avatar
캘빈의 감금원
Theo dõi
Bài đăng
avatar
캘빈의 감금원
02-07
Cập nhật luận điểm đầu tư của Multicoin. Đây là luận điểm của họ về danh mục đầu tư, để bạn có thể xem qua và hiểu nhanh những gì họ đang nghĩ. Toàn văn: assets.ctfassets.net/qtbqvna1l... 1. Công nghệ tài chính 4.0 • Công nghệ tài chính chuyên về stablecoin với hiệu quả kinh tế đơn vị tốt hơn và chi phí thấp hơn • Bao phủ hầu hết các thành phần của hệ sinh thái công nghệ tài chính (ví dụ: Altitude) • Các công ty cung cấp khả năng tiếp cận stablecoin cho người dùng/doanh nghiệp toàn cầu (ví dụ: El Dorade) 2. Tài chính phi tập trung (DeFi) • Giao diện người dùng hướng đến người tiêu dùng (ví dụ: Phantom, Fuse Wallet, Robinhood) • Vốn chủ sở hữu của các công ty dựa trên DeFi (ví dụ: Coinbase, Morpho) • Phần mềm trung gian DeFi (ví dụ:) • Các giao thức DeFi (ví dụ: Kamino, Drift, Aave, Ethena) 3. Toàn cầu hóa tài chính • 1. Mã hóa thị trường thanh khoản (ví dụ: Paxos) • Khả năng tiếp cận toàn cầu của các sản phẩm phái sinh tổng hợp (ví dụ: Drift, Hyperliquid, Lighter) • Phân quyền và hiệu quả của thị trường chợ đen (ví dụ: BAXUS, Triumph) • Thị trường mới (ví dụ: Kalshi, Sway) • Cấu trúc vi mô trên chuỗi (ví dụ: DFlow, Jito, FastLane) 4. Vay/cho vay hiệu quả hơn • Kamino, Aave 5. Nền kinh tế giải trí • Cheddr, Novig 6. Quyền sở hữu có thể lập trình • DePIN (ví dụ: Hivemapper, Render, Geodnet, Pipe, Gradient) • Thị trường lao động trên Internet (ví dụ: CrunchDAO, Fuse) • Thị trường ảo do DAO kiểm soát (ví dụ: Jito, Drift, Kamino) • Khám phá thị trường Equity 2.0 7. Các blockchain đáng tin cậy, trung lập • Các blockchain có lợi ích doanh nghiệp sẽ khó thu hút các nhà phát triển bên thứ ba và tính thanh khoản • Hiện tại, Aptos, Solana đã đầu tư vào Say. 8. Các thuật toán mã hóa cơ bản • Zama, Fheniz, zkMe
FUSE
5.3%
avatar
캘빈의 감금원
02-05
Trong xã hội hiện đại, quyền riêng tư là một quyền cơ bản. Tuy nhiên, trong các cấu trúc tập trung, cá nhân mất quyền kiểm soát dữ liệu của mình và trở thành nạn nhân không được bảo vệ của nhiều vụ rò rỉ thông tin cá nhân. Mặc dù blockchain có thể cung cấp một giải pháp, nhưng các giao thức hiện có như Zcash và Monero bị hạn chế bởi sự phụ thuộc vào các chuỗi cụ thể hoặc khả năng cung cấp quyền riêng tư ở mức độ chuyển nhượng tài sản đơn giản. Đặc biệt, những hạn chế kỹ thuật khi yêu cầu nhiều bên tham gia vào quá trình tính toán khiến các chuỗi này đặc biệt dễ bị tổn thương trước các ứng dụng trong mô hình DeFi hoặc trí tuệ nhân tạo (AI). Để mở rộng cuộc thảo luận này, tôi đã nghiên cứu về các chuỗi bảo mật mới và gần đây tôi đã đọc bài đăng của Siwon về Arcium. Arcium là một dự án áp dụng tính toán đa bên (MPC) làm công nghệ cốt lõi và cố gắng khắc phục những hạn chế của các chuỗi bảo mật hiện có thông qua xử lý phân tán. Hơn nữa, tôi biết rằng Arcium được thiết kế như một lớp tính toán, chứ không phải là một lớp L1 độc lập, để cung cấp các tính năng bảo mật dưới dạng plugin trên nhiều chuỗi khác nhau, cho phép các trường hợp sử dụng tương tự như Umbra. Cuối cùng, tôi tin rằng mục tiêu của Arcium là biến quyền riêng tư thành nền tảng cơ bản, chứ không phải là một tính năng đặc biệt. Nếu nó có thể đóng vai trò là lớp điện toán phổ quát giữa các chuỗi phân mảnh, nó có thể thúc đẩy tài chính trên chuỗi cấp độ tổ chức và học máy AI riêng tư. Sẽ rất thú vị để xem các giải pháp đa năng như Archium giải quyết điểm yếu cấu trúc này như thế nào. Đặc biệt, sẽ rất hấp dẫn để xem liệu Archium có thể vượt ra khỏi vai trò là một giải pháp độc lập và hoạt động theo những cách bổ sung với các chuỗi bảo mật mới nổi khác nhau, cuối cùng nâng cao các tiêu chuẩn bảo mật trên toàn bộ hệ sinh thái hay không. Bài viết gốc có thể được tìm thấy ở đây. Phần về hệ sinh thái rất đáng để xem! Bài viết đầy đủ (trên mạng) | Bài viết đầy đủ (trên trang web)
MPC
21.06%
avatar
