一種主動出示數位憑證資料，但不洩漏憑證持有者身分的方法
Abstract一種根據數位憑證（digital credential）資料生成檔案，使得採用數位自主（Self-sovereign Identity, SSI）驗證框架的APP，能夠主動出示資訊，符合習用驗證流程的方法Background & Problem Statement在目前的物理世界下，身分驗證（authentication, AuthN）的第一步，經常都是使用者（待驗證者，即持證者，holder）出示證件。 數位自主（Self-sovereign Identity, SSI）驗證框架雖然提高了使用者的資料自主性；同時阻斷身分驗證過程中，驗證者（verifier）向外詢問資料，留下數位足跡的風險；但也因此要求使用者與驗證者（verifier）修改識別流程，妨礙SSI驗證框架的導入。 在數位自主（Self-sovereign Identity, SSI）驗證框架下，使用者主動出示證件，是極為危險的。因為幾乎無法檢查驗證者（verifier）的身分。若身分驗證的第一步是使用者出示證件，歹徒就可以用各種社交工程，騙取證件上的個資。 因此，OIDC4VP 等通訊協定，明文要求...
一種主動出示數位憑證資料，但不洩漏憑證持有者身分的方法
Abstract一種根據數位憑證（digital credential）資料生成檔案，使得採用數位自主（Self-sovereign Identity, SSI）驗證框架的APP，能夠主動出示資訊，符合習用驗證流程的方法Background & Problem Statement在目前的物理世界下，身分驗證（authentication, AuthN）的第一步，經常都是使用者（待驗證者，即持證者，holder）出示證件。 數位自主（Self-sovereign Identity, SSI）驗證框架雖然提高了使用者的資料自主性；同時阻斷身分驗證過程中，驗證者（verifier）向外詢問資料，留下數位足跡的風險；但也因此要求使用者與驗證者（verifier）修改識別流程，妨礙SSI驗證框架的導入。 在數位自主（Self-sovereign Identity, SSI）驗證框架下，使用者主動出示證件，是極為危險的。因為幾乎無法檢查驗證者（verifier）的身分。若身分驗證的第一步是使用者出示證件，歹徒就可以用各種社交工程，騙取證件上的個資。 因此，OIDC4VP 等通訊協定，明文要求...
如何吸引強大玩家來設計規則，同時防止玩家藉規則自肥？
將玩家的分數(例如財產)跟總數值(例如股市總產值)掛勾，以莊家權能強制多退少補將這些設計規則的職位成為獎盃，新玩家可以隨時頂替掉較弱的舊玩家，並直接繼承其分數/財產/權立將玩家聘為顧問或舉辦競圖，在沙盒內試作規則
如何吸引強大玩家來設計規則，同時防止玩家藉規則自肥？
將玩家的分數(例如財產)跟總數值(例如股市總產值)掛勾，以莊家權能強制多退少補將這些設計規則的職位成為獎盃，新玩家可以隨時頂替掉較弱的舊玩家，並直接繼承其分數/財產/權立將玩家聘為顧問或舉辦競圖，在沙盒內試作規則
智子計畫
個防止AI誤用學術文獻、強化公領域知識庫韌性的方法待解決挑戰：LLM可以快速蒐集研究成果與報導資料，很容易用來曲解原意或生成惡意內容，且訓練之後即進入模型，結果無法逆轉。學術圈很難防止成果洩漏。且囿於社會資本累積機制，心態難以即時轉向CC0等方案。當LLM學習逐漸氾濫，極有可能走向鎖死論文的道路，最終徒勞無功，且自砍韌性，失去社會信任。負責任AI (Responsible AI) 的討論，最終注定將規範關鍵歸於使用者，很難兼具強制力與市場占有力，更難以因應多元文化與地緣政治問題，而這兩者正是機器學習對公領域知識的最大威脅。解決方法：由研究AI規範的單位，來設立一些機構、平台、工具，讓所有人都能輕易製造不實、戲謔、難分真假的社科類研究與報導，並自動餵給AI。 藉此，公開免費的訓練資料庫便將逐漸混沌難測，成為極為有趣但不值得參照的實驗場。研究用AI模型的可信度，將由利害相關人組成的聯盟資料庫決定。訓練資料的門檻將納入創作者的分散式識別符(DID)或社會圖譜。 一個由DID或社會圖譜構成，而非由字面語意構成的訓練庫，可以有效阻滯語意的侵蝕、漂洗、研究的曲解或斷章取義。另一方面，充滿混沌...
智子計畫
個防止AI誤用學術文獻、強化公領域知識庫韌性的方法待解決挑戰：LLM可以快速蒐集研究成果與報導資料，很容易用來曲解原意或生成惡意內容，且訓練之後即進入模型，結果無法逆轉。學術圈很難防止成果洩漏。且囿於社會資本累積機制，心態難以即時轉向CC0等方案。當LLM學習逐漸氾濫，極有可能走向鎖死論文的道路，最終徒勞無功，且自砍韌性，失去社會信任。負責任AI (Responsible AI) 的討論，最終注定將規範關鍵歸於使用者，很難兼具強制力與市場占有力，更難以因應多元文化與地緣政治問題，而這兩者正是機器學習對公領域知識的最大威脅。解決方法：由研究AI規範的單位，來設立一些機構、平台、工具，讓所有人都能輕易製造不實、戲謔、難分真假的社科類研究與報導，並自動餵給AI。 藉此，公開免費的訓練資料庫便將逐漸混沌難測，成為極為有趣但不值得參照的實驗場。研究用AI模型的可信度，將由利害相關人組成的聯盟資料庫決定。訓練資料的門檻將納入創作者的分散式識別符(DID)或社會圖譜。 一個由DID或社會圖譜構成，而非由字面語意構成的訓練庫，可以有效阻滯語意的侵蝕、漂洗、研究的曲解或斷章取義。另一方面，充滿混沌...
