AI Layer1 исследование: поиск плодородной почвы для DeAI в блокчейне
Обзор
Фон
В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, активно продвигают стремительное развитие больших языковых моделей (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя человеческое воображение и даже показывая потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий по-прежнему надежно удерживается в руках немногих централизованных технологических гигантов. Обладая мощным капиталом и контролируя дорогие вычислительные ресурсы, эти компании создали непреодолимые барьеры, что делает большинство разработчиков и инновационных команд практически не способными конкурировать с ними.
В то же время, на ранних этапах быстрого развития ИИ общественное мнение обычно сосредотачивается на прорывах и удобствах, которые предоставляет технология, тогда как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, относительно недостаточно. В долгосрочной перспективе эти вопросы окажут глубокое влияние на здоровое развитие ИИ-отрасли и общественное принятие. Если эти проблемы не будут должным образом решены, споры о том, будет ли ИИ "на благо" или "во зло", станут все более заметными, в то время как централизованные гиганты, движимые инстинктом прибыли, часто не имеют достаточной мотивации для активного реагирования на эти вызовы.
Технология блокчейна, благодаря своим децентрализованным, прозрачным и антицензурным характеристикам, открывает новые возможности для устойчивого развития AI-индустрии. В настоящее время на таких основных блокчейнах, как Solana и Base, уже появилось множество приложений "Web3 AI". Однако при более глубоком анализе можно обнаружить, что у этих проектов все еще есть много проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных услуг; из-за слишком сильной меметической природы им трудно поддерживать по-настоящему открытые экосистемы; с другой стороны, по сравнению с AI-продуктами из мира Web2, цепочечные AI имеют ограничения в моделях, использовании данных и областях применения, глубина и ширина инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного ИИ и позволить блокчейну безопасно, эффективно и демократично поддерживать масштабные ИИ-приложения, а также конкурировать с централизованными решениями по производительности, нам необходимо разработать блокчейн Layer1, созданный специально 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 эффективной поддержки устойчивого развития и процветания AI-экосистемы в блокчейне. В частности, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса. Ядро 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 бухгалтерских книг, узлы AI Layer 1 должны выполнять более сложные задачи: они не только должны предоставлять вычислительную мощность, завершать обучение и вывод AI моделей, но также должны вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов на инфраструктуру AI. Это выдвигает более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен быть в состоянии точно оценивать, поощрять и проверять фактический вклад узлов в задачи AI вывода, обучения и т.д., обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходные характеристики производительности и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют очень высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные, гетерогенные типы задач, включая различные модели, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен глубоко оптимизировать свою базовую архитектуру для обеспечения высокой пропускной способности, низкой задержки и гибкой параллельности, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечить плавное расширение от "однородных задач" к "сложной многогранной экосистеме".
Проверяемость и гарантии надежного вывода AI Layer 1 не только должна предотвращать злонамеренные действия моделей, подделку данных и другие угрозы безопасности, но и обеспечивать проверяемость и согласованность результатов вывода AI на уровне базовых механизмов. Интегрируя такие передовые технологии, как доверенная вычислительная среда (TEE), нулевое знание (ZK) и безопасные многопартнерские вычисления (MPC), платформа может обеспечить независимую проверку каждого процесса вывода модели, обучения и обработки данных, гарантируя справедливость и прозрачность AI-системы. В то же время такая проверяемость может помочь пользователям четко понять логику и обоснования вывода AI, достигая "что получено, то и желаемо", и повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных Приложения ИИ часто связаны с чувствительными данными пользователей, и защита конфиденциальности данных особенно важна в таких областях, как финансы, здравоохранение и социальные сети. AI Layer 1 должен обеспечивать проверяемость и одновременно использовать криптографические технологии обработки данных, протоколы конфиденциальных вычислений и управление правами доступа к данным, чтобы гарантировать безопасность данных на всех этапах, включая инференцию, обучение и хранение, эффективно предотвращая утечки и злоупотребления данными, устраняя беспокойства пользователей по поводу безопасности данных.
Мощная экосистема и поддержка разработки. В качестве инфраструктуры первого уровня, изначально созданной для ИИ, платформа должна не только обладать технологическим преимуществом, но и предоставлять участникам экосистемы, таким как разработчики, операторы узлов и поставщики ИИ-услуг, полный набор инструментов для разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем внедрению разнообразных приложений на базе ИИ и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
На основе вышеизложенного контекста и ожиданий, в данной статье будет подробно рассмотрено шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически проанализированы последние достижения в этой области, разобраны текущие состояния проектов и обсуждены будущие тенденции.
