Quynn
Quynn
quynn vibes
969متابعة
1.1 ألفالمتابعون
الموجز
الموجز
في عالم العملات المشفرة، يمكن لتاريخ المحفظة أن يكشف أكثر من رصيدها.
هذا ما يجعل @zerufinance جديرًا بالمتابعة.
تحول ZeruAI النشاط على السلسلة إلى إشارات سلوكية يمكن أن تساعد في تقييم الجدارة الائتمانية، وتخصيص الحوافز، وتقييم مخاطر المحفظة.
بدلاً من الاعتماد فقط على الهوية أو مقدار رأس المال الذي يملكه الشخص، ينظر إلى ما قام به فعليًا على مر الزمن.
أعتقد أن هذه طريقة أكثر عملية للتعامل مع الثقة في نظام بيئي بدون إذن.
قد تظل محفظتك مجهولة الهوية لكن أفعالك تترك سجلًا. تعمل zeru على جعل هذا السجل مفيدًا.
مقاومة الكم هي شيء واحد. جعلها عملية للأشخاص الذين يمتلكون أصولًا بالفعل هو شيء آخر.
هذا هو الجزء الذي أجده مثيرًا للاهتمام حول @Americanfort_io ونهجه في أمان ما بعد الكم.
واحدة من أكبر التحديات في ترقية أمان المحفظة هي عملية الترحيل نفسها. لا ينبغي للمستخدمين أن يضطروا إلى التنقل في عملية معقدة فقط للاستفادة من حماية تشفيرية أقوى.
تستكشف americanfortress هذا من خلال QBIP-32، وهي طريقة اشتقاق مفاتيح آمنة من الكم مصممة للعمل عبر منحنيات إهليلجية مختلفة، إلى جانب التوقيعات الرقمية الموحدة من NIST.
الهدف الأوسع هو جعل الانتقال أقل إزعاجًا، ويفضل دون الحاجة إلى أن يقوم المستخدمون بنقل الأموال يدويًا كجزء من مسار الترقية المقصود.
هناك أيضًا ZKPoSP، الموثقة في IACR ePrint 2026/1508، والتي تضيف قطعة أخرى للفحص من منظور تقني.
بالطبع، التصميم المقترح ليس هو نفسه الأمان المثبت. الاختبار الحقيقي يكمن في الافتراضات التشفيرية، تفاصيل التنفيذ، المراجعة المستقلة وكيفية أداء النظام في الممارسة.
ما يهمني هو ما إذا كان يمكن تقديم أمان أقوى دون جعل إدارة المحفظة أصعب للمستخدمين العاديين.
لأن أفضل ترقية أمان ليست فقط تلك التي تحتوي على تشفير أقوى. بل هي التي يمكن للناس اعتمادها بأمان دون تعقيد غير ضروري.
كيف ترى هذا التوازن بين الحماية ما بعد الكم والتوافق مع الإصدارات السابقة؟
تحاول معظم شبكات البيانات جمع المعلومات أولاً ثم معرفة الطلب لاحقًا.
@vangrid_io تتبع نهجًا مختلفًا يبدأ بحاجة محددة.
إذا كان شخص ما يحتاج إلى بيانات مكانية من مستودع أو زاوية شارع أو مسار توصيل، يمكنه إنشاء مكافأة مع تعليمات واضحة، وجائزة، وموعد نهائي.
يقوم المساهمون بعد ذلك بالتقاط الموقع المطلوب ويتلقون USDC عند قبول مشاركاتهم.
هذا يغير طريقة نمو الشبكة.
→ يدفع الطالبون مقابل البيانات التي يحتاجونها فعلاً
→ يعرف المساهمون ما يجب التقاطه وما يمكنهم كسبه
→ تتحول المشاركات المقبولة إلى بيانات مكانية مفيدة من بيئات العالم الحقيقي
بدلاً من ملء قاعدة بيانات بلقطات عشوائية على أمل أن يستخدمها أحدهم، يربط @vangrid_io جمع البيانات مباشرة بالطلب.
