इंटरलिंक के अंदर: मानव-सत्यापित ब्लॉकचेन प्रणाली पर एक नज़दीकी नज़र

लगाना चेहरे की स्कैनिंग और जीवंतता का पता लगाने के माध्यम से मानव पहचान सत्यापित करने पर केंद्रित एक ब्लॉकचेन परियोजना के रूप में उभरा है। इंटरलिंक लैब्स द्वारा लॉन्च किया गया, इस नेटवर्क का उद्देश्य एक विकेन्द्रीकृत प्रणाली बनाना है जहाँ प्रत्येक प्रतिभागी की एक विशिष्ट व्यक्ति के रूप में पुष्टि की जाती है, और वेब3 वातावरण में बॉट हस्तक्षेप और सिबिल हमलों जैसी समस्याओं का समाधान किया जाता है। इस परियोजना ने 20 $ मिलियन इस वर्ष की शुरुआत में सीड फंडिंग में, निवेशकों द्वारा समर्थित, जिनमें शामिल हैं स्टार्टअप्स के लिए Google और मोनाड। आज तक, इसके 2.5 लाख से ज़्यादा सत्यापित उपयोगकर्ता हैं, जो जून में एक लाख पंजीकृत स्कैन को पार करने के बाद से लगातार वृद्धि को दर्शाता है। यह विस्तार वैश्विक उपयोगकर्ता आधार बनाने के निरंतर प्रयासों को दर्शाता है, हालाँकि यह प्लेटफ़ॉर्म अभी भी अपने शुरुआती चरण में है।

मुख्य दृष्टिकोण: वास्तविक लोगों के लिए एक नेटवर्क

इंटरलिंक खुद को एक "मानव नेटवर्क" के आधार के रूप में स्थापित करता है, जहाँ सत्यापित व्यक्ति इस प्रणाली की रीढ़ बनते हैं। परियोजना का श्वेतपत्र एक अरब सक्रिय प्रतिभागियों तक पहुँचने के लक्ष्य को रेखांकित करता है, जिसमें पहचान, शासन और आर्थिक समन्वय के अनुप्रयोगों पर ज़ोर दिया गया है। एक बार की सत्यापन प्रक्रिया के बाद उपयोगकर्ता "मानव नोड" बन जाते हैं, जो उनकी पहचान को नेटवर्क से जोड़ता है, बिना किसी व्यक्तिगत डेटा को ऑन-चेन संग्रहीत किए।

यह तरीका आम ब्लॉकचेन से अलग है, जहाँ गुमनाम वॉलेट्स को आसानी से बढ़ाया जा सकता है। इसके बजाय, इंटरलिंक एक-व्यक्ति-एक-पहचान मॉडल लागू करता है। डेवलपर्स इसे ह्यूमन ऑथ एसडीके के माध्यम से एकीकृत कर सकते हैं, जिससे बाहरी प्लेटफ़ॉर्म बिना किसी मूल बायोमेट्रिक जानकारी के उपयोगकर्ताओं का सत्यापन कर सकते हैं। इस दृष्टिकोण का विस्तार एआई द्वारा वित्तपोषित सार्वभौमिक बुनियादी आय के माध्यम से पुरस्कार वितरण तक है, हालाँकि कार्यान्वयन के विवरण अभी भी वैचारिक हैं।

नेटवर्क की संरचना में मॉड्यूलर घटक शामिल हैं: एक पहचान परत, एप्लिकेशन इंटरफ़ेस और टोकन प्रबंधन के लिए एक ब्लॉकचेन। इसका उद्देश्य एयरड्रॉप और स्टेकिंग जैसे क्षेत्रों में निष्पक्ष भागीदारी को सक्षम बनाना है, जहाँ नकली खाते अक्सर परिणामों को प्रभावित करते हैं।

मुख्य तत्व: इंटरलिंक आईडी और मानव नोड्स

इसके मूल में इंटरलिंक आईडी है, जो एक बायोमेट्रिक-आधारित सत्यापन प्रणाली है। उपयोगकर्ता ऐप के माध्यम से अपना चेहरा स्कैन करते हैं, और एआई एल्गोरिदम फ़ोटो या वीडियो जैसी नकली चीज़ों को रोकने के लिए उनकी जीवंतता की जाँच करते हैं। सत्यापित होने के बाद, आईडी इकोसिस्टम सुविधाओं तक पहुँच प्रदान करती है और उपयोगकर्ता को एक मानव नोड में बदल देती है।

