Сценарии использования Mind Network

Пример использования dWeb: Web с нулевым доверием

Описание сценария использования:
Традиционный веб построен на основе фронтенда и бэкенд-сервера. В Web3 ожидается, что веб-приложения будут полностью децентрализованы. Децентрализованные хранилища способны сохранять внешнюю часть веб-приложений в виде статических файлов, но динамическая внутренняя часть (обычно базы данных) недоступна. В текущем ландшафте Web3 отсутствует защита динамических и частных данных.

Как:

Mind Network служит в качестве озера данных для размещения динамических и частных данных для децентрализованных веб-приложений;
Веб-фронтэнд может быть сохранен в децентрализованных хранилищах/CDN и подключен к Mind Network через Mind Query;
Данные полностью зашифрованы, и доступ к ним может иметь только владелец веб-приложения.

Вывод:

Этот пример использования может быть обобщен почти на все типы dapps, от UGC платформы, SocialFi, GameFi, DeFi, и даже протоколы промежуточного программного обеспечения, такие как Lens Protocol, и т.д.

Пример использования TradFi: Профилирование рисков с сохранением конфиденциальности

*Профилирование: В информатике профилирование относится к процессу создания и применения профилей пользователей, созданных с помощью компьютерного анализа данных. Это использование алгоритмов или других математических методов, которые позволяют обнаруживать закономерности или корреляции в больших объемах данных, собранных в базах данных.

Описание сценария использования:
Традиционные финансовые учреждения (например, банки) по требованию регулирующих органов должны составлять профиль риска своих клиентов - криптоинвесторов. Однако банки не могут предоставлять адреса своих кошельков сторонним платформам для анализа данных на цепочке, чтобы защитить конфиденциальность своих клиентов.

Как:

Банк может зашифровать список кошельков клиентов и вставить их в Mind Network;
Список кошельков клиентов может быть объединен с данными профиля в цепочке (on-chain), и аналитик банка может генерировать агрегированные характеристики в соответствии с запросами регулирующих органов;
Ни одна посторонняя сторона, включая Mind Network, провайдеров Mind Node, даже банковских аналитиков, не может увидеть список кошельков клиентов;
Проанализированные результаты шифруются, так что их характеристики также защищены, чтобы избежать возможной утечки конфиденциальной информации;
Полученные результаты могут быть переданы обратно во внутреннюю среду банка для дальнейшего анализа.

Вывод:

Это обычное требование традиционных финансовых учреждений, и его можно распространить на выявление мошенничества, соответствие нормативным требованиям, AML и многие другие сценарии использования.

*AML: Принципы противодействия отмыванию денег, полученных преступным путем, финансированию терроризма и созданию оружия массового уничтожения

Пример использования ИИ: ИИ с нулевым доверием

Описание сценария использования:
Защита конфиденциальности в социальных сетях является постоянной проблемой в Web2, особенно когда речь идет о неструктурированных данных, таких как фотографии или видео. Трудно обеспечить право собственности на размещенные фотографии и управлять контролем доступа в соответствии с социальными отношениями. Ожидается, что эта проблема будет решена в Web3.

Как:

Пользователь SocialFi публикует фотографию двух друзей. Фотография предварительно обрабатывается, а ее характеристики (включая распознавание лиц) шифруются и сохраняются в Mind Network;
Доступ к фотографии можно контролировать в зависимости от социальных отношений. Например, если A и B являются друзьями, они оба могут видеть исходный фотопост в своем SocialFi dApp. Однако, если А и Б больше не связаны друг с другом, в соответствии с конфигурацией пользователя, их лица на фотографии могут быть замаскированы/зашифрованы;
Распознавание лиц осуществляется моделью ИИ, которая принимает зашифрованную входную фотографию и генерирует зашифрованные характеристики, чтобы гарантировать отсутствие утечки конфиденциальности в процессе ИИ;

Вывод:

Этот сценарий использования занял 2-е место в хакатоне Network States. Он призван продемонстрировать, что в Web3 мы можем объединить решения для шифрования с социальными отношениями для управления контролем доступа к частным данным пользователей. Это возвращает право собственности на данные обратно пользователям и позволяет им полностью контролировать свои данные независимо от платформы.

Пример использования DeFi: Торговля с нулевым доверием

Описание сценария использования:
Торговые платформы в Web3 всегда критикуют за отсутствие прозрачности и контроля, что стало причиной потери миллиардов долларов в недавних скандалах. Это проблема не только централизованных бирж, но и децентрализованных, особенно когда речь идет о платформах, основанных на кросс-цепочке или книге заявок. Торговые позиции инвесторов невидимы для платформ, но становятся "черным ящиком" для их владельцев.

Как:

Торговые позиции и книги заказов шифруются пользователями и хранятся в Mind Network;
Торговые платформы могут исполнять зашифрованные торговые ордера в соответствии с запросами пользователей. Они не могут видеть торговые позиции и оставшиеся книги ордеров;
Только владелец заказов способен расшифровать и проверить точные цифры в этих заказах.

Вывод:

Этот вариант использования может быть распространен на различные торговые платформы, включая спот-торговлю, торговлю деривативами, торговлю в темных пулах и межцепочечные биржи, чтобы защитить интересы инвесторов и предотвратить мошеннические действия в процессе торговли.

Присоединяйтесь к нам!