AI Layer 1: Encontrar a terra fértil para DeAI na cadeia
Nos últimos anos, empresas de tecnologia de ponta como OpenAI, Anthropic, Google e Meta têm impulsionado o rápido desenvolvimento de modelos de linguagem de grande escala (LLM). Os LLM demonstraram habilidades sem precedentes em diversas indústrias, ampliando enormemente o espaço da imaginação humana e, em alguns cenários, mostrando potencial para substituir o trabalho humano. No entanto, o núcleo dessas tecnologias permanece firmemente nas mãos de poucos gigantes da tecnologia centralizados. Com capital robusto e controle sobre os caros recursos computacionais, essas empresas estabeleceram barreiras quase intransponíveis, dificultando a competição para a grande maioria dos desenvolvedores e equipes de inovação.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública frequentemente se concentra nas inovações e facilidades trazidas pela tecnologia, enquanto a atenção a questões centrais como proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, essas questões impactarão profundamente o desenvolvimento saudável da indústria de IA e a aceitação social. Se não forem devidamente resolvidas, a controvérsia sobre se a IA deve "fazer o bem" ou "fazer o mal" se tornará cada vez mais evidente, enquanto os gigantes centralizados, impulsionados pelo instinto de lucro, muitas vezes carecem de motivação suficiente para enfrentar esses desafios proativamente.
A tecnologia blockchain, devido às suas características de descentralização, transparência e resistência à censura, oferece novas possibilidades para o desenvolvimento sustentável da indústria de IA. Atualmente, já surgiram várias aplicações "Web3 AI" em algumas blockchains populares. No entanto, uma análise mais aprofundada revela que esses projetos ainda enfrentam vários problemas: por um lado, o grau de descentralização é limitado, com etapas e infraestruturas-chave ainda dependentes de serviços de nuvem centralizados, e a propriedade meme é excessiva, dificultando a sustentação de um ecossistema verdadeiramente aberto; por outro lado, em comparação com os produtos de IA do mundo Web2, a IA na cadeia ainda apresenta limitações em termos de capacidade de modelo, utilização de dados e cenários de aplicação, com a profundidade e a amplitude da inovação a necessitar de melhorias.
Para realmente realizar a visão de uma IA descentralizada, permitindo que a blockchain suporte aplicações de IA em larga escala de forma segura, eficiente e democrática, e rivalize em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer1 feita sob medida para a IA. Isso proporcionará uma base sólida para a inovação aberta da IA, a democracia na governança e a segurança dos dados, promovendo o próspero desenvolvimento do ecossistema de IA descentralizada.
As principais características da camada 1 de IA
AI Layer 1, como uma blockchain projetada especificamente para aplicações de IA, tem sua arquitetura subjacente e design de desempenho intimamente alinhados com as necessidades das tarefas de IA, visando apoiar de forma eficiente o desenvolvimento e a prosperidade sustentáveis do ecossistema de IA na cadeia. Especificamente, o AI Layer 1 deve possuir as seguintes capacidades centrais:
Mecanismos de incentivo eficientes e consenso descentralizado
O núcleo do AI Layer 1 reside na construção de uma rede compartilhada de recursos abertos, como poder computacional e armazenamento. Ao contrário dos nós de blockchain tradicionais, que se concentram principalmente na contabilidade do livro-razão, os nós do AI Layer 1 precisam assumir tarefas mais complexas, que não só incluem fornecer poder computacional e realizar o treinamento e a inferência de modelos de IA, mas também contribuir com armazenamento, dados, largura de banda e outros recursos diversificados, rompendo assim com o monopólio dos gigantes centralizados na infraestrutura de IA. Isso impõe requisitos mais elevados para o consenso de base e o mecanismo de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e validar com precisão a contribuição real dos nós em tarefas como inferência e treinamento de IA, garantindo a segurança da rede e a distribuição eficiente de recursos. Somente assim será possível garantir a estabilidade e a prosperidade da rede, além de reduzir efetivamente os custos gerais de poder computacional.
Excelente desempenho de alto nível e capacidade de suporte a tarefas heterogêneas
As tarefas de IA, especialmente o treinamento e a inferência de LLM, exigem um desempenho computacional e uma capacidade de processamento paralelo extremamente elevados. Além disso, o ecossistema de IA na cadeia muitas vezes precisa suportar tipos de tarefas diversificados e heterogêneos, incluindo diferentes estruturas de modelos, processamento de dados, inferência, armazenamento e outros cenários variados. O AI Layer 1 deve ser profundamente otimizado na arquitetura subjacente para atender à demanda por alta taxa de transferência, baixa latência e paralelismo elástico, e prever a capacidade de suporte nativo a recursos computacionais heterogêneos, garantindo que várias tarefas de IA possam ser executadas de forma eficiente, alcançando uma expansão suave de "tarefa única" para "ecossistema complexo e diversificado".
