ZkLock 专注于隐私保护机器学习 (PPML)、去中心化匿名路由、签名硬件安全、用户数据主权和可扩展隐私基础设施。 ^[1][2]

概述

ZkLock 创建了一个优先考虑隐私的安全数字环境。对于个人和组织，ZkLock 提供了应对数字隐私复杂性的工具和专业知识。 ^[3]

“ZkLock 的使命是通过创新的加密解决方案，以无与伦比的安全性与隐私来加强数字领域。我们的目标是通过保护个人和组织敏感信息及数字资产免受不断演变的网络威胁，从而赋能他们。

通过利用先进加密技术的强大功能，ZkLock 致力于为数据保护设定新标准，确保我们的用户能够充满信心和安心地在数字领域中遨游” - 使命宣言^[3]

隐私保护机器学习 (PPML)

PPML 是一种方法，能够以保护底层数据隐私的方式开发和部署机器学习模型。在一个数据使用无处不在，但保护敏感信息的需求至关重要的世界中，这一点至关重要。 ^[4]

技术

1. 联邦学习：联邦学习用于跨多个持有本地数据样本的去中心化设备或服务器训练机器学习模型，而无需交换它们。此方法确保数据保留在用户设备上，并且仅共享模型更新，从而显著增强数据隐私。
2. 安全多方计算 (SMC)：SMC 允许多方共同计算其输入的函数，同时保持这些输入的私密性。在 PPML 的上下文中，这使得不同的数据持有者能够为机器学习模型的准确性做出贡献，而无需泄露其专有或敏感数据。
3. 差分隐私：ZkLock 实施差分隐私技术，以向数据集或查询结果添加统计噪声。这确保了数据库查询或机器学习模型的输出不会损害数据集中个人的隐私，从而提供强大的隐私保证。
4. 同态加密：这种加密形式允许对密文进行计算，生成加密结果，解密后，该结果与对明文执行的操作结果相匹配。这在 PPML 中用于直接对加密数据执行机器学习计算，从而保护数据的机密性。 ^[4]

去中心化匿名路由

此技术旨在保护用户身份及其在线活动免受监视、跟踪和拦截，从而确保私密且安全的互联网导航体验。 ^[5]

技术

1. 多层加密：此技术将数据包包裹在多层加密中，从而确保网络中的每个节点只能访问知道将数据包发送到何处所需的数据，而无需查看原始消息或其最终目的地。
2. 无中央机构：与依赖中央服务器的传统系统不同，去中心化方法将数据分布在多个节点上，从而使任何单个实体都无法跟踪或收集用户数据。此设置增强了隐私并减少了漏洞。
3. 动态路由路径：每个数据包在到达其目的地之前，都会通过随机、动态选择的节点路径。这种随机性使任何人极难追踪回源路径，从而进一步保护用户匿名性。
4. 对等网络结构：此系统利用对等网络，其中每个参与者都为路由过程做出贡献。这增强了隐私和安全性，并且还提高了数据传输的弹性和效率。
5. 社区驱动：ZkLock 的去中心化匿名路由建立在致力于隐私的用户和开发人员社区之上。这种集体努力确保了持续改进和适应新威胁，使我们的技术始终处于隐私保护的最前沿。 ^[5]

硬件安全

Zklock 的硬件安全解决方案旨在安全地生成、存储和管理加密密钥。与容易受到黑客攻击的基于软件的密钥存储不同，基于硬件的方法可确保密钥保存在防篡改的物理设备中，从而提供更高级别的安全性。 ^[6]

用户数据主权

ZkLock 的数据主权方法是多方面的，旨在确保个人对其数据拥有完全的控制权和自主权。他们通过增强用户控制、鼓励透明的数据实践、安全的数据存储和传输等方式来实现这一点。 ^[7]

可扩展隐私基础设施

ZkLock 致力于开发一种可扩展的隐私基础设施，该基础设施既能满足当今的需求，又足够灵活，能够适应未来不断变化的隐私需求。该基础设施旨在跨多个向量保护用户数据，确保在数字交互的每个级别都保持隐私。 ^[8]

$ZKLK

$ZKLK 于 2024 年 3 月推出^[9]，是 Zklock 生态系统的原生 ERC-20 代币。它的固定供应量为 100,000,000（1 亿）个代币，其中 82% 的供应量分配给流动性，8% 分配给开发团队，10% 分配给营销和流动性，5% 的团队供应量已归属。 ^[10][11][12]