Sentient：Создание лояльной открытой децентрализованной модели ИИ
Обзор проекта
Sentient является платформой открытых протоколов, которая создает AI Layer1 в блокчейне (, изначально на этапе Layer 2, а затем будет мигрировать на Layer 1). Объединяя AI Pipeline и технологии блокчейна, она строит децентрализованную экономику искусственного интеллекта. Ее основной целью является решение проблем принадлежности моделей, отслеживания вызовов и распределения ценностей на централизованном рынке LLM через "OML" фреймворк (открытый, прибыльный, лояльный), чтобы обеспечить структуру собственности моделей ИИ в блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient заключается в том, чтобы позволить любому строить, сотрудничать, владеть и монетизировать AI продукты, тем самым способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила ведущих мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремящихся создать платформу AGI, основанную на сообществе, с открытым исходным кодом и возможностью проверки. В состав核心成员 входят профессор Принстонского университета Прамод Висванат и профессор Индийского института наук Химаншу Тьяги, отвечающие за безопасность и защиту конфиденциальности ИИ, а стратегию блокчейна и экосистемы возглавляет 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 технологический институт, и охватывают области ИИ/МЛ, НЛП, компьютерного зрения и других, совместно способствуя реализации проекта.
Как повторный проект соучредителя Polygon Сандипа Найлвала, Sentient с момента своего основания обладал ореолом, имея богатые ресурсы, связи и рыночную осведомленность, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования на сумму 85 миллионов долларов, который возглавили Founders Fund, Pantera и Framework Ventures, а среди других инвестиционных компаний были такие известные венчурные капитальные фирмы, как Delphi, Hashkey и Spartan.
Проектирование архитектуры и уровень приложений
Инфраструктурный уровень
Основная архитектура
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.
AI Pipeline является основой для разработки и обучения "Лояльного ИИ" артефактов и включает два основных процесса:
Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, для выравнивания модели.
Обучение лояльности (Loyalty Training): обеспечение согласованности процесса обучения модели с намерениями сообщества.
Система в блокчейне обеспечивает прозрачность и децентрализованный контроль для протокола, гарантируя право собственности на ИИ-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:
Уровень хранения: хранение весов модели и информации о регистрации отпечатков пальцев;
Уровень распределения: точка входа для вызова модели, контролируемая контрактом на авторизацию;
Уровень доступа: проверка разрешений для подтверждения авторизации пользователя;
Стимулирующий уровень: контракт маршрутизации доходов будет распределять выплаты между тренерами, развертывателями и валидаторами при каждом вызове.
OML модельная рамка
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является основной концепцией, предложенной Sentient, и направлен на предоставление четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя технологии в блокчейне и нативную криптографию AI, он 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 дохода, контракт в блокчейне будет распределять доход между тренерами, развертывателями и проверяющими.
Лояльность: 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 моделей AI, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки "проверяемого, но неустранимого" легковесного механизма безопасности. Основная технология заключается в следующем:
Встраивание отпечатков: во время обучения вставляется набор скрытых пар ключ-значение запрос-ответ для формирования уникальной подписи модели;
Протокол проверки прав собственности: верификация сохранения отпечатков 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 на декодирование данного ввода и возврат точного ответа.
Этот способ позволяет реализовать "авторизационные вызовы на основе поведения + проверка принадлежности" без затрат на повторное шифрование.
Модель подтверждения прав и безопасной реализации
Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения прав собственности с помощью отпечатков пальцев, выполнения в TEE и распределения прибыли по смарт-контрактам в блокчейне. Метод отпечатков пальцев реализован в OML 1.0 как основная линия, подчеркивающая мысль "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию предполагается соответствие требованиям, а нарушения могут быть обнаружены и наказаны.
Механизм отпечатков пальцев является ключевым реализатором OML, который через встраивание специфических "вопрос-ответ" пар позволяет модели генерировать уникальные подписи на этапе обучения. С помощью этих подписей владелец модели может 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 исполняемые окружения (такие как AWS Nitro Enclaves), чтобы гарантировать, что модели реагируют только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от оборудования и имеет определенные риски безопасности, его высокая производительность и преимущества в режиме реального времени делают его ключевой технологией для развертывания моделей в настоящее время.
