【亲测免费】 Hyperledger Indy SDK 使用教程
1. 项目介绍
Hyperledger Indy SDK 是一个为自我主权身份(Self-Sovereign Identity, SSI)提供分布式账本基础的官方 SDK。Indy 提供了一个软件生态系统,用于私有、安全和强大的身份管理,而 Indy SDK 则使开发者能够构建基于 Indy 的客户端应用程序。
Indy SDK 的主要组件是一个可调用的 C 库,同时提供了多种编程语言的便捷封装和 Indy CLI 工具。该项目的主要目标是支持构建去中心化的身份管理系统,确保用户能够完全控制自己的身份数据。
2. 项目快速启动
2.1 安装依赖
在开始之前,确保你的系统已经安装了必要的依赖项。以下是基于 Ubuntu 18.04 的安装步骤:
sudo apt-get install ca-certificates -y
sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys CE7709D068DB5E88
sudo add-apt-repository "deb https://repo.sovrin.org/sdk/deb bionic stable"
sudo apt-get update
sudo apt-get install -y libindy
2.2 创建第一个 Indy 应用程序
以下是一个简单的 Python 示例,展示如何使用 Indy SDK 创建一个 DID(去中心化标识符)并查询其 Verkey。
import asyncio
from indy import did, pool, wallet
async def create_and_query_did():
# 打开或创建一个钱包
await wallet.create_wallet("pool1", "wallet1", None, None, None)
wallet_handle = await wallet.open_wallet("wallet1", None, None)
# 创建一个新的 DID
(my_did, my_verkey) = await did.create_and_store_my_did(wallet_handle, "{}")
print(f"Created DID: {my_did}")
# 查询 Verkey
verkey = await did.key_for_did(pool_handle, wallet_handle, my_did)
print(f"Verkey for DID {my_did}: {verkey}")
# 关闭钱包
await wallet.close_wallet(wallet_handle)
# 运行示例
loop = asyncio.get_event_loop()
loop.run_until_complete(create_and_query_did())
3. 应用案例和最佳实践
3.1 身份验证系统
Indy SDK 可以用于构建去中心化的身份验证系统,用户可以完全控制自己的身份数据,而不依赖于中心化的身份提供者。这种系统特别适用于金融、医疗和政府等需要高度安全性和隐私保护的领域。
3.2 供应链管理
在供应链管理中,Indy SDK 可以用于跟踪和验证产品的来源和状态。每个参与方都可以拥有自己的 DID,并通过 Indy 网络进行安全的身份验证和数据交换。
4. 典型生态项目
4.1 Hyperledger Aries
Hyperledger Aries 是一个专注于去中心化身份和安全通信的项目,与 Indy SDK 紧密集成。Aries 提供了构建去中心化身份代理(Agents)的框架,支持多种通信协议和加密技术。
4.2 Sovrin
Sovrin 是一个基于 Hyperledger Indy 的全球去中心化身份网络,旨在为个人、组织和设备提供自我主权身份。Sovrin 网络允许用户在全球范围内安全地管理和共享身份数据。
通过这些生态项目,Indy SDK 不仅提供了强大的身份管理功能,还构建了一个完整的去中心化身份生态系统,支持各种应用场景和行业需求。
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