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
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。