В будущем Sentient планирует внедрить технологии нулевого раскрытия (ZK) и полностью гомоморфного шифрования (FHE), чтобы дополнительно улучшить защиту конфиденциальности и проверяемость.
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» .
16 Лайков
Награда
16
5
Поделиться
комментарий
0/400
NullWhisperer
· 07-28 15:15
с технической точки зрения... подход sentient кажется уязвимым к тем же старым проблемам централизации, если честно
Посмотреть ОригиналОтветить0
LiquidationTherapist
· 07-28 14:44
Фоновое исследование довольно надежное
Посмотреть ОригиналОтветить0
MEVHunterWang
· 07-28 14:38
Искусственный интеллект... контролирует человечество, я вижу это сомнительно~
AI Layer1 новая звезда на горизонте: Sentient создает в блокчейне инфраструктуру DeAI
AI Layer1 исследование: поиск плодородной почвы для DeAI в блокчейне
Обзор
Фон
В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, активно продвигают стремительное развитие больших языковых моделей (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя человеческое воображение и даже показывая потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий по-прежнему надежно удерживается в руках немногих централизованных технологических гигантов. Обладая мощным капиталом и контролируя дорогие вычислительные ресурсы, эти компании создали непреодолимые барьеры, что делает большинство разработчиков и инновационных команд практически не способными конкурировать с ними.
В то же время, на ранних этапах быстрого развития ИИ общественное мнение обычно сосредотачивается на прорывах и удобствах, которые предоставляет технология, тогда как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, относительно недостаточно. В долгосрочной перспективе эти вопросы окажут глубокое влияние на здоровое развитие ИИ-отрасли и общественное принятие. Если эти проблемы не будут должным образом решены, споры о том, будет ли ИИ "на благо" или "во зло", станут все более заметными, в то время как централизованные гиганты, движимые инстинктом прибыли, часто не имеют достаточной мотивации для активного реагирования на эти вызовы.
Технология блокчейна, благодаря своим децентрализованным, прозрачным и антицензурным характеристикам, открывает новые возможности для устойчивого развития AI-индустрии. В настоящее время на таких основных блокчейнах, как Solana и Base, уже появилось множество приложений "Web3 AI". Однако при более глубоком анализе можно обнаружить, что у этих проектов все еще есть много проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных услуг; из-за слишком сильной меметической природы им трудно поддерживать по-настоящему открытые экосистемы; с другой стороны, по сравнению с AI-продуктами из мира Web2, цепочечные AI имеют ограничения в моделях, использовании данных и областях применения, глубина и ширина инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного ИИ и позволить блокчейну безопасно, эффективно и демократично поддерживать масштабные ИИ-приложения, а также конкурировать с централизованными решениями по производительности, нам необходимо разработать блокчейн Layer1, созданный специально 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 эффективной поддержки устойчивого развития и процветания AI-экосистемы в блокчейне. В частности, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса. Ядро 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 бухгалтерских книг, узлы AI Layer 1 должны выполнять более сложные задачи: они не только должны предоставлять вычислительную мощность, завершать обучение и вывод AI моделей, но также должны вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов на инфраструктуру AI. Это выдвигает более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен быть в состоянии точно оценивать, поощрять и проверять фактический вклад узлов в задачи AI вывода, обучения и т.д., обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходные характеристики производительности и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют очень высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные, гетерогенные типы задач, включая различные модели, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен глубоко оптимизировать свою базовую архитектуру для обеспечения высокой пропускной способности, низкой задержки и гибкой параллельности, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечить плавное расширение от "однородных задач" к "сложной многогранной экосистеме".
Проверяемость и гарантии надежного вывода AI Layer 1 не только должна предотвращать злонамеренные действия моделей, подделку данных и другие угрозы безопасности, но и обеспечивать проверяемость и согласованность результатов вывода AI на уровне базовых механизмов. Интегрируя такие передовые технологии, как доверенная вычислительная среда (TEE), нулевое знание (ZK) и безопасные многопартнерские вычисления (MPC), платформа может обеспечить независимую проверку каждого процесса вывода модели, обучения и обработки данных, гарантируя справедливость и прозрачность AI-системы. В то же время такая проверяемость может помочь пользователям четко понять логику и обоснования вывода AI, достигая "что получено, то и желаемо", и повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных Приложения ИИ часто связаны с чувствительными данными пользователей, и защита конфиденциальности данных особенно важна в таких областях, как финансы, здравоохранение и социальные сети. AI Layer 1 должен обеспечивать проверяемость и одновременно использовать криптографические технологии обработки данных, протоколы конфиденциальных вычислений и управление правами доступа к данным, чтобы гарантировать безопасность данных на всех этапах, включая инференцию, обучение и хранение, эффективно предотвращая утечки и злоупотребления данными, устраняя беспокойства пользователей по поводу безопасности данных.
