گری‌اسکیل شاهد رشد زی‌کش است؛ در حالی‌که هوش مصنوعی خطرات حریم خصوصی مالی را افزایش می‌دهد

Grayscale موج سوم تقاضا برای حریم خصوصی مالی را پیش‌بینی می‌کند

هوش مصنوعی می‌تواند با بهتر شدن ابزارهای تحلیلی در اتصال تراکنش‌های عمومی بلاکچین به اطلاعات خارج از زنجیره، تقاضا برای ویژگی‌های حریم خصوصی زیکش را تقویت کند؛ «زک پندل» رئیس بخش پژوهش Grayscale در 31 اوت گفت. پندل در آخرین یادداشت Stack این شرکت، هوش مصنوعی را نیروی محرکِ موج سومِ بالقوه توجه عمومی به حریم خصوصی مالی توصیف کرد.

به گفته این مدیر دارایی، نگرانی‌های جریان اصلی درباره حریم خصوصی پیش‌تر در جریان رایانه‌ای شدن سوابق مالی در دهه 1970 و گسترش اینترنت در دهه 1990 تشدید شده بود. بلاکچین‌های عمومی اکنون نوع متفاوتی از مواجهه را ایجاد می‌کنند، زیرا تراکنش‌ها قابل مشاهده باقی می‌مانند و می‌توانند به‌طور بالقوه با سوابق صرافی‌ها، فعالیت کیف‌پول‌ها و دیگر اطلاعات هویتی ترکیب شوند.

پندل بیان کرد:

“برای کاربرانی که حریم خصوصی برایشان اولویت دارد، این می‌تواند به یک ویژگی «ضروری» تبدیل شود.”

این یادداشت تازه پس از تحلیل گسترده‌تر Grayscale درباره جایگاه بالقوه زیکش در بازار ارزهای دیجیتال منتشر می‌شود. ZEC طی سال گذشته تقریباً 19 برابر افزایش یافته اما تا 29 اوت همچنان کمتر از 1% از ارزش بازار بیت‌کوین بود. سناریوهای ارزش‌گذاری پیشین Grayscale نمونه‌های فرضی بودند، نه پیش‌بینی قیمت.

نهادهای آمریکا ریسک‌های بازشناساییِ مبتنی بر هوش مصنوعی را شناسایی می‌کنند

پژوهش‌های فدرال از نگرانی گسترده‌تر مبنی بر اینکه هوش مصنوعی می‌تواند حفاظت‌هایی را که پیش‌تر از طریق ناشناس‌سازی و داده‌های پراکنده فراهم می‌شد تضعیف کند، پشتیبانی می‌کند. «مؤسسه ملی استانداردها و فناوری» (NIST) اعلام می‌کند که هوش مصنوعی ریسک‌های جدید بازشناسایی ایجاد می‌کند، و در عین حال قابلیت‌های پیش‌بینی آن می‌تواند اطلاعات بیشتری درباره افراد آشکار کند و ردیابی رفتاری و نظارت را تشدید کند.

گزارش جداگانه‌ای از «دفتر حسابرسی دولت ایالات متحده» (GAO) که در مارس منتشر شد، ریسک‌های حریم خصوصی نام‌برده‌شده توسط یک پنل کارشناسی که آن را گرد هم آورده بود را گردآوری کرد. این پنل توضیح داد که هوش مصنوعی با ارجاع متقابل مجموعه‌داده‌های ظاهراً مستقل، اطلاعات ناشناس‌سازی‌شده را بازشناسایی می‌کند و تجمیع داده‌ها را نیز به‌عنوان یک ریسک جداگانه مطرح کرد. سامانه‌ها ممکن است داده‌های مالی، مکانی، سلامت و دیگر داده‌های مربوط به یک فرد را ترکیب کنند تا جزئیاتی را استنباط کنند که به‌طور صریح در هیچ مجموعه‌داده واحدی وجود ندارد.

این یافته‌ها به‌طور مشخص تراکنش‌های بلاکچین یا زیکش را ارزیابی نمی‌کنند، اما سازوکارِ زیربناییِ استدلال Grayscale را تأیید می‌کنند. دفترکل‌های شفاف یک مجموعه‌داده دائمی فراهم می‌کنند که سامانه‌های روزبه‌روز توانمندتر می‌توانند آن را در کنار اطلاعات گردآوری‌شده توسط صرافی‌ها، پلتفرم‌های پرداخت، سوابق عمومی، کارگزاران داده و خدمات آنلاین تحلیل کنند.

تراکنش‌های شیلدشده آدرس‌ها و مبالغ را پنهان می‌کنند

زیکش هم از تراکنش‌های شفاف و هم شیلدشده پشتیبانی می‌کند و به کاربران کنترل می‌دهد که آیا جزئیات تراکنش به‌صورت عمومی قابل مشاهده باشد یا نه. انتقال‌های شیلدشده آن از رمزنگاری دانش-صفر استفاده می‌کنند؛ فناوری‌ای که برخی کوین‌های حریم خصوصی از آن استفاده می‌کنند تا تراکنش‌ها را بدون آشکار کردن آدرس‌های فرستنده و گیرنده یا مبلغ، اعتبارسنجی کند.

علاقه به تراکنش‌های محرمانه در بلاکچین همزمان با نگرانی‌های گسترده‌تر درباره نظارت مالی افزایش یافته است. تا ماه مه، حدود 30% از عرضه ZEC در استخرهای شیلدشده نگهداری می‌شد، در حالی که این رقم در سال‌های قبل حدود 8% بود؛ که نشان‌دهنده افزایش پذیرش ویژگی‌های حریم خصوصی زیکش است. این درصد سهم ZEC ذخیره‌شده به‌صورت خصوصی را بازتاب می‌دهد و یک معیار در سطح شبکه از پذیرش استخر شیلدشده ارائه می‌کند.

دسترسی سرمایه‌گذاران نیز گسترش یافت زمانی که ETF زیکش Grayscale در NYSE Arca با نماد ZCSH در 25 اوت معامله‌گری را آغاز کرد. این محصول از طریق یک ساختار قابل معامله در بورس، در معرض قرارگیری اسپات ZEC را فراهم می‌کند و تز حریم خصوصی Grayscale را به یک ابزار سرمایه‌گذاریِ معامله‌شونده عمومی پیوند می‌زند.

آخرین یادداشت این شرکت، ریسک‌های حریم خصوصیِ ناشی از هوش مصنوعی را به‌عنوان منبع بالقوه‌ای برای تقاضای بلندمدت مطرح می‌کند، در حالی که ادعای محوری آن همچنان پیش‌بینی درباره مرتبط بودن زیکش است، نه شواهدی مبنی بر اینکه هوش مصنوعی از پیش استفاده از تراکنش‌های شیلدشده را افزایش داده است.