Iron Fish项目v2.11.0版本发布:WASM支持与多签功能优化
Iron Fish是一个专注于隐私保护的项目,它采用零知识证明技术来确保交易的匿名性和安全性。该项目最新发布的v2.11.0版本带来了多项重要更新,特别是对WASM(WebAssembly)的支持和多签功能的优化,为开发者提供了更强大的工具集。
WASM支持开启Web开发新篇章
v2.11.0版本最引人注目的变化是新增了对Iron Fish WASM绑定的支持。这意味着开发者现在可以在Web环境中使用Iron Fish SDK进行开发。这一功能的实现为构建基于浏览器的Iron Fish应用打开了大门,极大扩展了Iron Fish生态系统的可能性。
WASM支持带来了多项具体功能:
- 新增了
Witness绑定,允许在Web环境中处理见证数据 - 提供了创建随机密钥的方法,增强了安全性
- 为
PublicAddress添加了十六进制转换的便捷方法 - 支持助记词功能,简化了密钥管理
- 添加了
Proof绑定,使得在Web环境中验证零知识证明成为可能 - 公开了
SaplingKey中的授权密钥 - 增加了
EphemeralKeyPair绑定,支持临时密钥对的生成和使用
这些WASM相关的改进使得Iron Fish的核心功能可以无缝集成到Web应用中,为开发者提供了更大的灵活性。
多签功能与账户管理优化
v2.11.0版本对多签功能进行了多项优化,使其更易于使用:
-
账户管理改进:
- 现在将账户数据存储在多重签名账户值中
- 在导入账户时会删除现有的多重签名账户
- 添加了从账本设备读取账户的RPC接口
-
命令流程优化:
- 在DKG(分布式密钥生成)的各个阶段(round1、round3)从账本设备读取账户
- 在创建承诺和签名时也从账本设备读取账户
- 添加了UI提示来选择多重签名账户
- 确保在多重签名命令中参与者名称和账本标志是互斥的
-
账本设备支持:
- 为所有账户添加了新的账本标志,该标志会在所有RPC中返回
- 在账户创建、导入和现有账户迁移中添加了账本支持
- 为"wallet:multisig:participant"命令添加了账本标志
这些改进使得多重签名交易更加安全和便捷,特别是与硬件钱包(如账本设备)的集成更加紧密。
其他重要改进
除了上述主要功能外,v2.11.0版本还包含以下值得注意的改进:
-
表格显示优化:
- 将表格默认行数限制增加到500行
- 修复了表格被截断时的警告显示问题
-
时间间隔显示:
- 在
renderSpan函数中添加了更多时间间隔选项,改善了时间显示效果
- 在
-
类型系统增强:
- 为账本功能添加了特定类型,提高了代码的类型安全性
- 将
Language改为适当的TypeScript枚举类型
-
测试改进:
- 编码器测试现在会查找特定错误
- 账户测试中添加了缓冲区比较以进行排序
-
文档完善:
- 为WASM包添加了许可证和README文档
向后兼容性考虑
v2.11.0版本包含了一些破坏性变更,开发者需要注意:
-
RPC变更:
- 移除了从流中按区块序列范围返回交易时的排序功能
-
SDK变更:
- 移除了未使用的钱包方法
shouldDecryptForAccount - 在导入账户时会删除多重签名账户
- 移除了未使用的钱包方法
这些变更可能会影响依赖这些功能的现有应用程序,开发者需要相应调整他们的代码。
总结
Iron Fish v2.11.0版本通过引入WASM支持和优化多重签名功能,显著扩展了项目的适用范围和安全性。WASM绑定使得Iron Fish可以轻松集成到Web应用中,为开发者开辟了新的可能性。同时,多重签名功能的改进,特别是与硬件钱包的深度集成,为需要更高安全性的用户提供了更好的选择。这些改进共同推动了Iron Fish项目向更广泛的应用场景和更成熟的生态系统迈进。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C025
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00