मानव नोड्स पारंपरिक खनन हार्डवेयर की जगह मानवीय भागीदारी से लेते हैं। किसी विशेष उपकरण की आवश्यकता नहीं होती; सक्रिय रहने और योगदान देने से पुरस्कार मिलते हैं, जैसे कि मिनी-ऐप्स के साथ जुड़ना या संसाधन साझा करना। यह प्रणाली व्यक्तित्व प्रमाण का उपयोग करती है, सत्यापन और गतिविधि स्तरों के आधार पर टोकन वितरित करती है। इस पद्धति का उद्देश्य कार्य प्रमाण मॉडल की तुलना में कम ऊर्जा खपत है।

नोड्स इंटरलिंक टोकन ($ITL या $ITLG) अर्जित करते हैं, जिनका पुरस्कार उपस्थिति और कार्यों से जुड़ा होता है। निष्क्रिय नोड्स को नेटवर्क स्वास्थ्य बनाए रखने के लिए टोकन बर्न सहित दंड का सामना करना पड़ता है। हाल ही में हुए DAO मतदान ने इस तंत्र को 72% समुदाय समर्थन के साथ अनुमोदित किया। यह निष्क्रिय नोड्स के लिए लंबित पुरस्कारों को तेजी से बर्न करता है, और यदि शेष राशि शून्य हो जाती है तो उन्हें डिस्कनेक्ट कर सकता है।

इंटरलिंक ऐप और व्यापक पारिस्थितिकी तंत्र

इंटरलिंक ऐप मुख्य प्रवेश बिंदु के रूप में कार्य करता है। यह आईडी प्रबंधन, टोकन ट्रैकिंग और सामाजिक, गेमिंग और वित्त जैसी श्रेणियों में मिनी-ऐप्स तक पहुँच को संभालता है। उपयोगकर्ता कार्यों को पूरा करके या डिवाइस कंप्यूटिंग पावर साझा करके एआई प्रशिक्षण में योगदान दे सकते हैं, और यह सब डेटा को निजी रखते हुए। एक डैशबोर्ड इन योगदानों को ट्रैक करता है और पारदर्शिता प्रदान करता है।

डेवलपर्स ऐप्स बनाने और तैनात करने के लिए मिनी-ऐप डेवलपमेंट किट (MDK) का इस्तेमाल करते हैं। यह बाज़ार पारंपरिक ऐप स्टोर्स के विपरीत, बिना केंद्रीकृत अनुमोदन के सीधे प्रकाशन की सुविधा देता है। इंटरलिंक SDK जैसे इंटीग्रेशन टूल iOS, Android और वेब को सपोर्ट करते हैं, और AI-केंद्रित प्रोजेक्ट्स के लिए 500 मिलियन ITL तक के अनुदान उपलब्ध हैं।

ऐप के अलावा, इंटरलिंक ह्यूमनपैड के ज़रिए हार्डवेयर की भी खोज कर रहा है, जो उच्च-गुणवत्ता वाले कैमरों की कमी वाले क्षेत्रों में सत्यापन के लिए एक पहनने योग्य उपकरण है। आईपॉड शफ़ल के आकार का यह उपकरण बायोमेट्रिक्स पर केंद्रित है और बैंकिंग सेवाओं से वंचित लोगों के लिए वित्तीय पहुँच को सक्षम बना सकता है। इस इकोसिस्टम में ये भी शामिल हैं Defi तत्व: एक गैर-कस्टोडियल वॉलेट, क्रिप्टो को फिएट में परिवर्तित करने वाले क्यूआर भुगतान, और स्पॉट ट्रेडिंग, ब्रिजिंग और लीवरेज के साथ पर्पेचुअल्स के लिए एक्सचेंज।

आशाजनक परियोजनाओं की खोज करें...

आशाजनक परियोजनाएं...

(विज्ञापन)

लेख जारी है...

