danieldkang 的文章 - 登链社区

TA的文章 TA购买的 TA喜欢的 TA收藏的

弥合差距：ZK-SNARKs如何通过zkml为私有机器学习模型带来透明度

本文探讨了机器学习模型在隐私和透明性之间的平衡问题，介绍了零知识简洁非交互式知识论证(ZK-SNARKs)如何在不泄露模型权重的情况下证明模型正确执行。通过开源框架zkml，本文提供了利用ZK-SNARKs进行机器学习模型信任执行的具体示例，展示了该技术在社交媒体和医疗领域的潜在应用。

zk-SNARKs 机器学习隐私透明性 ZKML 可信执行

发布于 2023-04-14 17:47 阅读(377) 点赞(0)

开源 zkml：人人可用的无信任机器学习

这篇文章宣布了zkml的开源发布，zkml是一个用于生成机器学习模型执行的零知识证明的框架。文章详细介绍了zkml的愿景、使用方法及其应用，包括信任审计、去中心化市场和隐私保护生物识别等。作者强调了zkml的高效性和优化能力，并展望了未来的发展方向。

零知识证明机器学习 zk-SNARK 信任审计开源框架隐私保护

发布于 2023-04-12 19:37 阅读(175) 点赞(0)

zk-img：用零知识证明对抗深度伪造技术

本文探讨了深度伪造技术及其对信息可信度的影响，并介绍了一种名为zk-img的新方法，以安全、私密地验证图像编辑，同时隐藏原始图像。zk-img利用零知识证明技术，使得在处理高清图像时，能高效地证明图像的变换有效性，具备较高的实用性。最后，文章强调zk-img在防止信息误导方面的潜力，描绘了一种未来图像验证的愿景。

深度伪造图像验证零知识证明 zk-SNARKs zk-img 隐私保護

发布于 2022-11-16 17:49 阅读(180) 点赞(0)