Integritetsverifiseringsstudie av off-chain AI-inferensresultater gjennom hybrid sharding og blokkjedekonsensus @inference_labs, @nesaorg, @miranetwork Ettersom storskala kunstig intelligens-modeller brukes i ulike miljøer, blir det stadig vanligere å ha strukturer der faktiske slutningsoperasjoner utføres utenfor blokkjeden og kun resultatene verifiseres. Den viktigste utfordringen i denne prosessen er hvordan man pålitelig kan bevise at AI-inferensresultatene generert utenfor kjeden ikke har blitt manipulert og har gått gjennom en konsistent prosess for samme input. Strukturen som oppsto for å løse disse problemene er Verifiable Hybrid-Sharded Inference Protocol, eller VH-SIP, som har som mål å systematisk verifisere integriteten til off-chain inferens ved å kombinere elementer verifisert i eksisterende distribuerte AI-nettverk og blokkjedekonsensusmekanismer. Utgangspunktet for VH-SIP er inferensutførelseslaget. På dette laget er standardpremisset å kjøre containeriserte arbeidsbelastninger, slik det brukes i Rituals Infernet-modell. Tusenvis av noder med ulike maskinvareegenskaper er konfigurert til å kjøre samme modell, og determinismen i operasjonen opprettholdes gjennom et fast tilfeldig tallfrø som brukes i ORAs opML og Gensyns reproduserbare operatørsystem, RepOps. NESAs hybride sharding-rammeverk brukes på dette, som deler store språkmodeller i blokker og utfører inferenser innenfor området hver node kan håndtere gjennom dynamisk blokk-for-blokk-kvantisering. Hver eksekveringsnode genererer en beviskvittering, inkludert commit-verdien for input, output-hashen og ressursmetrikkene som brukes, som er kompatible med Gensyns Relay-protokollformat og sendes videre til neste verifiseringsfase. Resultatet av denne slutningen går rett til sharding-laget. Kjernen i sharding-laget er VRF-basert shardallokering. Denne strukturen er basert på VRF-sharding-mekanismen diskutert i Ethereum Research og eliminerer forutsigbarhet ved å bruke flere tidligere VRF-utganger som input for å bestemme neste shard-allokering. Den BLS-baserte VRF-strukturen implementert i Harmony er designet for å gjøre det vanskelig for enkelte deltakere å påvirke resultatene, og nettverkets kontinuerlige drift er garantert under antakelsen om at ærlige noder utgjør flertallet. Innenfor sharden deles arbeidsenheten inn ved hjelp av NESAs modelluavhengige sharding-teknikk, og validatorene dannes også til en egen verifikasjonskomité ved å anvende PolyShards kodesharding-prinsipp. Den arbeidsbelastningsprediksjonsbaserte relokasjonsmetoden foreslått i PSAP-protokollen er ansvarlig for å koordinere belastningen mellom shards. Verifisering og konsensus utgjør kjernen i VH-SIP. I dette laget benyttes en hybrid verifiseringsstrategi i stedet for en universell tilnærming. For høygjennomstrømning og relativt lavrisiko inferens, velges et lite antall validatorer tilfeldig ut for å utføre stokastisk prøvetaking. På den annen side, for resultater med stor økonomisk verdi eller stort potensial for tvister, utføres deterministisk verifisering der hele komiteen kjører samme beregning på nytt. Hvis de to resultatene er i konflikt, brukes intervensjonsdelegeringsmetoden og det dikotome søkespillet som studeres i Gensyn for gradvis å snevre inn punktet der feilen oppsto. Denne prosessen er basert på ORAs konsept om optimistisk verifisering, som i hovedsak forutsetter at resultatene er legitime, men når en utfordring reises, igangsettes en interaktiv tvisteløsningsprosess on-chain. Fastpunktoperasjoner og reproduserbare operatørsystemer spiller en rolle i å minimere flyttallsavvik på grunn av maskinvareforskjeller. Det økonomiske insentivlaget er grunnlaget for å få denne verifikasjonsstrukturen til å fungere realistisk. Slashing oppstår når deltakerne setter visse sikkerheter og leverer klart feilaktige resultater, samtidig presenterer motstridende resultater, eller skjuler resultater under verifiseringsprosessen eller presenterer uverifiserbare TEE-bevis. Disse betingelsene følger Verde-verifiseringsmetoden og prinsippet om on-chain forankring. Som modellen Bittensor har tatt i bruk, er den designet for å opprettholde sikkerheten til hele nettverket selv om det er opptil halvparten av den ondsinnede interessen, og den økonomiske levetiden forlenges gjennom token-resirkulasjonsmekanismen. Koordinasjons- og aggregeringshierarkiet er ansvarlig for å samle resultatene generert av flere shards til én sammenhengende tilstand. Dette laget utnytter KZG-forpliktelser for effektivt å verifisere integriteten til cross-shard-data og sikrer at verifiseringskostnadene ikke øker lineært gjennom PolyShard-koding. RSTBP-protokollen brukes til å atomisk behandle flere innganger og utganger, og resultatene av den stokastiske verifiseringen aggregeres etter majoritetsregelen. Sikkerhetsbegrensningsforsterkningslæringen som foreslås i PSAP-rammeverket justerer ressursallokeringen, men valideringsprosessen bygger på å gjenskape de samme resultatene basert på deterministiske maskinlæringsoperasjoner. Denne strukturen viser også tydelig hvordan man skal svare på ulike angrepsscenarier. Situasjonen der visse shards domineres av VRF-basert shardrotasjon og stake-vektet struktur, og falske positiver forårsaket av ikke-deterministiske operasjoner håndteres gjennom fastpunktoperasjoner og statistiske toleranseintervallinnstillinger. Kollusjonsangrep undertrykkes ved slashing og økonomiske kostnadsstrukturer, og hvis modellkvaliteten skjult forringes, oppdages det gjennom konsensusbasert distribusjonsverifisering. Gensyns konsepter om reproduserbare operatorer, lokalt sensitiv hashing og toleransebånd er valideringsteknikkene som brukes i denne prosessen. Oppsummert foreslår VH-SIP en arkitektur som kombinerer elementer verifisert av eksisterende distribuert AI og verifikasjonssystemer som Nesa, Gensyn, ORA og Bittensor, og som integrert verifiserer resultatene av AI-inferens utført utenfor kjeden innenfor en blokkjedekonsensusstruktur. Hybrid sharding fordeler effektivt beregning og verifisering, mens VRF-basert konsensus og optimistisk verifisering balanserer skalerbarhet og sikkerhet. Denne strukturen kan forstås som en avgjørende sak som møter de realistiske behovene til off-chain AI-inferens, samtidig som den sikrer verifiserbarhet og økonomisk ansvarlighet. $NESA $MIRA