المدفوعات الخالية من الغاز وحماية الأصول الذكية في ابتكار تجربة المستخدم في بيئة متعددة السلاسل @useTria ، @rainbowdotme ، @Rabby_io مع انتشار بيئة السلاسل المتعددة، تطلبت عملية استخدام محافظ البلوك تشين المزيد والمزيد من الخيارات والأحكام الانتخابية، مما زاد أيضا من العبء المعرفي الذي يتحمله المستخدمون بأنفسهم. السلاسل المختلفة تتطلب رموز غاز وقواعد تنفيذ مختلفة، ويمكن لنفس السلوك أن ينتج نتائج مختلفة تماما حسب السلسلة. في هذا الهيكل، كان على المستخدمين إدارة تفاصيل على مستوى البروتوكول مباشرة مثل إعداد رسوم الغاز، اختيار الشبكة، تأكيد نطاق التفويض، وتفسير المعاملات، حتى وإن كانوا ينوون فقط نقل أو تسوية الأصول. يمكن فهم هذه المشكلة على أنها نتيجة لهيكل البروتوكول متعدد السلاسل الذي يكشف الفجوة بين نية المستخدم ومتطلبات التنفيذ بدلا من عدم الراحة في الواجهة. ظهرت أنظمة الدفع الخالية من الغاز كطريقة تجريدي لتقليل هذه الفجوة. يعبر المستخدمون فقط عن مبلغ الدفع أو النتيجة المستهدفة، ويتعامل النظام مع الأصول المستخدمة فعليا في أي سلسلة. في هيكل تريا، عندما يقدم المستخدم نية، تتنافس كيانات تنفيذ تسمى PathFinder لاقتراح المسار الأمثل، وينسق BestPath AVS ذلك لإكمال التنفيذ في بيئة متعددة السلاسل. في هذه العملية، لا يحتاج المستخدمون إلى الاحتفاظ برموز الغاز ولا يتحملون مباشرة تكاليف فشل المعاملات. بدلا من ذلك، يتم امتصاص تكاليف التنفيذ ومخاطر الفشل من قبل المحلل، ويتم التسوية دون إعادة بناء مفتاح واحد عبر TSS، وهي طريقة توقيع موزعة. يتطلب هذا النهج تغييرا هيكليا يبسط تجربة المستخدم مع نقل مسؤولية التنفيذ إلى جهات أخرى. هذا التجريد للتنفيذ يوحي بفرضية ثقة جديدة بقدر ما يوفر راحة. من الصعب على المستخدمين رؤية المسار الذي تم اختياره فعليا، ولماذا تم اختيار محلل معين، وما هي المعايير التي تم التعامل معها عند حدوث تنفيذ جزئي أو تأخير. بدلا من فرض رسوم غاز صريحة، يمكن للمحللين التقاط القيمة من خلال فروقات أثناء عملية توجيه الأسعار، وهي ليست واضحة للمستخدمين. لذلك، يمكن فهم الدفع بدون رسوم الغاز كهيكل يغير طريقة التعبير عن التكلفة وموضوع العبء بدلا من القضاء على التكلفة. وفي الوقت نفسه، تطورت تجربة المستخدم الذكية لحماية الأصول لمساعدة المستخدمين على فهم عواقب الإجراءات المعتمدة مسبقا. تجري Rabby Wallet محاكاة قبل التنفيذ الفعلي للمعاملات، وتعرض المستخدمين تغييرات في الأرصدة، ونطاقات الموافقة، والعلامات التحذيرية المحتملة. تكتشف هذه المحاكاة بشكل استرشادي الأنماط الخبيثة المعروفة أو طلبات التفويض غير المعتادة وتوفر معلومات سياقية تأخذ في الاعتبار حالة الاتصالات متعددة السلاسل. يمكن للمستخدمين اتخاذ قرارهم الخاص وتنفيذ التحذير حتى بعد تأكيده، ويمكن اعتبار ذلك تصميما للحفاظ على التوازن بين الحماية والاستقلالية. ومع ذلك، هناك قيود واضحة على الحماية القائمة على المحاكاة. بيئة الغاز في وقت التنفيذ، ووقت الكتل، وبيانات الأوراكل، والاعتماديات بين السلاسل يصعب إعادة إنتاجها بالكامل في بيئة المحاكاة. نتيجة