能合约的能力，使其更加灵活、适应性强和智能化。尽管 zkML 仍处于早期开发阶段，但它已经开始显示出有希望的结果。随着技术的发展和成熟，我们可以期待在链上看到更多创新的 zkML 用例。来源：金色财经

金色财经2023-06-24

意外飞出大老鹰！英国央行加息50个基点、利率升至5% 超预期“通胀将更持久”

年银行利率路径平均约为5.5%。” “MPC认识到考虑住房租赁市场的发展非常重要。” “货币政策委员会将采取必要措施，使通胀在中期内恢复至2%。” “固定利率抵押贷款所占比例的增加意味着银行加息的全面影响将需要一些时间。” “英国市场利率预期的上升幅度超过美国和欧元区，反映出市场对持续通胀的担忧超过对强劲增长的担忧。” 英国财政大臣亨特表示：“高通胀是我们必须应对的最大即时经济挑战，英国央行在采取行动将通胀率恢复到目标水平时，我完全支持他们的独立货币政策决策。我们对2%的通胀目标的承诺是坚不可摧的，适用于任何时候。家庭和企业应该毫无疑问地知道，我们将共同采取行动来控制通胀。下周，我将与能源监管机构会面，讨论如何确保输入成本的下降能够传递给消费者。” 他补充：“目前通胀正在拖慢经济增长，侵蚀工资收入。我们将继续确保公共部门工资调整不会加剧通胀压力。再次重申，应对通胀必须是当务之急。” 英国央行行长贝利提到：“如果我们现在不提高利率，以后可能会更糟。英国经济表现超出预期，如果我们现在不提高利率，以后可能会更糟。通胀太高，我们必须应对。”

小萧2023-06-22

邦达亚洲: 经济数据表现良好美元指数小幅收涨

行将加息25个基点，并称市场定价取决于MPC如何管理前瞻指引。亚洲债市5月吸引的外国资金流入量为约两年来最高，这主要得益于投资者对美联储收紧货币政策的力度可能减弱的预期。监管机构和债券市场协会的数据显示，外国投资者5月在印度、印度尼西亚、马来西亚、韩国和泰国净购买了价值101亿美元的债券，这是自2021年6月以来的最大月度流入量。 "随着美联储紧缩周期接近尾声，亚洲债市可能受益，尽管最终利率仍存在不确定性，"马来亚银行（Maybank）资深外汇策略师Fiona Lim表示。 “尤其是考虑到具有弹性的宏观背景，亚洲大多数国家的服务业持续保持坚挺。” 美联储上周维持利率不变，在连续10次加息后首次按下“暂停键”，不过该央行也暗示，可能在年底前再小幅加息两次，以解决持续存在的通胀问题。美联储提高利率往往会导致亚洲投资市场资本外流，从而冲击股债市场。反之，美联储转鸽往往对亚洲市场构成利好。分析人士还指出，有迹象显示，亚洲地区经济体的通胀水平已达到峰值，各国央行料将降息以刺激经济增长，投资者对此感到鼓舞。

邦达亚洲2023-06-21

Binance Labs投资其孵化计划第五季中的5个项目包括DeFi 基础设施等领域

org/home 一种基于多方计算 (MPC) 和零知识证明 (ZKP) 技术的 Web3 可组合、隐私保护的去中心化身份验证解决方案。zkPass 旨在使用最新的密码技术为 Web3 应用程序提供安全且保护隐私的身份验证解决方案。 Mind Network 官网： https://mindnetwork.xyz/ 一个全加密网络，建立在获得专利的自适应全同态加密 (FHE) 框架之上，以保护 Web3 上的所有用户数据、智能合约和人工智能。它被用作去中心化的隐私保护数据湖，提供加密的高性能按需付费数据存储和计算。 Kryptoskatt 官网： https://kryptoskatt.com/ 一个为全球用户简化 Web3 财务的项目，提供一套全面的解决方案，包括会计、投资组合管理和税务报告。Kryptoskatt 支持 2000 多种 DeFi 协议、100 多个交易平台和钱包以及 50 多个区块链，是满足所有 Web3 金融需求的一站式商店。 Bracket Labs 官网： https://app.bracketx.fi/ 是一个在链上构建杠杆结构化产品的项目，具有简单的界面和创新的自适应定价，可大大提高可用性。Bracket Labs 推出了 BracketX.fi，该平台可帮助交易者快速利用横盘和趋势市场条件下的波动。 DappOS 官网： https://dappos.com/ 一个专注于构建操作协议的项目，通过创建提高 Web3 应用程序可用性和可访问性的解决方案来降低进入 Web3 的门槛。来源：金色财经

金色财经2023-06-20

币安Labs最新孵化并投资的五个项目速览

e zkPass是一种基于多方计算 (MPC) 和零知识证明 (ZKP) 技术的 Web3 可组合、隐私保护的去中心化身份验证解决方案。zkPass 旨在使用最新的密码技术为 Web3 应用程序提供安全且保护隐私的身份验证解决方案。更多zkPass详情请参看金色财经此前报道：详解币安 Build the Block 总决赛获胜者 zkPass。来源：金色财经

