我们很高兴与 @WalrusProtocol 和 @SuiFoundation 合作，将去中心化、保护隐私的人工智能引入 @SuiNetwork 生态系统。 此次集成将 Walrus 的去中心化数据层和 SEAL 的加密技术引入 FLock 的联邦学习堆栈，实现安全的社区拥有模型训练。

2/ FLock 使用联邦学习训练 AI 模型，参与者在不共享原始数据的情况下进行协作训练。 为了安全地扩展这一点，我们需要去中心化的基础设施来存储、广播和加密模型更新。 通过 Walrus 和 SEAL，我们得到了这两者。

3/ Walrus 成为 FLock 的 FL Alliance 的基础设施 - 我们的协作训练节点网络。 它为模型梯度、参数和训练输出提供去中心化的广播和存储。 没有集中服务器，没有单点故障。

4/ SEAL 为该过程添加了可编程加密和访问控制。 它确保只有经过验证的参与者才能在训练轮中查看或贡献梯度。 加密数据被安全存储和检索，无需信任任何单个服务器或方。

5/ 海象和海豹填补了构建真正去中心化、安全的联邦学习管道中缺失的部分。 这解锁了一个关键倡议：发展FL联盟。 我们现在可以将更多的建设者引入具有内置隐私和去中心化的联邦学习。

6/ 我们与Walrus和SEAL一起，正在构建一个安全、可编程和社区拥有的AI堆栈。 展望未来，我们正在与@SuiFoundation合作，微调一个针对Sui上代理AI优化的开源基础模型。 更多内容敬请期待。💧