لذلك، قد تفوت الهجمات التي تكون نشطة فقط خلال مرحلة التنفيذ الفعلية أو هجمات السلاسل متعددة السلاسل من مرحلة الكشف المسبق. يستند نهج رابي إلى هذه القيود، حيث يقدم تحذيرات محافظة بدلا من التفاؤل المفرط ويدير المخاطر بترك الحكم النهائي للمستخدم. تقدم Rainbow Wallet تجربة مستخدم تركز على المستهلك وتركز على سهولة الوصول والبديهية بدلا من هذه الحمايات. عملية تتبع ونقل الأصول موجزة، ويتم تفويض جزء كبير من وظائف الأمن إلى البنية التحتية والخدمات الخارجية. هذا يقلل من حاجز الدخول للمستخدمين المبتدئين، لكن أدوات إدارة التفويض أو مخاطر التصاريح طويلة الأمد محدودة نسبيا. تتعامل المحافظ الثلاث مع قضايا المدفوعات الخالية من الغاز وحماية الأصول في مواقع مختلفة، وهناك اختلافات واضحة في مستوى التجريد ونطاق التحكم في المستخدم. في بيئة متعددة السلاسل، تعمل الموافقة وإدارة التصاريح كعوامل خطر طويلة الأمد. تظل التفويضات غير المحددة أو الامتيازات الواسعة سطحا للهجوم حتى بعد انتهاء المعاملات الفردية. تحاول تريا تقليل النطاق من خلال تقييد الأذونات على أساس النية، ورابي يصور تاريخ التفويض ويوفر أدوات سحب، ويوفر رينبو إرشادات أساسية للرؤية والتعليم. يظهر هذا الاختلاف أن تجربة المستخدم لحماية الأصول ليست ميزة واحدة بل مرتبطة ارتباطا وثيقا بفلسفة التصميم العامة للمحفظة. بالإضافة إلى ذلك، فإن القدرة على عرض محافظ متعددة السلاسل بطريقة متكاملة تخلق مشاكل جديدة. يمكن أن تؤدي تأخيرات RPC أو إعادة هيكلة السلسلة إلى عدم دقة مؤقتة في معلومات الرصيد، والتي قد يخطئ المستخدمون في اعتبارها حالة أصل حقيقية لاتخاذ القرارات. هذه مشكلة هيكلية ناتجة عن التوتر بين توفير البيانات في الوقت الحقيقي وحسم الإجماع، وهي إحدى الخصائص الحتمية لتجربة المستخدم متعددة السلاسل. ومن المهم أيضا ملاحظة أن المدفوعات الخالية من الغاز وتجريدات التنفيذ يمكن أن توسع نطاق تأثير الهجوم إذا نجحت. إذا تم اختراق محلل أو مسؤول الدفع، فلا يمكن اقتصار الضرر في سلسلة واحدة، ويمكن أن يكون للهجمات التي تتلاعب بمعلومات الأسعار أو مسارات التنفيذ عواقب عبر عدة بروتوكولات. هذا يوضح بوضوح أن التجريد يعيد تموضع المخاطر بدلا من القضاء عليها. في هذا السياق، يجب تكوين بنية المحفظة متعددة السلاسل بحيث يكون لطبقة تعبير النية، وطبقة توجيه التنفيذ، وطبقة محاكاة المخاطر، وطبقة واجهة المستخدم حدود وأدوار واضحة مع بعضها البعض. تعد إمكانية التحقق من نتائج التنفيذ، وإجراءات الاسترداد والاسترداد في حال الفشل، والتفسيرات الشفافة لهياكل التكاليف عوامل رئيسية للحفاظ على سيادتهم على أصولهم. في النهاية، يمكن فهم ابتكارات تجربة المستخدم للمدفوعات الخالية من الغاز وحماية الأصول الذكية في بيئة متعددة السلاسل على أنها تغيير في طريقة إدارتها، بدلا من القضاء على التعقيد. لم يعد على المستخدمين التعامل مع جميع تفاصيل البروتوكول بأنفسهم، بل يجب أن يكونوا على دراية واضحة بمدى اتخاذ النظام في الأحكام وأين يتطلب الأمر الثقة. يظل تحقيق التوازن بين البساطة والتحكم، والراحة والشفافية، تحديا رئيسيا في تصميم تجربة المستخدم متعددة السلاسل. $TRIA $RNBW