तकनीकी आधार: बायोमेट्रिक्स, गोपनीयता और एआई

इंटरलिंक का तकनीकी आधार पहचान सत्यापन के लिए उन्नत बायोमेट्रिक्स पर आधारित है, जो सुरक्षा और मापनीयता सुनिश्चित करने के लिए मज़बूत गोपनीयता उपायों और एआई-संचालित प्रक्रियाओं के साथ संयुक्त है। यह प्रणाली चेहरे की पहचान से शुरू होती है, और उपयोगकर्ता स्कैन का विश्लेषण करने के लिए कन्वोल्यूशनल न्यूरल नेटवर्क (CNN) और विज़न ट्रांसफ़ॉर्मर्स (ViTs) जैसे गहन शिक्षण मॉडल का उपयोग करती है। ये मॉडल, एक्ससेप्शननेट और एफ़िशिएंटनेट जैसे आर्किटेक्चर से प्रेरित होकर, वास्तविक और कृत्रिम छवियों के विशाल डेटासेट पर प्रशिक्षित होते हैं। ये नकली छवियों के सूक्ष्म संकेतों का पता लगाते हैं, जैसे कि अप्राकृतिक त्वचा की बनावट या अनियमित पलकें झपकने के पैटर्न।

चेहरे के फ़्रेमों के अनुक्रम के लिए, पहचान मॉडल प्रामाणिकता की संभावना की गणना करता है, और अनिवार्य रूप से इनपुट को 0 (संभावित कृत्रिम) से 1 (प्रामाणिक) तक स्कोर करता है। इसमें अलग-अलग छवियों का स्थानिक विश्लेषण और फ़्रेमों में समय-समय पर जाँच शामिल है, जिसमें गति की स्थिरता को मापने के लिए ऑप्टिकल प्रवाह का उपयोग किया जाता है—कम सुसंगतता अक्सर डीपफेक का संकेत देती है, क्योंकि एआई-जनित सामग्री प्राकृतिक गतिशीलता के साथ संघर्ष करती है। स्पेक्ट्रल विश्लेषण छवियों में आवृत्ति पैटर्न की और जाँच करता है, जिससे नकली छवियों में आम तौर पर दिखाई देने वाली कलाकृतियों का पता चलता है। मॉडल एक बाइनरी क्रॉस-एंट्रॉपी लॉस फ़ंक्शन के माध्यम से त्रुटियों को कम करके खुद को परिष्कृत करता है, जो पूर्वानुमानों की तुलना वास्तविक लेबल से करता है।

लाइवनेस डिटेक्शन एक और परत जोड़ता है, जिसके तहत उपयोगकर्ताओं को वास्तविक समय में उपस्थिति की पुष्टि करने के लिए मुस्कुराने या पलकें झपकाने जैसी क्रियाएँ करनी पड़ती हैं। यह आँखों की गति या सूक्ष्म भावों जैसे शारीरिक संकेतों की निगरानी करके स्थिर छवियों या पूर्व-रिकॉर्ड किए गए वीडियो का मुकाबला करता है। जोखिम को कम करने के लिए सभी प्रक्रियाएँ उपयोगकर्ता के डिवाइस पर स्थानीय रूप से होती हैं, और केवल एन्क्रिप्टेड सुविधाएँ ही सत्यापन के लिए भेजी जाती हैं।

गोपनीयता केंद्रीय है, जिसे एन्क्रिप्टेड बायोमेट्रिक डेटा के माध्यम से संबोधित किया जाता है। चेहरे के स्कैन जैसे कच्चे इनपुट, ResNet या ViTs जैसे मॉडलों का उपयोग करके फ़ीचर वेक्टर में परिवर्तित किए जाते हैं। इन वेक्टरों को घटकों को विसंबंधित करने के लिए सॉल्टिंग और रैंडम प्रोजेक्शन हैशिंग से गुज़ारा जाता है, इसके बाद स्थानीयता-संवेदनशील हैशिंग द्वारा बाइनरी कोड बनाए जाते हैं जो मूल जानकारी को प्रकट किए बिना मिलान की अनुमति देते हैं। शून्य-ज्ञान प्रमाण (ZKPs) फिर पेडरसन कमिटमेंट जैसी योजनाओं का उपयोग करके इन हैश को कमिट करें, जहाँ मान छिपा होता है लेकिन प्रमाणित किया जा सकता है। सत्यापन के दौरान, उपयोगकर्ता डेटा को उजागर किए बिना मिलान दिखाने वाले प्रमाण उत्पन्न करते हैं, जो एक विकेन्द्रीकृत नोड पूल में संग्रहीत होते हैं।

