Отчет по исследованию AI Layer1: поиск плодородной почвы для DeAI в блокчейне
Обзор
фон
В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, продолжают стимулировать стремительное развитие больших языковых моделей (LLM). LLM демонстрируют беспрецедентные способности в различных отраслях, значительно расширяя пределы человеческой фантазии и даже показывая потенциал замены человеческого труда в некоторых сценариях. Тем не менее, ядро этих технологий по-прежнему находится в руках немногих централизованных технологических гигантов. Обладая значительным капиталом и контролем над дорогими вычислительными ресурсами, эти компании создают непреодолимые барьеры, которые затрудняют большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на ранних стадиях быстрого развития ИИ общественное мнение часто сосредотачивается на прорывах и удобствах, которые предоставляет технология, в то время как вопросы защиты конфиденциальности, прозрачности и безопасности остаются относительно недостаточно освещенными. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровое развитие отрасли ИИ и степень ее принятия обществом. Если эти вопросы не будут надлежащим образом решены, споры о том, будет ли ИИ "направлен на добро" или "направлен на зло", будут все более актуальными, а централизация гигантов, движимых стремлением к прибыли, часто не предоставляет достаточной мотивации для активного решения этих проблем.
Технология блокчейна, благодаря своим децентрализованным, прозрачным и устойчивым к цензуре характеристикам, предоставляет новые возможности для устойчивого развития отрасли ИИ. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако при глубоком анализе можно обнаружить, что эти проекты все еще сталкиваются с множеством проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных сервисов, что затрудняет создание действительно открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ из мира Web2, AI в блокчейне все еще ограничен в возможностях модели, использовании данных и сценариях применения, а глубина и широта инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного ИИ, сделать так, чтобы блокчейн мог безопасно, эффективно и демократично поддерживать крупномасштабные приложения ИИ и соперничать по производительности с централизованными решениями, нам необходимо разработать Layer1 блокчейн, специально созданный для ИИ. Это обеспечит прочную основу для открытых инноваций в ИИ, демократического управления и безопасности данных, способствуя процветанию децентрализованной экосистемы ИИ.
Основные характеристики AI Layer 1
AI Layer 1 как блокчейн, специально разработанный для AI-приложений, имеет архитектуру и производительность, которые тесно связаны с требованиями AI-задач, с целью эффективно поддерживать устойчивое развитие и процветание AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса Основная цель AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранилище. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении бухгалтерского учета, узлы AI Layer 1 должны выполнять более сложные задачи: они не только должны предоставлять вычислительную мощность, завершать обучение и вывод моделей ИИ, но также должны вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, чтобы разрушить монополию централизованных гигантов на инфраструктуру ИИ. Это предъявляет более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен быть способен точно оценивать, поощрять и проверять фактический вклад узлов в задачи, такие как вывод и обучение ИИ, тем самым обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходная производительность и поддержка гетерогенных задач. AI задачи, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной мощности и параллельной обработке. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные архитектуры моделей, обработку данных, вывод, хранение и другие многогранные сценарии. AI Layer 1 должен глубоко оптимизировать свою архитектуру для удовлетворения требований высокой пропускной способности, низкой задержки и эластичной параллельности, а также предусматривать нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных AI задач и обеспечить плавное расширение от "однородных задач" до "сложной многогранной экосистемы".
Проверяемость и гарантии надежного вывода AI Layer 1 не только должны предотвращать злоупотребления моделями и искажение данных, но и с механической точки зрения обеспечивать проверяемость и согласованность результатов вывода AI. Интегрируя такие передовые технологии, как доверенная среда выполнения ( TEE ), доказательства с нулевым разглашением ( ZK ) и безопасные многосторонние вычисления ( MPC ), платформа позволяет каждую модельную инференцию, обучение и процесс обработки данных проверять независимо, обеспечивая справедливость и прозрачность системы AI. В то же время, такая проверяемость также помогает пользователям четко понять логику и основы вывода AI, реализуя "что получено, то и желаемо", повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных Применение ИИ часто связано с чувствительными данными пользователей, особенно в финансовой, медицинской и социальных сферах, где защита конфиденциальности данных имеет особое значение. AI Layer 1 должен обеспечивать проверяемость, одновременно применяя технологии обработки данных на основе шифрования, протоколы вычислений конфиденциальности и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах, таких как вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными, устраняя тем самым беспокойство пользователей относительно безопасности данных.