أعتقد أن هذا الأمر يزداد أهمية مع حاجة الروبوتات والأنظمة الذاتية وAI الفيزيائي إلى تمثيلات دقيقة للأماكن الحقيقية.
التحدي ليس مجرد جمع المزيد من البيانات، بل التأكد من جمع البيانات الصحيحة من البداية.
هذا ما يجعل نموذج المكافأة جديرًا بالمتابعة.
كل محفظة تترك وراءها أثرًا من القرارات. الجزء المثير للاهتمام هو فهم ما تقوله تلك الأنشطة عنك فعليًا.
هذا ما جذب انتباهي إلى @zerufinance.
ذكاء سلوك zeru متاح الآن عبر كبار مستكشفي البلوكتشين، بما في ذلك etherscan و basescan و bscscan و arbiscan و polygonscan و lineascan و robinhood crypto.
بدلاً من النظر إلى النشاط على السلسلة كمجموعة من المعاملات المعزولة، تقدم zeru للمستخدمين طريقة أخرى لاستكشاف سلوك محافظهم.
إليك ما يمكنك فعله:
→ تحقق من zScore الخاص بك للحصول على رؤية أفضل لنشاطك على السلسلة
→ اطلب Zaps وشارك في نظام zeru البيئي
→ انضم إلى الحملات واعمل نحو الحصول على اعتراف في قاعة الشهرة
مع وجود أكثر من 25,000 زابر بالفعل على متن الطائرة، هناك مجتمع متنامٍ يستكشف هذا النهج لسمعة النشاط على السلسلة.
أعتقد أن الفكرة تستحق المتابعة لأن تاريخ المحفظة يحتوي على معلومات أكثر من مجرد الأرصدة وعدد المعاملات. كيف يتداول الناس ويشاركون ويتفاعلون مع مرور الوقت يمكن أن يكشف صورة أوسع عن سلوكهم.
محفظتك لديها بالفعل تاريخ. الآن هناك طريقة أخرى لاستكشافه.
تحقق من zScore الخاص بك وانظر ماذا يكشف نشاطك على السلسلة.
عنوان المحفظة سهل النسخ لكن خطأ واحد في حرف يمكن أن يحول تحويلًا روتينيًا إلى مشكلة خطيرة.
هذه واحدة من نقاط الاحتكاك الصغيرة ولكن المهمة في عالم العملات المشفرة التي تحاول @Americanfort_io معالجتها.
مع FortressName، يمكن للمستخدمين استبدال عناوين المحافظ الطويلة بأسماء قابلة للقراءة. ميزة الإرسال إلى الاسم تأخذ الفكرة أبعد من ذلك من خلال توليد عنوان استقبال جديد لمرة واحدة لكل معاملة.
الفوائد تتجاوز مجرد الراحة.
→ تقليل الاعتماد على النسخ اليدوي والتحقق من العناوين الطويلة
→ عناوين استقبال جديدة بدلاً من إعادة استخدام عنوان عام دائم
→ المعاملات لا تزال تتم على البلوكشين الأصلي
→ دعم عبر 13 شبكة مدمجة
يمكن لهذا النهج أيضًا تقليل الاعتماد على العناوين العامة الثابتة، رغم أنه لا يقضي على كل مخاطر الخصوصية أو يحمي من كل أنواع أخطاء المعاملات.
ما أجده مثيرًا هو التحول في كيفية تفاعل الناس مع المحافظ. لا يجب أن تتطلب تحويلات العملات المشفرة دائمًا من المستخدمين فحص سلسلة من الأحرف فقط ليشعروا بالثقة في إرسال الأموال.
جعل العناوين قابلة للقراءة هو بداية جيدة. الجمع بين هذه البساطة وعناوين استقبال جديدة يجعل التجربة أكثر عملية.
الاختبار الحقيقي هو ما إذا كانت أدوات مثل FortressName يمكن أن تجعل العادات الآمنة تبدو طبيعية بدلاً من إضافة خطوة أخرى إلى العملية.
جمع البيانات من العالم الحقيقي شيء واحد. معرفة مصدرها شيء آخر.
