英格兰银行已证明离线数字支付系统可以运行,但在正式批准前计划研究相应的政策选择。
这家英国央行调查了一种系统,该系统支持离线时实现手机对手机、手机对卡片以及卡片对手机的支付,并能在设备重新联网后进行资金与账本间的下载与上传。
为展示所谓的数字英镑,该项目由 Thales、Secretarium、IDEMIA Secure Transactions、Quali-Sign 和 Consult Hyperion 参与。尽管评估了不同的离线支付方案,但由于尚未构建基础设施,因此未进行真实支付。虽然部分技术能够支持离线支付,但其实施取决于政策选择,包括风险偏好、产品定位及责任归属,而这些都可能影响安全策略。
央行表示,“尚未就是否为数字英镑实施离线支付功能作出最终决策。”
央行还指出,“该项目证明,从技术上讲,为数字英镑实现离线支付功能是可行的,但仍存在需要进一步探讨的安全、性能及用户体验方面的挑战。”
央行表示,在决定是否为数字英镑增设离线支付功能之前,将先研究相关政策选择。
研究报告指出:“本项目仅从技术角度探讨了离线支付。还有其他因素,如政策、运营、法律和商业考量,将影响离线支付的设计选择。此外,本项目未解决某些技术挑战,例如当用户丢失设备时离线资金的处理问题。”
2023 年 2 月,央行的技术工作论文与 HM Treasury 联合发布的论文探讨了数字英镑的可能性,并指出未来很可能需要引入数字英镑。
经过一番前期准备,央行与 HM Treasury 已从 “研究与探索阶段” 进入设计阶段,“预计将在本十年中期就是否打造数字英镑作出决策。”
央行表示,离线支付指的是由于缺乏互联网连接,付款方和收款方均无法访问通常在数字交易中使用的央行数字货币 (CBDC) 网络。
该原型系统已在智能手机和智能卡上实现,并在联网后使用后端系统对资金进行核对。为了支持隐私保护,系统采用了数据假名化以及新兴技术,如保密计算、 Direct Anonymous Attestation 和 Bitcoin Improvement Proposals 32 (BIP32)。
系统通过蓝牙通信,并采用消费者设备持卡人验证方法 (CDCVM) 及个人识别码 (PIN) 进行身份认证。 (R)
好文章,需要你的鼓励
卢森堡大学研究团队开发的RLDP框架首次将强化学习应用于差分隐私优化,创造性地解决了AI训练中隐私保护与模型效果的矛盾。该方法如同智能教练,能动态调整隐私保护策略,在四种语言模型上实现平均5.6%的性能提升和71%的训练时间缩短,同时增强了抗隐私攻击能力,为敏感数据的AI应用开辟了新路径。
这项由北京大学人工智能研究院完成的研究,首次从数据压缩理论角度揭示了大型语言模型存在"弹性"现象——即使经过精心安全对齐,模型仍倾向于保持预训练时的行为分布。
腾讯混元团队联合北京大学提出MixGRPO技术,通过混合ODE-SDE采样策略和滑动窗口机制,将AI图像生成训练效率提升50%-71%,同时在多项人类偏好评估指标上超越现有方法。该技术采用"从难到易"的渐进优化策略,专注于图像生成早期阶段的重点优化,并引入高阶求解器进一步加速训练过程,为AI图像生成的产业化应用提供了更高效可行的解决方案。