Os desenvolvedores têm uma preocupação central com o cálculo on-chain: como resolver a questão da confiança? A resposta está na solução de Ambiente de Execução Confiável (TEE).
Simplificando, o TEE executa o código em uma sandbox criptografada e isolada. Seus dados de entrada são protegidos por criptografia, você pode ver a lógica do código antes da execução e obter o resultado assinado após a execução. O mais importante é que — os dados originais nunca serão divulgados para fora.
Dessa forma, o cálculo on-chain pode garantir privacidade e também permitir que os resultados sejam verificáveis. Seja para processamento off-chain ou interação cross-chain, essa mecânica de confiança pode ser usada para assegurar a segurança dos dados. $RLC está usando essa abordagem para reformular o ecossistema de cálculo de privacidade on-chain.
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
9 gostos
Recompensa
9
8
Republicar
Partilhar
Comentar
0/400
AltcoinHunter
· 12h atrás
A lógica do TEE que estudei realmente resolveu um grande problema... mas, para ser honesto, se o RLC pode realmente ser implementado depende da capacidade de execução, não se torne apenas um projeto de PPT
Ver originalResponder0
PrivateKeyParanoia
· 19h atrás
TEE esta coisa basicamente é como colocar uma armadura de ouro nos dados, parece confiável, finalmente alguém leva a sério a questão da privacidade
Ver originalResponder0
TommyTeacher
· 19h atrás
Esta coisa do TEE parece boa, mas será que podemos realmente confiar? Acho que depende da aplicação prática.
Ver originalResponder0
CrashHotline
· 19h atrás
A coisa do TEE parece bastante confiável, mas será que realmente consegue isolamento completo? Parece que ainda depende da implementação específica.
Na verdade, é como terceirizar a confiança para o hardware, não sei se isso não vai se tornar o próximo ponto de ataque.
$RLC na estrada pode chegar aonde realmente é difícil de dizer, a história do cálculo de privacidade já foi contada há tantos anos.
O isolamento em sandbox parece uma boa ideia, mas o que realmente me faz duvidar é o desempenho dessa coisa.
Sempre tenho a sensação de que a privacidade criptografada está sempre girando entre perseguição e compromisso.
Ver originalResponder0
DegenGambler
· 20h atrás
Ou seja, transformar a caixa preta em transparente, mas os dados ainda precisam estar criptografados e bloqueados, essa é a ideia.
Ver originalResponder0
GasDevourer
· 20h atrás
Ei TEE, esta solução realmente tem potencial, privacidade + verificabilidade atendem às duas necessidades ao mesmo tempo, o que realmente não é fácil.
Espera aí, os dados realmente não serão divulgados de forma alguma? Você confia na camada de hardware?
$RLC Você começou a investir nessa área há bastante tempo, mas como está a implementação no ecossistema? Gostaria de saber mais.
Ver originalResponder0
GateUser-75ee51e7
· 20h atrás
Esta proposta TEE parece boa, mas quantos projetos realmente podem ser implementados? Ou será apenas mais uma especulação de conceito?
Ver originalResponder0
GasFeeTherapist
· 20h atrás
A coleção TEE realmente resolveu um grande problema, mas ainda há poucos projetos que podem ser realmente implementados.
Mas, para ser honesto, apenas gritar slogans sobre privacidade de dados não adianta, é preciso que realmente possa ser validado. Se o $RLC conseguir fazer isso bem, então vale a pena acompanhar.
Os desenvolvedores têm uma preocupação central com o cálculo on-chain: como resolver a questão da confiança? A resposta está na solução de Ambiente de Execução Confiável (TEE).
Simplificando, o TEE executa o código em uma sandbox criptografada e isolada. Seus dados de entrada são protegidos por criptografia, você pode ver a lógica do código antes da execução e obter o resultado assinado após a execução. O mais importante é que — os dados originais nunca serão divulgados para fora.
Dessa forma, o cálculo on-chain pode garantir privacidade e também permitir que os resultados sejam verificáveis. Seja para processamento off-chain ou interação cross-chain, essa mecânica de confiança pode ser usada para assegurar a segurança dos dados. $RLC está usando essa abordagem para reformular o ecossistema de cálculo de privacidade on-chain.