Verificabilidade e garantia de saída confiável
A Layer 1 de IA não só precisa prevenir riscos de segurança como modelos maliciosos e manipulação de dados, mas também deve garantir a verificabilidade e alinhamento dos resultados da IA a partir de mecanismos de base. Ao integrar tecnologias de ponta como Ambiente de Execução Confiável (TEE), Prova de Conhecimento Zero (ZK) e Cálculo Seguro Multi-Partes (MPC), a plataforma permite que cada inferência de modelo, treinamento e processamento de dados possa ser verificada de forma independente, assegurando a justiça e transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade pode ajudar os usuários a entender a lógica e as bases das saídas da IA, realizando o "que se recebe é o que se deseja", aumentando a confiança e satisfação dos usuários em relação aos produtos de IA.
Proteção da privacidade dos dados
As aplicações de IA frequentemente envolvem dados sensíveis dos usuários, sendo a proteção da privacidade dos dados especialmente crítica em áreas como finanças, saúde e redes sociais. A IA Layer 1 deve garantir a verificabilidade, ao mesmo tempo que utiliza tecnologias de processamento de dados baseadas em criptografia, protocolos de computação de privacidade e gestão de permissões de dados, assegurando a segurança dos dados em todo o processo de inferência, treinamento e armazenamento, prevenindo efetivamente vazamentos e abusos de dados, eliminando as preocupações dos usuários em relação à segurança dos dados.
Capacidade poderosa de suporte ao desenvolvimento e à manutenção do ecossistema
Como uma infraestrutura Layer 1 nativa de IA, a plataforma não só deve ter uma liderança técnica, mas também fornecer ferramentas de desenvolvimento completas, SDKs integrados, suporte operacional e mecanismos de incentivo para desenvolvedores, operadores de nós e outros participantes do ecossistema. Ao otimizar continuamente a usabilidade da plataforma e a experiência do desenvolvedor, promove-se a implementação de aplicações nativas de IA ricas e diversificadas, alcançando a prosperidade contínua de um ecossistema de IA descentralizado.
Com base no contexto e nas expectativas acima, este artigo apresentará detalhadamente seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematizando os últimos avanços na área, analisando o estado atual do desenvolvimento dos projetos e explorando as tendências futuras.
Sentient: Construir modelos de IA descentralizados e de código aberto com lealdade
Visão Geral do Projeto
Sentient é uma plataforma de protocolo de código aberto, que está a construir uma blockchain AI Layer1 (, inicialmente na fase Layer 2, e depois será migrada para Layer 1). Ao combinar AI Pipeline e tecnologia de blockchain, pretende-se construir uma economia de inteligência artificial descentralizada. O seu objetivo central é resolver questões de propriedade do modelo, rastreamento de chamadas e distribuição de valor no mercado LLM centralizado através da estrutura "OML" (aberta, lucrativa, leal), permitindo que os modelos de IA realizem uma estrutura de propriedade na cadeia, transparência nas chamadas e distribuição de valor. A visão da Sentient é permitir que qualquer pessoa construa, colabore, possua e monetize produtos de IA, promovendo assim um ecossistema de rede de Agentes de IA justo e aberto.
A equipe da Sentient Foundation reúne os principais especialistas acadêmicos, empreendedores de blockchain e engenheiros do mundo, dedicando-se a construir uma plataforma AGI comunitária, de código aberto e verificável. Os membros centrais incluem o professor Pramod Viswanath da Universidade de Princeton e o professor Himanshu Tyagi do Instituto Indiano de Ciência, responsáveis pela segurança da IA e pela proteção da privacidade, enquanto o cofundador da Polygon, Sandeep Nailwal, lidera a estratégia de blockchain e o desenvolvimento do ecossistema. Os membros da equipe têm experiência em empresas renomadas como Meta, Coinbase, Polygon, e em universidades de ponta como a Universidade de Princeton e o Instituto Indiano de Tecnologia, abrangendo áreas como IA/ML, NLP e visão computacional, colaborando para a implementação do projeto.