Мощная экосистема поддержки и разработки В качестве инфраструктуры Layer 1, изначально ориентированной на ИИ, платформа должна не только обладать технологическим превосходством, но и предоставлять разработчикам, операторам узлов, провайдерам ИИ-услуг и другим участникам экосистемы полные инструменты для разработки, интегрированные SDK, поддержку операций и механизмы стимулов. Постоянно оптимизируя доступность платформы и опыт разработчиков, необходимо способствовать реализации разнообразных приложений, основанных на ИИ, и обеспечивать устойчивое процветание децентрализованной экосистемы ИИ.
На основании вышеизложенного фона и ожиданий, в этой статье подробно рассматриваются шесть代表项目 AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически анализируя последние достижения в этой области, рассматривая текущее состояние проектов и обсуждая тенденции на будущее.
Sentient: создание преданного открытого децентрализованного AI модели
Обзор проекта
Sentient является открытой платформой протоколов, которая создает AI Layer1 в блокчейне( на первоначальном этапе как Layer 2, а затем будет мигрировать на Layer 1), сочетая AI Pipeline и технологии блокчейна для построения децентрализованной экономики искусственного интеллекта. Его основной целью является решение проблем принадлежности моделей, отслеживания вызовов и распределения ценности на централизованном рынке LLM через "OML" фреймворк(, обеспечивая открытость, прибыльность и лояльность), позволяя AI моделям реализовать структуру собственности на блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI продукты, способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила мировых экспертов в области науки, предпринимателей в сфере блокчейна и инженеров, стремясь построить сообщество, управляемое открытым исходным кодом и поддающееся проверке платформу AGI. В核心成员 входят профессор Принстонского университета Прамод Вишванат и профессор Индийского института науки Химаншу Тяги, которые отвечают за безопасность ИИ и защиту конфиденциальности, а стратегией блокчейна и экосистемой руководит соучредитель Polygon Сандип Найлвал. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в ведущих университетах, таких как Принстонский университет и Индийский институт технологий, охватывающих области ИИ/МЛ, НЛП, компьютерного зрения и совместно способствуют реализации проекта.
Как второй проект совместного основателя Polygon Сандипа Найлвала, Sentient изначально обладал аурой успеха, имея богатые ресурсы, связи и рыночную осведомленность, что обеспечивало проекту мощную поддержку для его развития. В середине 2024 года Sentient завершил сбор средств на уровне 85 миллионов долларов в рамках начального раунда финансирования, который возглавили Founders Fund, Pantera и Framework Ventures, а также другие инвестиционные компании, включая Delphi, Hashkey и Spartan, среди десятков известных венчурных капиталистов.
Дизайн архитектуры и уровень приложений
Инфраструктурный уровень
Основная архитектура
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline ( и системы в блокчейне.
AI-пайплайн является основой для разработки и обучения артефактов "лояльного AI", включает в себя два основных процесса:
数据策划)Data Curation(: процесс выбора данных, управляемый сообществом, используемый для выравнивания модели.
Лояльность )Loyalty Training(: убедитесь, что модель проходит обучение, которое соответствует намерениям сообщества.
Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протокола, гарантируя владение ИИ-объектами, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:
Уровень хранения: хранение весов модели и информации о регистрации отпечатков.
Уровень распределения: точка входа для вызова модели управления контрактом на авторизацию;
Уровень доступа: проверка авторизации пользователя через удостоверение прав.
Уровень стимулов: контракт маршрутизации доходов будет распределять платежи при каждом вызове между тренерами, развертывателями и валидаторами.
![Biteye и PANews совместно выпустили исследование AI Layer1: поиск благодатной почвы для DeAI в блокчейне])https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(
)## OML модельная рамка
OML фреймворк ### открыт Open, монетизируемый Monetizable, лояльный Loyal ( является основным принципом, предложенным Sentient, направленным на обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Сочетающий технологии в блокчейне и нативную криптографию AI, обладает следующими характеристиками:
Открытость: Модель должна быть с открытым исходным кодом, код и структура данных должны быть прозрачными, чтобы сообщество могло воспроизводить, проверять и улучшать.
