撰文：Biteye 核心贡献者 Viee
编辑：Biteye 核心贡献者 Crush
你想过吗？也许 AI 会比你更了解你自己。
AI 正在爆发的时代，数百万人隐私被用于训练 ChatGPT，这句话或许不再是面向未来的叩问，而是面前亟需解决的问题。
区块链行业更是如此，在一个信息数据实时公开的领域，如何兼具用户信任与隐私安全？
9 月份 TOKEN 2049 大会期间，AI 讨论热度位居前三，会议结束后我们陆续研究了一些意思的 AI+Web3 项目，其中就包括 @nillionnetwork。
01 Nillion 是什么？
Nillion 要做一件什么事呢？简单说就是，让用户在不泄露个人隐私的情况下，安全地处理和分享敏感数据，也被称为人类首个「盲计算机」。
试想看看，个性化 AI 模型的开发越来越依赖于用户的私人数据，你会放心把自己的数据完全交给 AI 吗？
这个痛点就在于，如果用户私人数据隐私没法受到保护，那么将无法带动私人定制的个性化 AI 的发展。
也难怪会吸引来自 Uber、Coinbase、高盛等知名公司的开发者团队耗时数年试图解决这一问题。
02 如何实现「盲计算」？
Nillion Network 由两个并行、相互依赖的网络组成：协调层和编排层。我们可以把双网络架构可以比作一个图书馆，分为前台（协调层）和阅览室（编排层）。
- 协调层（NilChain）负责协调网络上执行的存储操作和盲计算的支付。类似前台负责管理借书和还书的事务，确保每笔交易顺利进行。
- 编排层（Petnet）利用 MPC 等隐私增强技术来保护静态数据，并实现可对该数据进行操作的盲计算。类似图书馆内部的各个阅览室，只不过在这些阅览室里，读者可以使用特殊的隐私保护工具（如多方计算 MPC）来阅读和分析书籍，这个过程并不需要打开书本。这样，在进行数据分析时，可以确保自己的隐私不被泄露，同时又能获得所需的信息。比方说，每个参与计算的节点会通过「共享」密钥和交易信息，做到无需直接访问用户的私钥完成交易。
03 如何落地？Nillion 在不同领域的应用实例
目前 AI+Web3 项目多半是想法亮眼，落地瞎了眼。FOMO 情绪不散，越上头越容易变成「噱头」。
对于用户而言，Nillion 做得更好的是，能够有一些切实可行的应用场景，并且也和其他项目有不少合作。
比如在医疗领域，患者可以安全地分享自己的基因数据，以获取个性化健康建议，而无需担心隐私泄露。
在金融领域，用户能够利用加密交易平台进行交易，同时确保自己的交易数据不会被第三方访问。
此外，在区块链应用场景中，Nillion 允许用户在链上处理敏感数据而不公开，从而为去中心化应用提供了更广泛的空间。
目前 Nillion 的生态系统项目（部分）
目前，Nillion 已与多个领域的项目建立了合作关系，包括人工智能、医疗保健、去中心化金融（DeFi）、基础设施、钱包、去中心化自治组织（DAO）、身份验证和游戏等。
例如，在 AI 领域，Nillion 与 Ritual、Rainfall 和 Skillful AI 等项目合作，推动安全计算在个性化 AI 中的应用。
而在医疗保健方面，Agerate 和 MonadicDNA 等合作伙伴正在探索如何利用 Nillion 来安全地共享和分析患者数据。
除此之外，上个月 Nillion 刚刚宣布集成 NEAR 协议，引入盲计算和盲存储。通过将 Nillion 的盲计算功能与 NEAR 的交易处理相结合，Nillion 和 NEAR 将支持模块化数据隐私，私有数据管理以及私有 AI。
04 普通用户如何参与？
Nillion 测试网由 NilChain 测试网和 Petnet 测试网组成。
- 方式一：可以使用 NIL 测试网代币与 NilChain 测试网进行交互。按照以下指南创建连接到 NilChain 测试网的钱包、使用 Testnet Faucet 领水以及在 NilChain 测试网上交互 NIL 代币。
- 方式二：开发者可以使用 Nada 编程语言编写盲应用程序，将它们连接到 Petnet 测试网。
第二种方式适合有一定技术能力的用户参与。方式一挺简单，如果还在 FOMO AI 赛道，有空可以做一做。
详情参考官方给出的测试网指南。
05 总结
OpenAI 接连「吃官司」，微软 Copilot 陷入隐私泄露风波。在未来，数据隐私和安全性也许会比我们想象的更加重要。如此看来，在享受 AI 便利的同时，也能安心保护个人隐私信息，这将会成为不能忽视的社会课题。