بالنسبة لـ Physical AI، يحتاج الالتقاط المفيد إلى أكثر من مجرد معلومات بصرية. الموقع، التوقيت، والمصداقية أيضًا مهمة عندما يحتاج المطورون إلى الاعتماد على تلك البيانات.
هذا جزء أجد أنه مثير للاهتمام حول @vangrid_io.
بدلاً من التعامل مع لقطات الهواتف الذكية كملف فيديو عادي، يربط vangrid الالتقاط من العالم الحقيقي بطريقة للتحقق من مصدره.
→ يلتقط المساهمون البيئات الفيزيائية باستخدام هواتفهم.
→ توفر سجلات الموقع والطابع الزمني سياقًا لكل لقطة.
→ تجمع بصمة تشفيرية بين تجزئة المحتوى، وgeohash تقريبي، والطابع الزمني للمساعدة في إثبات الأصل.
→ تشجع المكافآت المعتمدة على الموقع المساهمين على جمع بيانات جديدة من أماكن محددة.
يمكن أن يجعل هذا النهج جمع البيانات المكانية أسهل مع تتبع مصدرها.
مع استمرار تطور الروبوتات وPhysical AI، يصبح إثبات مصدر البيانات أكثر أهمية. يحتاج المطورون إلى أكثر من نموذج ثلاثي الأبعاد يبدو مقنعًا. يحتاجون أيضًا إلى طريقة للتحقق من المادة المصدرية وراءه.
vangrid تستكشف كيف يمكن للالتقاط الموزع والسجلات القابلة للتحقق أن تعمل معًا لجعل بيانات العالم الحقيقي أكثر فائدة.
يمكن لمحفظتين أن تظهران نشاطًا مشابهًا على السلسلة ومع ذلك ترويان قصصًا مختلفة تمامًا.
قد تكون إحداهما تتداول باستمرار باستراتيجية واضحة، بينما الأخرى تتحرك ببساطة بين المراكز دون الكثير من الانضباط.
هذا ما يجعل @zerufinance مثيرًا للاهتمام بالنسبة لي.
ZeruAI ينظر إلى ما هو أبعد من الأرقام الأساسية مثل عدد المعاملات أو أرصدة المحافظ ويركز على السلوك وراء النشاط على السلسلة.
التداول، الإقراض، السيولة والتخزين يمكن أن تكشف جميعها عن أجزاء مختلفة من تاريخ المحفظة.
القيمة تأتي من ربط تلك الإشارات وفهم الأنماط التي تشكلها مع مرور الوقت.
لأن مستوى النشاط العالي لا يعني تلقائيًا قرارات جيدة، والرصيد الكبير لا يخبرك كيف أدار شخص ما المخاطر للوصول إلى هناك.
بيانات السلسلة متاحة بالفعل للجمهور. الجزء الأصعب هو جعل تلك البيانات ذات معنى.
هنا يصبح السمعة السلوكية مفيدة، خاصة عند تقييم المحافظ بما يتجاوز ممتلكاتها الحالية.
إذا كان عليك الحكم على محفظة، هل ستثق في اتساقها أم في أدائها أكثر؟
يمكن للذكاء الاصطناعي أن يتعلم من ملايين الصور ومع ذلك يفوت ما يهم في المكان الحقيقي اليوم.
المستودع أكثر من مجرد صورة. تحتاج الروبوتات إلى فهم تخطيطه، والعقبات، ونقاط الوصول، والتفاصيل الصغيرة التي يمكن أن تتغير مع مرور الوقت.
هنا لفت انتباهي @vangrid_io.
بدلا من الاعتماد فقط على مجموعات البيانات الموجودة، تتيح فانغريد للناس التقاط بيئات حقيقية وتحويل تلك الالتقاطات إلى بيانات ثلاثية الأبعاد تدعم الروبوتات والأنظمة الذاتية ونماذج العالم.
الجزء الذي أجده مثيرا للاهتمام هو النهج عند الطلب.