Монетизация: Каждый вызов модели будет инициировать поток доходов, в блокчейне контракт будет распределять доходы между тренерами, развертывателями и валидаторами.
Верность: Модель принадлежит сообществу участников, направление обновления и управление определяются DAO, использование и модификация контролируются криптомеханизмом.
)## AI родная криптография###AI-native Cryptography(
AI-родная криптография использует непрерывность AI-моделей, низкоразмерную структурную мантию и дифференцируемые характеристики моделей для разработки "проверяемого, но не удаляемого" легковесного механизма безопасности. Основная технология заключается в:
Встраивание отпечатков: во время обучения вставляется группа скрытых пар ключ-значение запрос-ответ для формирования уникальной подписи модели;
Протокол проверки прав собственности: проверка сохранения отпечатка с помощью стороннего детектора )Prover( в форме запроса.
Механизм разрешения вызова: перед вызовом необходимо получить "документ разрешения", выданный владельцем модели, после чего система предоставляет модели разрешение декодировать данный ввод и возвращать точный ответ.
Этот способ позволяет реализовать "авторизационные вызовы на основе поведения + проверка принадлежности" без затрат на повторное шифрование.
![Biteye и PANews совместно опубликовали исследование AI Layer1: поиск плодородной почвы для DeAI в блокчейне])https://img-cdn.gateio.im/webp-social/moments-cf5f43c63b7ab154e2201c8d3531be8c.webp(
)## Модель правоприменения и безопасного выполнения
Sentient в настоящее время использует Melange смешанную безопасность: сочетание подтверждения прав собственности по отпечаткам пальцев, выполнения TEE и распределения прибыли по контрактам в блокчейне. При этом метод отпечатков пальцев реализует основную линию OML 1.0, подчеркивая идею "оптимистичной безопасности ### Optimistic Security (", то есть подразумевает соответствие, а в случае нарушения возможно обнаружение и наказание.
Механизм отпечатков пальцев является ключевой реализацией OML, он позволяет модели генерировать уникальные подписи на этапе обучения, встраивая определенные "вопрос-ответ" пары. Благодаря этим подписям, владельцы модели могут подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные вычислительные среды ), такие как AWS Nitro Enclaves (, чтобы гарантировать, что модели отвечают только на авторизованные запросы и предотвращают несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его ядром текущей развертки моделей.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
20 Лайков
Награда
20
5
Поделиться
комментарий
0/400
SundayDegen
· 07-24 20:44
Снова пришел материал для централизованного сбора.
Посмотреть ОригиналОтветить0
GasOptimizer
· 07-24 13:59
Вычислительная мощность瓶颈0x5f3 又卡住了
Посмотреть ОригиналОтветить0
RektRecorder
· 07-24 13:57
Искать следующую стократную цепь
Посмотреть ОригиналОтветить0
MEVHunterBearish
· 07-24 13:50
Монополия гигантов? Революция должна начинаться с низов!
Посмотреть ОригиналОтветить0
probably_nothing_anon
· 07-24 13:29
Опять говорим о пустых вещах, поговорим о том, как это сделать.
Глубина анализа AI Layer1 трассы: шесть крупных проектов по созданию децентрализованной AI инфраструктуры
Отчет по исследованию AI Layer1: поиск плодородной почвы для DeAI в блокчейне
Обзор
фон
В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, продолжают стимулировать стремительное развитие больших языковых моделей (LLM). LLM демонстрируют беспрецедентные способности в различных отраслях, значительно расширяя пределы человеческой фантазии и даже показывая потенциал замены человеческого труда в некоторых сценариях. Тем не менее, ядро этих технологий по-прежнему находится в руках немногих централизованных технологических гигантов. Обладая значительным капиталом и контролем над дорогими вычислительными ресурсами, эти компании создают непреодолимые барьеры, которые затрудняют большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на ранних стадиях быстрого развития ИИ общественное мнение часто сосредотачивается на прорывах и удобствах, которые предоставляет технология, в то время как вопросы защиты конфиденциальности, прозрачности и безопасности остаются относительно недостаточно освещенными. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровое развитие отрасли ИИ и степень ее принятия обществом. Если эти вопросы не будут надлежащим образом решены, споры о том, будет ли ИИ "направлен на добро" или "направлен на зло", будут все более актуальными, а централизация гигантов, движимых стремлением к прибыли, часто не предоставляет достаточной мотивации для активного решения этих проблем.