金色财经2023-06-20

EVM创新热潮下谁是赢家？

有可能的。像Sharemind这样的MPC提供商为计算提供MPC基础设施，但提供商仍然是集中的。如何确保隐私，如何确保网络(或Sharemind)没有恶意行为?这就是zk证明和zk可验证计算的由来。 Nil Message Compute（NMC） NMC是由Nillion团队开发的一种新的分布式计算方法。它是MPC的升级版，其中节点无需通过通过结果交互来进行通信。为此，他们使用了一种称为一次掩码（One-Time Masking）的密码原语，利用一系列称为遮蔽因子（blinding factors）的随机数来掩盖一个Secret，类似于一次性填充。OTM旨在以高效的方式提供正确性，这意味着NMC节点不需要交换任何消息来执行计算。这意味着NMC不会有SMPC的可扩展性问题。零知识可验证计算 ZK可验证计算（ZK Verifiable Computation）是对一组输入和一个函数生成零知识证明，并证明任何系统执行的计算都会是正确执行的。尽管ZK验证计算是新生事物，但它已经是以太坊网络扩展路线图中一个非常关键的部分， ZK证明有各种各样的实现形式（如下图所示，根据论文“Off-Chaining_Models”中总结）： (来源：IOSG Ventures, Off-chaining Models and Approaches to Off-chain Computations, Jacob Eberhardt & Jonathan Heiss) 上面我们对zk证明的实现方式有了基本的了解，那么使用ZK证明验证计算需要什么条件呢？首先，我们需要选择一个证明原语，理想的证明原语生成证明的成本低，对内存的要求不高，并且要易于验证其次，选择一种zk电路，设计用于通过计算生成上述原语的证明最后，在某个计算系统/网络中通过提供的输入对给定的函数进行计算并给出输出。开发者的难题 - 证明效率困境另外一个不得不说的事情就是构建电路的门槛还是很高，让开发者学习Solidity已经不是一件容易的事情，现在要求开发者学习Circom等来构建电路，或者学习一门特定的编程语言(如Cairo)来构建zk-apps，这似乎是一个遥不可及的事情。如上面的统计数据显示，将Web3的环境改造得更适于开发，似乎比将开发人员引入新的Web3开发环境更具可持续性。如果ZK是Web3的未来，Web3应用程序需要使用现有的开发人员技能来构建，那么ZK电路就需要这样设计：支持由JavaScript或Rust等语言编写的算法执行的计算生成证明。这样的解决方案确实存在，笔者想到的是两个团队:RiscZero和Lurk Labs。两个团队都有一个非常相似的愿景，即他们允许开发人员无需经历陡峭的学习曲线即可构建zk-app。 Lurk Labs还处于早期阶段，但该团队已经在这个项目上工作了很长时间。他们专注于通过通用电路生成Nova证明（Nova Proof)。Nova证明是由卡耐基梅隆大学的Abhiram Kothapalli和微软研究院的Srinath Setty以及纽约大学的 Ioanna Tziallae 提出的。与其他SNARK系统相比，Nova证明在进行增量可验证计算(IVC)方面具有特殊优势。增量可验证计算(IVC)是计算机科学和密码学中的一个概念，旨在实现计算的验证，而无需从头开始重新计算整个计算。当计算时间长且复杂时，需要针对IVC对证明进行优化。 Bonsai网络设计的美妙之处在于计算可以初始化，验证，输出全部做到链上。所有这些听起来都像是乌托邦，但STARK证明也带来了问题——验证成本太高。 Nova证明似乎非常适合重复计算(它的折叠方案经济高效)和小型计算，这可能使Lurk成为ML推理验证的一个很好的解决方案。谁是赢家？ (来源：IOSG Ventures）一些zk-SNARK系统在初始设置阶段需要一个可信的设置过程，生成一组初始参数。这里的信任假设是，可信的设置是诚实执行的，没有任何恶意行为或篡改。如果受到攻击，可能会导致创建无效的证明。 STARK证明假设低阶测试的安全性，用于验证多项式的低阶性质。它们还假设哈希函数表现得像随机预言机一样。两个系统的正确实施也是一个安全假设。 SMPC网络依赖于以下几点： SMPC参与者可以包括“诚实但好奇“的参与者，他们可以通过与其他节点通信来尝试访问任何底层信息。 SMPC网络的安全性依赖于参与者正确执行协议并不故意引入错误或恶意行为的假设。某些SMPC协议可能需要一个可信的设置阶段来生成加密参数或初始值。这里的信任假设是可信设置被诚实执行。与SMPC网络相同，安全假设保持不变，但由于OTM（Off-The-Grid Multi-party Computation）的存在，不存在“诚实但好奇“的参与者。 OTM是一种多方计算协议，旨在保护参与者的隐私。它通过使参与者在计算中不公开其输入数据来实现隐私保护。因此，“诚实但好奇“的参与者不会存在，因为他们无法通过与其他节点通信来试图访问底层信息。有明确的赢家吗? 我们不知道。但每种方法都有自己的优点。虽然NMC看起来像是SMPC的明显升级，但该网络还没有上线，也没有经过实战测试。使用ZK可验证计算的好处是它是安全和隐私保护的，但它没有内置的秘密共享功能。证明生成和验证之间的不对称使它成为可验证外包计算的理想模型。如果系统使用纯粹的zk验证计算，则计算机(或单个节点)必须非常强大才能执行大量计算。为了在保护隐私的同时启用负载共享和平衡，必须有秘密共享。在这种情况下，像SMPC或NMC这样的系统可以与像Lurk或RiscZero这样的zk生成器相结合，以创建强大的分布式可验证外包计算基础设施。当今的MPC/SMPC网络是中心化的，这一点变得尤为重要。目前最大的MPC提供商是Sharemind，它上面的ZK验证层可以证明是有用的。去中心化MPC网络的经济模型尚未跑通。理论上，NMC模式是MPC系统的升级，但我们还没有看到其成功。在ZK证明方案的竞赛中，可能不会出现赢家通吃的情况。每种证明方法都针对特定类型的计算进行了优化，并且没有一个适合所有类型的模型。计算任务的类型有很多种，也取决于开发人员在每个证明系统上做出的权衡。笔者认为基于STARK的系统和基于SNARK的系统以及它们未来的优化在ZK的未来都有一席之地。来源：金色财经

金色财经2023-06-20

24小时热点