أتمتة التحقق من استنتاج التعلم الآلي بدون معرفة في شبكات الحوسبة اللامركزية @inference_labs ، @OpenGradient ، @nesaorg مشكلة التحقق من أن نتائج استنتاج الذكاء الاصطناعي محسوبة بشكل صحيح في شبكة الحوسبة الموزعة لها قيود معقدة تختلف عن بيئة الخادم المركزي. وذلك لأنه في هيكل يشغل فيه عدة مشاركين نفس النموذج في بيئات مختلفة من الأجهزة والبرمجيات، يصعب افتراض موثوقية نتائج الحساب مسبقا. في هذا السياق، ظهر التعلم الآلي بدون معرفة كتقنية تثبت تشفيريا أن مخرجا محددا تم تولده عن طريق معالجة مدخل محدد بطريقة ثابتة عبر نموذج ثابت. يتم تقييم هذه الطريقة كوسيلة مناسبة للبيئة الموزعة من حيث يمكنها التحقق من شرعية التنفيذ دون الكشف عن عملية الحساب للعالم الخارجي. ومع ذلك، فإن التفكير في الذكاء الاصطناعي بطبيعته غير محدد. نظرا لطبيعة العمليات الفاصلة الفاصلة العائمة، حتى نفس العملية لها اختلافات طفيفة في النتائج حسب ترتيب الحساب أو تنفيذ الأجهزة، وهذا الاختلاف يكون أكثر وضوحا في بيئات GPU التي تستخدم العمليات المتوازية. تشمل الشبكات الموزعة مجموعة واسعة من المعدات، من وحدات معالجة الرسومات الاستهلاكية إلى المسرعات المتخصصة، مما يؤدي إلى انحرافات حسابية بسبب اختلافات أنظمة التشغيل والتعريفات وهياكل الذاكرة ومجموعات التعليمات. نظرا لأن التحقق الشفرتي يتطلب اتفاقيات بتية، فإن هذه الاختلافات البيئية قد تؤدي إلى فشل في التحقق. لحل هذه المشكلة، يقوم نظام zkML بتكميم العمليات العائمة إلى نقطة ثابتة ويحول عمليات الشبكة العصبية إلى أشكال دوائر حسابية. تمثل أطر مثل JSTprove وEZKL وRISC Zero الالتفافات، وضرب المصفوفات، ودوال التفعيل كمجموعات من القيود، مما يجعل عملية الاستنتاج قابلة للإثبات. تزداد هذه العملية بسرعة مع عمق وحجم النموذج، كما يزداد الوقت والذاكرة اللازمة لإنشاء البراهين بشكل غير خطي. تظهر القياسات الفعلية أن براهين zkML للنموذج بأكمله تتطلب تكاليف أعلى بآلاف إلى عشرات الآلاف من المرات مقارنة بإعادة حساب نفس الاستنتاج. يعد هيكل التكلفة هذا قيدا رئيسيا عند تصميم التحقق الآلي للاستدلال على شبكة موزعة. إذا كانت تكلفة توليد البرهان أكبر من الشك في نتيجة الاستدلال، يفقد التحقق معناه الاقتصادي. نتيجة لذلك، تتبنى الأنظمة الواقعية استراتيجية التحقق الانتقائي فقط من العمليات الرئيسية أو الأجزاء الحساسة بدلا من إثبات النموذج بأكمله. يقلل DSperse من مختبرات الاستدلال بشكل كبير من استهلاك الذاكرة وتكاليف الإثبات من خلال تقسيم النموذج إلى شرائح متعددة وتقسيم الدوائر وإثبات الأجزاء التي تكون فيها الموثوقية مهمة بشكل خاص. هذه الطريقة لا توفر دليلا كاملا على الحساب بالكامل، لكنها تساهم في ضمان كفاءة التحقق مقارنة بالتكلفة. يعتمد خط أنابيب التحقق الآلي على استراتيجية التحقق الاختيارية هذه. يقوم خط أنابيب JSTprove من مختبرات الاستدلال بتحويل النموذج إلى نقطة ثابتة، ويجمع الرسم البياني بصيغة ONNX إلى دائرة حسابية، ويولد براهين من خلال نظام