至顶网CIO与CTO频道 02月01日 编译:我们进入了2020年,技术领域里有许多兴奋的事情发生,主要原因是诸如区块链、人工智能(AI)、机器人过程自动化(RPA)以及金融工具和概念和新技术的出现,金融工具和概念涉及到比特币及Ethereum一类的加密币数字资产。在2019年里,我们看到金融服务龙头企业竞相试图建立自己的领导地位。这些企业包括摩根大通、纽约梅隆银行和桑坦德银行以及银行业里诸如Bakkt和富达数字资产等注重数字资产的新兴企业。
对于大多数大型零售银行和投资银行来说,区块链技术只有应用到大型及具有规模的网络时才有意义。我们看到信息网络(IIN)等私人银行业务网络和公共事业结算硬币(USC)的发布也就很自然了,IIN号称拥有365名成员,USC的参与者则包括瑞士信贷、ING和瑞银,这些网络最终将提供银行之间的后端交易处理及交易对账服务。然而,商业模式的这种新范式也存在一些问题,主要是用了区块链后对数据隐私和安全性需求的增加以及关于如何在真正用中心化的方式实现安全和兼容。
安全多方计算是有一种计算函数的方法,场景是函数的输入来自互不信任的一些用户,MPC需要在不透露输入(即保护他们的隐私)的前提下计算函数的值。媒体这一阵子在炒作与隐私相关的技术,例如零知识证明,MPC是个小众技术,填补了其他技术未能覆盖的空间。终究零知识证明只是所谓的两部分计算(Two-part computation)的特例,而MPC则可以扩展到有数千与者时几分钟内计算出函数值,龙头MPC供应商之一 Ligero已经证明了这一点。而且,安全MPC还有些主要的好处,安全MPC可以提供正确性、更好的私密性、独立输入、公正性及输出交付保证。
那么可能的MPC用例是什么呢?下面笔者介绍现实世界里几个场景用到的金融服务方案使用安全多方计算的用例,其中安全多方计算为现有的业务和技术痛点提供解决方案。
l 在银行业反洗黑钱欺诈的斗争中,摩根大通可以和德意志银行及自己的IIN网络上364家其他成员银行分享关于关于金融交易的敏感信息。目前如果只靠一家银行要识别可疑交易及达到完整的终端到终端透明是非常昂贵及困难的,主要是由于数据隐私法规和银行与银行之间的竞争。而利用MPC则可以做到银行间共享私人数据和交易,可以显示结果,但又不透露输入数据,进而我们可以得到一个合规及可以端到端审计的解决方案。
·诸如富达、北方信托、纽约银行、美国道富和Bakkt等几大加密托管商可以利用MPC提供私募基金存在的证据但又不透露细节和金额。例如,授权实体的一部分实体可以授权交易,例如,五分之三的监管机构、三分之二的客户和五分之三的托管合规经理授权。从而得到十三名成员中的八名成员的授权,足够完成签字流程。
·BitGo、Coinbase钱包等大型加密币钱包提供商可以放弃当前的冷储存或硬件安全模块解决方案改用MPC获益,原因是MPC比目前的多签名钱包更安全、更快、更容易使用。MPC本身就是去中心化的,所以MPC完全避免了现有解决方案的单点失效问题。
·传统和数字资产交易(如纽约证券交易所、纳斯达克,Coinbase和Binance)可能会相互共享KYC安全数,同时也会向外部监管者安全地报告交易活动。特别是加密币交易也可以利用MPC而不是用冷储存,因此,可以提供即时资产兑现,进而增加交易量和客户满意度。2020年里交易费用日趋向零发展,类似的技术解决方案也会变得至关重要。
·新商业模式可能出现,大型云基础架构提供商(如亚马逊网络服务(AWS)和微软的Azure))大可以创建新的商业模式,原因是利用MPC可以在各类小众市场及垂直市场提供大规模的安全即服务及隐私的服务。
·监管机构使用MPC技术的态势也在升温,下面的事情就是一个很好的证明,在英国的金融行为管理局(FCA)反洗黑钱机构TechSprint接受的初创公司申请里,基于MPC的的创业公司占了大部分。
·MPC可以与机器学习(ML)一起使用,这在处理金融服务企业、托管、券商和监管之间的大量交易或KYC数据时用得上。如此,使用MPC使用数据驱动及隐私友好的方法,能尽早检测欺诈活动的参与,从而节省大量的资源。
总体来说,安全MPC的使用将令硬件安全模块(HSM)退场,硬件安全模块提供可信执行环境的方式又贵又慢。 HSM产品在安全和规模扩展上也存在问题。风险投资商对以MPC为重点的企业有强烈的需求,我们看到类似前面提到的Ligero一类的专注于MPC研究和服务的初创企业数目在稳步增加,例如,CURV和Unbound的重点也放在MPC空间上。
Ligero联合创始人兼首席执行官Matthew DiBiase表示,我们的第一个MPC产品是个安装流程MPC协议(类似于ZCash和Aztec流程),是为VDF联盟(由Ethereum基金会指导)打造的, 1000参与者时需时5分钟,10000参与者时需时30分钟。
多方计算是一项真正令人兴奋的技术,可望在未来十年里稳步发展。多方计算技术一直是Hyperledger Avalon的重要组成部分,Hyperledger Avalon的重点是链下计算,主要企业区块链参与者R3也在自己的Conclave项目里开发信任计算项目。而且,MPC在一些国际加密币会议上(如Real World Crypto 2020)也进入主流。MPC进入大型企业区块链启用模式在现实世界的金融服务必将取得令人振奋的成果。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。