→ تحتاج بيانات من موقع محدد؟ أنشئ مكافأة
→ شخص ما يلتقط البيئة
→ تتحقق الشبكة من التقديم وتعالجها إلى بيانات مكانية قابلة للاستخدام
→ العمل المقبول يحصل على أجر في USDC
هذا يخلق طريقة لطلب بيانات جديدة عند ومكان الحاجة إليها، بدلا من الاعتماد بالكامل على مجموعات البيانات التي جمعت في الماضي.
يساعد البلوك تشين في تنسيق العملية، بينما تجعل سجلات السلسلة نشاط الشبكة أسهل في التتبع.
وفانغريد تبني بالفعل خارج هذا المفهوم، مع منتجاتها على الويب وأندرويد مباشرة ونشاط الالتقاط المسجلين عبر Base.
الصورة الأكبر هي أن الذكاء الاصطناعي الأذكى لا يعني تلقائيا فهما أفضل للعالم المادي.
لا تزال الروبوتات بحاجة إلى معلومات دقيقة عن البيئات التي تعمل فيها.
إذا استمر الذكاء الاصطناعي المادي في التوسع، فقد تصبح البنية التحتية لجمع وتحديث البيانات الواقعية بنفس أهمية النماذج نفسها.
النشاط الخام على السلسلة موجود في كل مكان.
السؤال الأصعب هو ماذا يمكنك فعلا أن تفعل به.
هذا هو الجزء الذي أجده مثيرا للاهتمام في @zerufinance.
بدلا من اعتبار نشاط المحفظة لوحة تحكم لأفعال سابقة، تحاول Zeru تحويلها إلى إشارات تساعد في معرفة ما سيحدث لاحقا.
التدفق بسيط إلى حد ما:
يتم جمع النشاط عبر السلاسل
→ يتم تطبيع أنواع السلوك المختلفة
يتم تحديد → الأنماط عبر المحافظ
→ zScore وإشارات أخرى تساعد في تحويل تلك الأنماط إلى شيء قابل للقياس
→ يمكن استخدام هذه الإشارات في الحملات، وواجهات برمجة التطبيقات (APIs)، والبروتوكولات، وتخصيص رأس المال
لكن الجزء المثير للاهتمام يأتي بعد التخصيص.
يخلق رأس المال نشاطا جديدا.
النشاط الجديد يخلق بيانات جديدة.
تصبح تلك البيانات مدخلا آخر للقرار التالي.
لذا فهو أقل شبها بنظام تسجيل ثابت وأكثر كحلقة تغذية راجعة:
النشاط → الإشارة → التقييم → التخصيص → النشاط الجديد → الإشارة الأفضل
هذه طريقة أكثر إثارة للاهتمام للتفكير في بيانات السلسلة المستمرة.
ليس فقط قياس ما حدث، بل استخدامه للمساعدة في تحديد ما سيحدث بعد ذلك.
لا يجب أن تكشف الدفعة بالضرورة عن مصدرها.
هذا هو الجزء الذي أجده مثيرا للاهتمام في @Americanfort_io.
بدلا من إرسال الأموال إلى عنوان محفظة يبقى مرتبطا علنا بهوية واحدة، يمكن للمحفظة إنشاء عنوان استقبال جديد لدفع محدد.
السير بسيط جدا:
→ ترسل إلى اسم
→ تحصل المحفظة على عنوان جديد لتلك الدفعة
→ المستلم لا يزال بإمكانه التعرف على من أرسلها
→ الغرباء لا يمكنهم بسهولة ربط ذلك العنوان بمدفوعات المرسل الأخرى
لا يزال البلوك تشين يرى معاملة طبيعية.
ما يتغير هو العلاقة بين الاسم وسجل الدفع.
أعتقد أن هذا يصبح أكثر إثارة للاهتمام مع اقتراب مدفوعات المحفظة من الاستخدام اليومي، حيث لا يعني معرفة من تدفع تلقائيا كشف كل ما دفعته سابقا.
السؤال الأكبر بالنسبة لي هو مدى فعالية هذا الأسلوب عبر عدة شبكات.