캘빈의 감금원
02-04
Trang a16z crypto đã đăng một bài viết về các giải pháp bảo mật AI hàng đầu và bảo mật AI trong kỷ nguyên Vibe Coding. @peachmint đã chia sẻ bài viết này với tôi, vì vậy tôi đã đọc nó. Các giải pháp bảo mật AI được giới thiệu trong bài viết được phân loại rộng rãi thành ba nhóm: 1. Các giải pháp từ AIxCC (Cuộc thi Giải pháp Bảo mật AI do Bộ Quốc phòng Hoa Kỳ tổ chức) • Các giải pháp này tập trung vào việc tự động hóa quá trình kiểm thử lỗi (fuzzing), và hầu hết chúng tích hợp các công cụ hiện có với AI thay vì giới thiệu các phương pháp hoàn toàn mới. Các mô hình được tinh chỉnh được sử dụng để vá các lỗ hổng sau khi phát hiện lỗ hổng. 2. Big Sleep của Google • Một tác nhân mô phỏng hành vi của các nhà nghiên cứu bảo mật con người. Nó chủ yếu phát hiện các lỗ hổng bộ nhớ trong mã C và chứng minh chúng bằng cách sử dụng các công cụ làm sạch địa chỉ. • Các giải pháp này chỉ có thể phát hiện lỗ hổng, chứ không thể vá chúng. Dự án CodeMender hiện đang được phát triển tại Google dự kiến sẽ cải thiện điều này. • 3. Aardbark của OpenAI • Thay vì tập trung vào phát hiện lỗi, nó được kỳ vọng sẽ trở thành một trợ lý dựa trên suy luận, hỗ trợ các nhà nghiên cứu. Bài báo kết luận rằng trong kỷ nguyên "mã hóa rung" hiện nay, các chương trình có mã không nhất quán và các thực tiễn bảo mật đa dạng, khiến việc áp dụng nhất quán các hệ thống bảo mật hiện có trở nên khó khăn. Đặc biệt, các hệ thống bảo mật AI thường gặp phải hiện tượng "ảo giác" khi xác định và vá các lỗ hổng. Tuy nhiên, bài báo kết luận rằng AI sẽ là công cụ để giải quyết vấn đề này, và các mô hình chuyên dụng và hệ thống tác nhân dự kiến sẽ phát triển theo thời gian. Cuộc thảo luận này có phần lý thuyết hơn dự kiến, điều này hơi đáng thất vọng. Vì chúng ta đang nói về AIxCC, tôi muốn thảo luận về các phương pháp và những phát triển gần đây của các finalists tại AIxCC. Hãy xem video này nếu bạn thấy nhàm chán. Giải Nhất: Atlantis của Team Atlanta • Một nhóm hợp tác giữa Georgia Tech, Samsung Research, KAIST và POSTECH • Sử dụng kỹ thuật fuzzing + thực thi ký hiệu + một mô hình độc quyền được tinh chỉnh • Sử dụng các tác nhân với các chiến lược khác nhau cho từng ngôn ngữ và giai đoạn • github.com/Team-Atlanta/aixcc-... Giải Nhì: Buttercup của Trail of Bits • Sử dụng các công cụ fuzzing truyền thống (ví dụ: libfuzzer) + LLM không suy luận => Hiệu quả chi phí cao • github.com/trailofbits/butterc... Giải Ba: Roboduck của Theory • Dựa vào phân tích mã LLM hiện đại thay vì các kỹ thuật phân tích nhị phân truyền thống. Các kỹ thuật truyền thống đóng vai trò là phương án dự phòng • Mô phỏng quy trình làm việc của một nhà nghiên cứu bảo mật • Phát triển một giải pháp bảo mật thương mại bằng cách sử dụng Xint Code • github.com/theori-io/aixcc-afc... Hạng 4: Fuzzing Brain của All You Need Is A Fuzzing Brain • Giống như Roboduck, nó dựa trên LLM và có cơ chế dự phòng bằng fuzzing. • Nó chạy song song 23 chiến lược LLM khác nhau. • github.com/o2lab/afc-crs-all-y... Hạng 5: Artiphishell của Shellphish • Nhóm hợp tác từ Đại học UC Santa Barbara, Đại học Arizona State và Đại học Purdue • Phát triển GrammarGuy, chuyên dùng để kiểm thử lỗi các định dạng đầu vào phức tạp và tạo ngữ pháp dựa trên phản hồi độ phủ LLM • Một quy trình kết nối phân tích tĩnh, phân tích động, phân loại và vá lỗi Hạng 6: BugBuster của 42-b3yong-bug • Nhóm hợp tác từ Đại học Northwestern, v.v. • Phát hiện lỗ hổng tập trung vào kiểm thử lỗi • Xếp thứ hai về số lượng lỗ hổng được phát hiện, nhưng tỷ lệ vá lỗi thành công thấp dẫn đến thứ hạng cuối cùng thấp Hạng 7: Lacrosse từ công ty quốc phòng SIFT của Mỹ • Hiện đại hóa một hệ thống cũ 10 năm tuổi • Kiểm thử lỗi + suy luận biểu tượng • github.com/siftech/afc-crs-lac... Văn bản gốc: a16zcrypto.com/posts/article/a...
LLM
0%
loading indicator
Loading..