Технология блокчейна, благодаря своим децентрализованным, прозрачным и устойчивым к цензуре характеристикам, предоставляет новые возможности для устойчивого развития отрасли ИИ. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако при глубоком анализе можно обнаружить, что эти проекты все еще сталкиваются с множеством проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных сервисов, что затрудняет создание действительно открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ из мира Web2, AI в блокчейне все еще ограничен в возможностях модели, использовании данных и сценариях применения, а глубина и широта инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного ИИ, сделать так, чтобы блокчейн мог безопасно, эффективно и демократично поддерживать крупномасштабные приложения ИИ и соперничать по производительности с централизованными решениями, нам необходимо разработать Layer1 блокчейн, специально созданный для ИИ. Это обеспечит прочную основу для открытых инноваций в ИИ, демократического управления и безопасности данных, способствуя процветанию децентрализованной экосистемы ИИ.
Основные характеристики AI Layer 1
AI Layer 1 как блокчейн, специально разработанный для AI-приложений, имеет архитектуру и производительность, которые тесно связаны с требованиями AI-задач, с целью эффективно поддерживать устойчивое развитие и процветание AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса Основная цель AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранилище. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении бухгалтерского учета, узлы AI Layer 1 должны выполнять более сложные задачи: они не только должны предоставлять вычислительную мощность, завершать обучение и вывод моделей ИИ, но также должны вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, чтобы разрушить монополию централизованных гигантов на инфраструктуру ИИ. Это предъявляет более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен быть способен точно оценивать, поощрять и проверять фактический вклад узлов в задачи, такие как вывод и обучение ИИ, тем самым обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходная производительность и поддержка гетерогенных задач. AI задачи, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной мощности и параллельной обработке. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные архитектуры моделей, обработку данных, вывод, хранение и другие многогранные сценарии. AI Layer 1 должен глубоко оптимизировать свою архитектуру для удовлетворения требований высокой пропускной способности, низкой задержки и эластичной параллельности, а также предусматривать нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных AI задач и обеспечить плавное расширение от "однородных задач" до "сложной многогранной экосистемы".
Проверяемость и гарантии надежного вывода AI Layer 1 не только должны предотвращать злоупотребления моделями и искажение данных, но и с механической точки зрения обеспечивать проверяемость и согласованность результатов вывода AI. Интегрируя такие передовые технологии, как доверенная среда выполнения ( TEE ), доказательства с нулевым разглашением ( ZK ) и безопасные многосторонние вычисления ( MPC ), платформа позволяет каждую модельную инференцию, обучение и процесс обработки данных проверять независимо, обеспечивая справедливость и прозрачность системы AI. В то же время, такая проверяемость также помогает пользователям четко понять логику и основы вывода AI, реализуя "что получено, то и желаемо", повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных Применение ИИ часто связано с чувствительными данными пользователей, особенно в финансовой, медицинской и социальных сферах, где защита конфиденциальности данных имеет особое значение. AI Layer 1 должен обеспечивать проверяемость, одновременно применяя технологии обработки данных на основе шифрования, протоколы вычислений конфиденциальности и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах, таких как вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными, устраняя тем самым беспокойство пользователей относительно безопасности данных.
Мощная экосистема поддержки и разработки В качестве инфраструктуры Layer 1, изначально ориентированной на ИИ, платформа должна не только обладать технологическим превосходством, но и предоставлять разработчикам, операторам узлов, провайдерам ИИ-услуг и другим участникам экосистемы полные инструменты для разработки, интегрированные SDK, поддержку операций и механизмы стимулов. Постоянно оптимизируя доступность платформы и опыт разработчиков, необходимо способствовать реализации разнообразных приложений, основанных на ИИ, и обеспечивать устойчивое процветание децентрализованной экосистемы ИИ.
На основании вышеизложенного фона и ожиданий, в этой статье подробно рассматриваются шесть代表项目 AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически анализируя последние достижения в этой области, рассматривая текущее состояние проектов и обсуждая тенденции на будущее.