एआई संवर्द्धन इसे और मज़बूत करते हैं: स्व-पर्यवेक्षित शिक्षण बिना लेबल के फ़ीचर्स निकालता है, विभेदक गोपनीयता पुनर्निर्माण को रोकने के लिए नॉइज़ जोड़ती है, और जनरेटिव एडवर्सेरियल नेटवर्क (GAN) स्पूफ़ के विरुद्ध परीक्षण करते हैं। इसका परिणाम अपरिवर्तनीय, रद्द करने योग्य एन्क्रिप्शन है—यदि समझौता किया जाता है, तो उपयोगकर्ता एक नए परिवर्तन के साथ पुनः नामांकन कर सकते हैं। यह डिज़ाइन डेटा एक्सपोज़र को कम करके और स्टोरेज को विकेंद्रीकृत करके, उल्लंघन के जोखिमों को कम करके GDPR और CCPA का अनुपालन करता है। यह सुरक्षित ऑनबोर्डिंग के लिए वित्त, रोगी सत्यापन के लिए स्वास्थ्य सेवा और मतदाता जाँच जैसी सरकारी सेवाओं में अनुप्रयोगों को सक्षम बनाता है।

ZKPs इसका एक बड़ा आधार हैं, जो बिना विवरण बताए कथनों का प्रमाण प्रस्तुत करने की अनुमति देते हैं। ये पूर्णता (सत्य कथन सत्यापनकर्ताओं को आश्वस्त करते हैं), विश्वसनीयता (झूठे कथन शायद ही कभी आश्वस्त करते हैं), और शून्य-ज्ञान (कोई अतिरिक्त जानकारी लीक नहीं) को संतुष्ट करते हैं। इस प्रोटोकॉल में प्रतिबद्धता, चुनौती, प्रतिक्रिया और सत्यापन चरण शामिल हैं। इंटरलिंक में, उपयोगकर्ता zk-SNARKs या zk-STARKs के माध्यम से ऑन-चेन आयु जैसी विशेषताओं को प्रमाणित करते हैं, जो संक्षिप्त प्रमाण और पोस्ट-क्वांटम सुरक्षा प्रदान करते हैं। चुनौतियों में कम्प्यूटेशनल ओवरहेड शामिल हैं, जिनका समाधान अनुकूलन द्वारा किया जाता है, और विश्वसनीय सेटअप, जिन्हें STARKs द्वारा टाला जाता है।

फ़ेडरेटेड लर्निंग, डेटा को केंद्रीकृत किए बिना, विभिन्न उपकरणों पर AI मॉडल्स को प्रशिक्षित करती है। प्रशिक्षण के दौरान, डिवाइस सुरक्षित एम्बेडिंग—बायोमेट्रिक्स के अपरिवर्तनीय निरूपण—का उपयोग करके अपडेट की गणना करते हैं और एक एग्रीगेटर को केवल ग्रेडिएंट भेजते हैं, जो वैश्विक मॉडल को अपडेट करने के लिए उनका औसत निकालता है। यह वितरित नमूनों में हानि फलन को अनुकूलित करता है, और अभिसरण की गारंटी देता है। मॉडल प्रूनिंग जैसी तकनीकें मोबाइल उपकरणों के लिए ओवरहेड को कम करती हैं, और उपयोगकर्ता निष्क्रिय समय के दौरान ऑप्ट-इन करते हैं, जिससे उन्हें पुरस्कार मिलते हैं। बैकअप तंत्र, रीयल-टाइम निगरानी और लचीलेपन के लिए फ़ेलओवर के साथ, नोड्स में एन्क्रिप्टेड डेटा की प्रतिकृति बनाते हैं।

अनुमान में, स्थानीय उपकरण नए स्कैन को एम्बेडिंग में संसाधित करते हैं और प्रामाणिकता स्कोर जैसे पूर्वानुमानों के लिए मॉडल चलाते हैं, जिससे डेटा निजी रहता है। इससे कम विलंबता, मापनीयता और सुदृढ़ता प्राप्त होती है, और मेट्रिक्स 0.001 से कम झूठी स्वीकृति और 0.005 से कम अस्वीकृति दर्शाते हैं। केंद्रीकृत प्रणालियों की तुलना में, यह विविध डेटा के माध्यम से धोखाधड़ी का पता लगाने में 20% सुधार करता है। नमूना आकार और योगदान किए गए समय के आधार पर प्रोत्साहनों ने भागीदारी में 40% की वृद्धि की है।