Мощная экосистема и поддержка разработки. В качестве инфраструктуры первого уровня, изначально созданной для ИИ, платформа должна не только обладать технологическим преимуществом, но и предоставлять участникам экосистемы, таким как разработчики, операторы узлов и поставщики ИИ-услуг, полный набор инструментов для разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем внедрению разнообразных приложений на базе ИИ и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
На основе вышеизложенного контекста и ожиданий, в данной статье будет подробно рассмотрено шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически проанализированы последние достижения в этой области, разобраны текущие состояния проектов и обсуждены будущие тенденции.
Sentient：Создание лояльной открытой децентрализованной модели ИИ
Обзор проекта
Sentient является платформой открытых протоколов, которая создает AI Layer1 в блокчейне (, изначально на этапе Layer 2, а затем будет мигрировать на Layer 1). Объединяя AI Pipeline и технологии блокчейна, она строит децентрализованную экономику искусственного интеллекта. Ее основной целью является решение проблем принадлежности моделей, отслеживания вызовов и распределения ценностей на централизованном рынке LLM через "OML" фреймворк (открытый, прибыльный, лояльный), чтобы обеспечить структуру собственности моделей ИИ в блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient заключается в том, чтобы позволить любому строить, сотрудничать, владеть и монетизировать AI продукты, тем самым способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила ведущих мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремящихся создать платформу AGI, основанную на сообществе, с открытым исходным кодом и возможностью проверки. В состав核心成员 входят профессор Принстонского университета Прамод Висванат и профессор Индийского института наук Химаншу Тьяги, отвечающие за безопасность и защиту конфиденциальности ИИ, а стратегию блокчейна и экосистемы возглавляет 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 технологический институт, и охватывают области ИИ/МЛ, НЛП, компьютерного зрения и других, совместно способствуя реализации проекта.
Как повторный проект соучредителя Polygon Сандипа Найлвала, Sentient с момента своего основания обладал ореолом, имея богатые ресурсы, связи и рыночную осведомленность, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования на сумму 85 миллионов долларов, который возглавили Founders Fund, Pantera и Framework Ventures, а среди других инвестиционных компаний были такие известные венчурные капитальные фирмы, как Delphi, Hashkey и Spartan.
Проектирование архитектуры и уровень приложений
Инфраструктурный уровень
Основная архитектура
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.
AI Pipeline является основой для разработки и обучения "Лояльного ИИ" артефактов и включает два основных процесса:
Система в блокчейне обеспечивает прозрачность и децентрализованный контроль для протокола, гарантируя право собственности на ИИ-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:
OML модельная рамка
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является основной концепцией, предложенной Sentient, и направлен на предоставление четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя технологии в блокчейне и нативную криптографию AI, он обладает следующими характеристиками:
AI-родная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность моделей AI, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки "проверяемого, но неустранимого" легковесного механизма безопасности. Основная технология заключается в следующем:
Этот способ позволяет реализовать "авторизационные вызовы на основе поведения + проверка принадлежности" без затрат на повторное шифрование.
Модель подтверждения прав и безопасной реализации
Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения прав собственности с помощью отпечатков пальцев, выполнения в TEE и распределения прибыли по смарт-контрактам в блокчейне. Метод отпечатков пальцев реализован в OML 1.0 как основная линия, подчеркивающая мысль "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию предполагается соответствие требованиям, а нарушения могут быть обнаружены и наказаны.
Механизм отпечатков пальцев является ключевым реализатором OML, который через встраивание специфических "вопрос-ответ" пар позволяет модели генерировать уникальные подписи на этапе обучения. С помощью этих подписей владелец модели может 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 исполняемые окружения (такие как AWS Nitro Enclaves), чтобы гарантировать, что модели реагируют только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от оборудования и имеет определенные риски безопасности, его высокая производительность и преимущества в режиме реального времени делают его ключевой технологией для развертывания моделей в настоящее время.
В будущем Sentient планирует внедрить технологии нулевого раскрытия (ZK) и полностью гомоморфного шифрования (FHE), чтобы дополнительно улучшить защиту конфиденциальности и проверяемость.