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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00