कुल मिलाकर, ये तत्व एक बहुस्तरीय सुरक्षा प्रणाली का निर्माण करते हैं। बेंचमार्क पर प्रदर्शन 90% से अधिक सटीकता के साथ, फ़ेडरेटेड अपडेट नए खतरों के अनुकूल होने को सुनिश्चित करते हैं। हालाँकि कमज़ोरियाँ मौजूद हैं, लेकिन इनका संयोजन हमले की लागत को काफ़ी बढ़ा देता है, जिससे इंटरलिंक एक स्केलेबल आइडेंटिटी फ्रेमवर्क के रूप में स्थापित होता है।

टोकन अर्थव्यवस्था और वित्तीय संरचना

इंटरलिंक एक कर्मचारी को नियुक्त करता है दोहरे टोकन वाली अर्थव्यवस्था $ITL और $ITLG के साथ, यह अनुपालन और पारिस्थितिकी तंत्र के विकास को बढ़ावा देते हुए उपयोगिता को निवेश से अलग करने के लिए डिज़ाइन किया गया है। $ITL के पास कुल 10 बिलियन टोकन हैं, जिनका प्रबंधन इंटरलिंक फ़ाउंडेशन द्वारा एक रणनीतिक रिज़र्व के रूप में किया जाता है। इसमें से आधा—5 बिलियन—$ITLG धारकों के लिए आवंटित किया जाता है, जबकि शेष संस्थागत विकास और स्थिरता में सहायता करता है। यह टोकन व्यापक नेटवर्क समर्थन पर केंद्रित है, जैसे कि विकास और साझेदारियों के लिए धन मुहैया कराना।

100 अरब डॉलर की आपूर्ति वाला $ITLG, सक्रिय मानवीय भागीदारी का प्रतिनिधित्व करता है। 80 प्रतिशत मानव नोड माइनर्स के लिए निर्धारित है, जो सत्यापित उपयोगकर्ताओं को गतिविधि और संसाधन साझाकरण जैसे नेटवर्क योगदानों के लिए पुरस्कृत करता है। शेष 20% प्रोत्साहनों के लिए धन उपलब्ध कराता है, जिसमें डेवलपर्स और सामुदायिक कार्यक्रमों के लिए अनुदान शामिल हैं। धारक केवल $ITLG धारण करके, बिना किसी रूपांतरण की आवश्यकता के, $ITL कमा सकते हैं, जिससे दीर्घकालिक जुड़ाव को बढ़ावा मिलता है।

यह मॉडल क्रिप्टो प्रथाओं से प्रेरित है जहाँ एक टोकन निवेश के लिए सुरक्षा के रूप में कार्य करता है, जो SEC नियमों के अनुरूप है, जबकि दूसरा दैनिक कार्यों को संचालित करता है। इसका उद्देश्य संतुलन बनाए रखना है: $ITLG मिनी-ऐप्स, भुगतान और लॉन्चपैड में उपयोगकर्ता की भागीदारी को बढ़ावा देता है, जबकि $ITL विस्तार के लिए समर्थन प्रदान करता है। टोकन के बीच कोई सीधा आदान-प्रदान नहीं होता है, जिससे अलग-अलग भूमिकाओं पर ज़ोर दिया जाता है।

यह संरचना DeFi घटकों का समर्थन करती है, जैसे कि स्पॉट स्वैप, क्रॉस-चेन ब्रिज और 100 गुना तक के लीवरेज के साथ सतत व्यापार के लिए ITLX एक्सचेंज। क्यूआर भुगतान क्रिप्टो-से-फ़िएट रूपांतरण की अनुमति देते हैं, जिससे व्यापारियों के लिए इसे अपनाना आसान हो जाता है। परियोजना के दस्तावेज़ों में हाल ही में किए गए स्पष्टीकरण नियामक अनुपालन सुनिश्चित करने के लिए इस पृथक्करण पर प्रकाश डालते हैं, जिसमें $ITLG को बैंकिंग सुविधा से वंचित क्षेत्रों में सहायता वितरण जैसे वास्तविक उपयोगों के लिए तैनात किया गया है।