Sentient: создание преданного открытого децентрализованного AI модели
Обзор проекта
Sentient является открытой платформой протоколов, которая создает AI Layer1 в блокчейне( на первоначальном этапе как Layer 2, а затем будет мигрировать на Layer 1), сочетая AI Pipeline и технологии блокчейна для построения децентрализованной экономики искусственного интеллекта. Его основной целью является решение проблем принадлежности моделей, отслеживания вызовов и распределения ценности на централизованном рынке LLM через "OML" фреймворк(, обеспечивая открытость, прибыльность и лояльность), позволяя AI моделям реализовать структуру собственности на блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI продукты, способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила мировых экспертов в области науки, предпринимателей в сфере блокчейна и инженеров, стремясь построить сообщество, управляемое открытым исходным кодом и поддающееся проверке платформу AGI. В核心成员 входят профессор Принстонского университета Прамод Вишванат и профессор Индийского института науки Химаншу Тяги, которые отвечают за безопасность ИИ и защиту конфиденциальности, а стратегией блокчейна и экосистемой руководит соучредитель Polygon Сандип Найлвал. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в ведущих университетах, таких как Принстонский университет и Индийский институт технологий, охватывающих области ИИ/МЛ, НЛП, компьютерного зрения и совместно способствуют реализации проекта.
Как второй проект совместного основателя Polygon Сандипа Найлвала, Sentient изначально обладал аурой успеха, имея богатые ресурсы, связи и рыночную осведомленность, что обеспечивало проекту мощную поддержку для его развития. В середине 2024 года Sentient завершил сбор средств на уровне 85 миллионов долларов в рамках начального раунда финансирования, который возглавили Founders Fund, Pantera и Framework Ventures, а также другие инвестиционные компании, включая Delphi, Hashkey и Spartan, среди десятков известных венчурных капиталистов.
Дизайн архитектуры и уровень приложений
Инфраструктурный уровень
Основная архитектура
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline ( и системы в блокчейне.
AI-пайплайн является основой для разработки и обучения артефактов "лояльного AI", включает в себя два основных процесса:
Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протокола, гарантируя владение ИИ-объектами, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:
![Biteye и PANews совместно выпустили исследование AI Layer1: поиск благодатной почвы для DeAI в блокчейне])https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(
)## OML модельная рамка
OML фреймворк ### открыт Open, монетизируемый Monetizable, лояльный Loyal ( является основным принципом, предложенным Sentient, направленным на обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Сочетающий технологии в блокчейне и нативную криптографию AI, обладает следующими характеристиками:
)## AI родная криптография###AI-native Cryptography(
AI-родная криптография использует непрерывность AI-моделей, низкоразмерную структурную мантию и дифференцируемые характеристики моделей для разработки "проверяемого, но не удаляемого" легковесного механизма безопасности. Основная технология заключается в:
Этот способ позволяет реализовать "авторизационные вызовы на основе поведения + проверка принадлежности" без затрат на повторное шифрование.
![Biteye и PANews совместно опубликовали исследование AI Layer1: поиск плодородной почвы для DeAI в блокчейне])https://img-cdn.gateio.im/webp-social/moments-cf5f43c63b7ab154e2201c8d3531be8c.webp(
)## Модель правоприменения и безопасного выполнения
Sentient в настоящее время использует Melange смешанную безопасность: сочетание подтверждения прав собственности по отпечаткам пальцев, выполнения TEE и распределения прибыли по контрактам в блокчейне. При этом метод отпечатков пальцев реализует основную линию OML 1.0, подчеркивая идею "оптимистичной безопасности ### Optimistic Security (", то есть подразумевает соответствие, а в случае нарушения возможно обнаружение и наказание.
Механизм отпечатков пальцев является ключевой реализацией OML, он позволяет модели генерировать уникальные подписи на этапе обучения, встраивая определенные "вопрос-ответ" пары. Благодаря этим подписям, владельцы модели могут подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные вычислительные среды ), такие как AWS Nitro Enclaves (, чтобы гарантировать, что модели отвечают только на авторизованные запросы и предотвращают несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его ядром текущей развертки моделей.