Wir freuen uns, mit @WalrusProtocol und @SuiFoundation zusammenzuarbeiten, um dezentralisierte, datenschutzfreundliche KI in das @SuiNetwork-Ökosystem zu bringen. Diese Integration bringt die dezentrale Datenebene von Walrus und die Verschlüsselung von SEAL in den föderierten Lernstapel von FLock, was sicheres, gemeinschaftlich besessenes Modelltraining ermöglicht.

2/ FLock trainiert KI-Modelle mithilfe von föderiertem Lernen, bei dem Teilnehmer gemeinsam trainieren, ohne Rohdaten auszutauschen. Um dies sicher zu skalieren, benötigten wir eine dezentrale Infrastruktur zum Speichern, Übertragen und Verschlüsseln von Modellaktualisierungen. Mit Walrus und SEAL erhalten wir beides.

3/ Walrus wird zur zugrunde liegenden Infrastruktur für FLock's FL Alliance - unser Netzwerk von kollaborativen Trainingsknoten. Es bietet dezentrale Übertragung und Speicherung von Modellgradienten, Parametern und Trainingsergebnissen. Keine zentralen Server, kein einzelner Ausfallpunkt.

4/ SEAL fügt dem Prozess programmierbare Verschlüsselung und Zugriffskontrolle hinzu. Es stellt sicher, dass nur verifizierte Teilnehmer an einer Trainingsrunde Gradienten einsehen oder beitragen können. Verschlüsselte Daten werden sicher gespeichert und abgerufen, ohne dass man einem einzelnen Server oder einer Partei vertrauen muss.

5/ Walrus und SEAL ersetzen die fehlenden Teile beim Aufbau wirklich dezentraler, sicherer föderierter Lernpipelines. Dies eröffnet eine wichtige Initiative: das Wachstum der FL-Allianz. Wir können jetzt mehr Entwickler in das föderierte Lernen mit integrierter Privatsphäre und Dezentralisierung einbinden.

6/ Zusammen mit Walrus und SEAL bauen wir den Stack für sichere, programmierbare und gemeinschaftlich besessene KI. In der Zukunft arbeiten wir mit @SuiFoundation daran, ein Open-Source-Grundlagenmodell zu optimieren, das für agentische KI auf Sui ausgelegt ist. Mehr wird kommen. 💧