आवंटन समावेशिता को प्रोत्साहित करते हैं, खनन पुरस्कार निम्न पर आधारित होते हैं व्यक्तित्व का प्रमाण हार्डवेयर के बजाय। यह एआई-वित्त पोषित यूबीआई के व्यापक दृष्टिकोण से जुड़ा है, जहाँ टोकन सत्यापित प्रतिभागियों को मूल्य वितरित करते हैं। जबकि वेस्टिंग या बर्न्स पर विशिष्टताएँ विकसित होती रहती हैं, अर्थव्यवस्था निष्पक्षता को प्राथमिकता देती है, और सामुदायिक शासन समायोजन को प्रभावित करता है।

रोडमैप: लॉन्च से लेकर वैश्विक स्तर तक

इंटरलिंक की पंचवर्षीय योजना 2025 में मुख्य उत्पादों से शुरू होगी: आईडी, ऐप, चेन, एसडीके, वॉलेट और एक्सचेंज। इसका लक्ष्य 10 करोड़ सत्यापित उपयोगकर्ता, एनआईएसटी-टॉप फेशियल मॉडल और प्रमुख एक्सचेंजों पर टोकन लिस्टिंग है। भुगतान के लिए इंटरलिंक कार्ड का लक्ष्य तीन करोड़ उपयोगकर्ताओं तक पहुँचना है।

2026 तक, एआई एजेंटों, मालिकाना एलएलएम और डेवलपर समुदायों पर ध्यान केंद्रित किया जाएगा। अमेरिकी स्टॉक एक्सचेंज में सूचीबद्ध होने की तैयारियों में ऑडिट और एसईसी अनुपालन शामिल हैं। टोकन विस्तार की नज़र 180 देशों में यूबीआई पहलों के माध्यम से करोड़ों लोगों तक पहुँचने पर है।

2027 से आगे, लक्ष्यों में एक अरब उपयोगकर्ता, एक शीर्ष मिनी-ऐप नेटवर्क के रूप में अपनी स्थिति बनाना, और $ITLG को वंचित क्षेत्रों में सहायता के लिए भुगतान मानक के रूप में स्थापित करना शामिल है। बुनियादी ढाँचे का लक्ष्य पारंपरिक KYC विधियों की जगह 100 अरब सत्यापनों को संभालना है।

हाल की उपलब्धियों में गूगल और AWS के साथ साझेदारी, और जुड़ाव बढ़ाने के लिए इनाम और वीडियो प्रतियोगिता जैसे सामुदायिक अभियान शामिल हैं। यह परियोजना फीडबैक सुनने पर ज़ोर देती है, और इसमें रीयल-टाइम बातचीत के लिए चैट सुविधाओं जैसे अपडेट भी शामिल हैं।

आगे देख रहे हैं

इंटरलिंक डिजिटल विश्वास से जुड़े वास्तविक मुद्दों, बॉट्स से लेकर गोपनीयता तक, को संबोधित करता है। इसका मानव-केंद्रित डिज़ाइन बेहतर वेब3 अनुप्रयोगों का समर्थन कर सकता है, लेकिन बायोमेट्रिक्स को वैश्विक स्तर पर बढ़ाने में डिवाइस एक्सेस और नियामक भिन्नताओं जैसी बाधाएँ शामिल हैं। महत्वाकांक्षी लक्ष्य—एक अरब उपयोगकर्ता—के कार्यान्वयन का परीक्षण किया जाएगा।

जैसे-जैसे ब्लॉकचेन विकसित हो रहा है, इस तरह की परियोजनाएँ सत्यापित भागीदारी की ओर बदलाव को उजागर कर रही हैं। इसमें शामिल होने के इच्छुक पाठक डाउनलोड ऐप या अन्वेषण करें श्वेतपत्र विवरण के लिए देखें। यह वेब3 में पहचान को नया रूप देगा या नहीं, यह तो अभी देखना बाकी है, लेकिन यह ढाँचा आगे बढ़ने का एक संरचित मार्ग प्रदान करता है।

सूत्रों का कहना है:

1. इंटरलिंक आधिकारिक श्वेतपत्र - इंटरलिंक के व्यक्तित्व प्रमाण मॉडल, तकनीकी कार्यान्वयन और पारिस्थितिकी तंत्र घटकों का विस्तृत विवरण।
2. इंटरलिंक लैब्स ने गूगल से रणनीतिक निवेश की पुष्टि की - याहू फाइनेंस
3. इंटरलिंक लैब्स फंडिंग अंतर्दृष्टि – क्रिप्टोरैंक