إثبات قائم على GKR. يتم التحقق من البراهين المولدة داخل السلسلة أو خارجها، وفي الواقع، يتم معالجة عدد كبير من الإثباتات بشكل دوري على شبكة لامركزية محددة. تم تصميم OpenGradient لمعالجة عدة طلبات استنتاج في نفس الوقت من خلال هيكل تنفيذ متوازي يسمى PIPE، ويمكن لكل طلب الاختيار بين zkML أو بيئة تنفيذ موثوقة أو تنفيذ غير موثق. هذا يضبط تكاليف التحقق بحيث لا تصبح عنق زجاجة مباشر لمنع التوليد أو معدل النقل العام. تتبع NESA نهجا يجمع بين أتمتة التحقق من الصحة والحماية الحاسوبية. يستخدم هيكلا يوزع بيانات الإدخال عبر عقد متعددة أثناء التشفير، ويجري الاستدلال في أجزاء مشفرة، ثم يجمع النتائج. في هذه العملية، يتم تنسيق اختيار العقد وتخصيص الأدوار من خلال أرقام عشوائية قابلة للتحقق وتشفير حرج، ويتم ردع الغش من خلال عملية الالتزام وخطوات الإفصاح. يضمن هذا النهج ليس فقط سلامة نتائج الاستدلال، بل أيضا سرية المدخلات ومعلمات النموذج. يوضح دمج التحقق القائم على zkML في شبكات الحوسبة اللامركزية الفصل بين الأدوار بين التنفيذ والتحقق. تسمح استراتيجية التوازي في OpenGradient بمعالجة عدة استنتاجات في نفس الوقت مع إدارة عملية التحقق بشكل منفصل، بينما طبقة التنسيق في NESA مسؤولة عن توزيع الأدوار والتحفيز بين العقد. طبقة الإثبات في مختبرات الاستدلال مسؤولة عن التحقق تشفيريا من أن الحسابات الفعلية أجريت بشكل صحيح. مع فصل كل طبقة، يتم تنفيذ التحقق الآلي من خلال دمج عدة مكونات بدلا من تقنية واحدة. هيكل الحوافز هو أيضا عنصر أساسي في الأتمتة. تشجع NESA العقد المشاركة على التصرف بصدق من خلال هيكل الإفصاح عن التخزين والالتزام، بينما توزع مختبرات الاستدلال مكافآت بناء على قدرة ودقة توليد الأدلة. تقوم خدمات OpenGradient الرقمية المعتمدة على التوائم بتحويل الحق في الوصول إلى نتائج الاستنتاج المؤكدة إلى قيمة اقتصادية. تم تصميم هذه الهياكل للحفاظ على مستوى معين من الثقة حتى بدون وجود مدير مركزي. ومع ذلك، فإن التحقق الآلي من الاستدلال في zkML له قيود واضحة. عدم التماثل بين تكلفة توليد نتيجة خاطئة وتكلفة إثبات نتيجة صحيحة يترك إمكانية حدوث هجوم. لا يمكن القضاء تماما على أخطاء في عملية تحويل الدوائر، وتأخيرات توليد الإثباتات، والتواطؤ بين العقد، والانحرافات الحسابية الناتجة عن أخطاء الأجهزة باستخدام التكنولوجيا الحالية. تخفف الأنظمة من هذه المخاطر من خلال ممارسات التكرار، والسمعة، والعقوبات الاقتصادية، لكنها لا تقضي عليها بشكل جذري. مجتمعة، تظهر تقنيات التعلم الآلي بدون معرفة واستدلال، وأتمتة التحقق في شبكات الحوسبة اللامركزية إنجازات تقنية واضحة كمحاولة لتأمين موثوقية العمليات الحسابية تشفيريا. وفي الوقت نفسه، يكشف عن القيود الهيكلية لتكاليف الإثبات العالية، والقيود البيئية، وعدم التماثل الاقتصادي. يطبق النهج الحالي الأتمتة العملية من خلال دمج البراهين الانتقائية، التنفيذ المتوازي، الحوسبة المشفرة، وتصميم الحوافز، وهو ما يعتبر مثالا على رفع قابلية التحقق من استدلالات الذكاء الاصطناعي إلى نطاق واقعي في بيئة موزعة. $NESA