Эксперты из Area Bitcoin заявили, что тема приватности в блокчейне Биткоина снова выходит на ключевой план. На фоне роста ончейн-активности и внимания к финансовой безопасности все больше обсуждается концепция Silent Payments — механизма, который позволяет получать BTC, не раскрывая публично баланс и историю транзакций. Эта идея формализована в предложении BIP-352.
В текущей модели Bitcoin каждый адрес фактически работает как номер банковского счета. Блокчейн полностью прозрачен, поэтому любой человек может открыть обозреватель блоков и увидеть все входящие и исходящие транзакции по конкретному адресу. Повторное использование делает финансовую активность легко отслеживаемой, что создает риски как для частных лиц, так и для компаний или публичных проектов.
Silent Payments предлагают альтернативный подход. Пользователь может демонстрировать один открытый адрес и использовать его многократно, не жертвуя приватностью. Для внешнего наблюдателя каждая транзакция выглядит как перевод на уникальный кошелек, при этом только отправитель и получатель могут связать платеж с исходным публичным идентификатором. Баланс и история операций остаются скрытыми от посторонних глаз.
Технически Silent Payments основаны на криптографическом механизме, который позволяет отправителю генерировать уникальный адрес для каждой транзакции на основе публичных данных получателя. При этом последний может обнаружить и потратить эти средства, не раскрывая связь между платежами. Важно, что такой подход не требует интерактивного обмена данными и полностью совместим с текущей архитектурой Биткоина.
Концепция Silent Payments опирается на идеи stealth-адресов. Однако ранее подобные решения либо были слишком сложны для реализации, либо плохо вписывались в модель UTXO и существующие кошельки. BIP-352 решает эти проблемы, предлагая более эффективный и практичный вариант.
Значение Silent Payments выходит за рамки удобства. Для донатов, зарплат, регулярных платежей и публичных адресов это снижает риск финансового профилирования. Это также уменьшает объем данных, которые могут быть использованы для анализа и деанонимизации участников сети.