Como um projeto de segunda empreitada de Sandeep Nailwal, cofundador da Polygon, a Sentient já chegou ao mercado com uma aura distinta, possuindo recursos abundantes, conexões e reconhecimento de mercado, o que fornece um forte respaldo para o desenvolvimento do projeto. Em meados de 2024, a Sentient completou uma rodada de financiamento seed de 85 milhões de dólares, liderada pelo Founders Fund, Pantera e Framework Ventures, com a participação de outras dezenas de investidores conhecidos, incluindo Delphi, Hashkey e Spartan.
arquitetura de design e camada de aplicação
Camada de infraestrutura
Arquitetura Central
A arquitetura central do Sentient é composta por um Pipeline de IA e um sistema de blockchain.
O pipeline de IA é a base para o desenvolvimento e treinamento de artefatos de "IA leal", contendo dois processos centrais:
Planejamento de Dados (Data Curation): um processo de seleção de dados impulsionado pela comunidade, utilizado para o alinhamento do modelo.
Treinamento de Lealdade (Loyalty Training): garantir que o modelo mantenha um processo de treinamento consistente com as intenções da comunidade.
O sistema de blockchain oferece transparência e controle descentralizado para os protocolos, garantindo a propriedade dos artefatos de IA, rastreamento de uso, distribuição de receitas e governança justa. A arquitetura específica é dividida em quatro camadas:
Camada de armazenamento: armazena os pesos do modelo e as informações de registro da impressão digital;
Camada de distribuição: entrada de chamada de modelo controlada por contrato de autorização;
Camada de acesso: Verifica se o usuário está autorizado através de provas de permissão;
Camada de incentivo: O contrato de roteamento de rendimento irá distribuir o pagamento a cada chamada para os treinadores, implementadores e validadores.
OML modelo de estrutura
A estrutura OML (Aberto Open, Monetizável Monetizable, Leal Loyal) é o conceito central proposto pela Sentient, destinado a fornecer proteção clara de propriedade e mecanismos de incentivo econômico para modelos de IA de código aberto. Ao combinar tecnologia na cadeia e criptografia nativa de IA, possui as seguintes características:
Abertura: O modelo deve ser de código aberto, com código e estrutura de dados transparentes, facilitando a reprodução, auditoria e melhoria pela comunidade.
Monetização: Cada chamada ao modelo irá ativar um fluxo de receita, o contrato na cadeia irá distribuir os ganhos aos treinadores, implementadores e validadores.
Lealdade: O modelo pertence à comunidade de contribuidores, a direção de atualização e a governança são decididas pelo DAO, e o uso e modificação são controlados por mecanismos criptográficos.
Criptografia nativa de IA (AI-native Cryptography)
A criptografia nativa de IA utiliza a continuidade dos modelos de IA, a estrutura de variedades de baixa dimensão e as características diferenciáveis dos modelos para desenvolver um mecanismo de segurança leve "verificável mas não removível". A sua tecnologia central é:
Impressão digital incorporada: durante o treinamento, insere-se um conjunto de pares de chave-valor de query-response ocultos para formar a assinatura única do modelo;
Protocolo de verificação de propriedade: verificar se a impressão digital está retida através de um detector de terceiros (Prover) na forma de uma pergunta query;
Mecanismo de chamada de permissão: antes da chamada, é necessário obter o "certificado de autorização" emitido pelo proprietário do modelo, e o sistema, com base nisso, autoriza o modelo a decodificar a entrada e retornar a resposta correta.
Esta abordagem permite a realização de "chamadas autorizadas baseadas em comportamento + verificação de pertencimento" sem custos de reencodificação.
Estrutura de validação de modelo e execução segura
Sentient atualmente utiliza a segurança mista Melange: combinação de verificação por impressão digital, execução TEE e repartição de lucros de contratos na cadeia. O método de impressão digital é implementado pela OML 1.0, enfatizando a ideia de "Segurança Otimista (Optimistic Security)", ou seja, conformidade por padrão, com possibilidade de detecção e punição em caso de violação.
O mecanismo de impressão digital é a implementação chave do OML, que permite ao modelo gerar assinaturas únicas durante a fase de treinamento, através da incorporação de pares específicos de "pergunta-resposta". Através dessas assinaturas, o proprietário do modelo pode verificar a propriedade, prevenindo cópias e comercialização não autorizadas. Este mecanismo protege não apenas os direitos dos desenvolvedores do modelo, mas também fornece um registro rastreável na cadeia sobre o comportamento de uso do modelo.
Além disso, a Sentient lançou a estrutura de computação Enclave TEE, utilizando execução confiável
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
10 gostos
Recompensa
10
4
Partilhar
Comentar
0/400
ImaginaryWhale
· 9h atrás
O mundo do capital é sobre como dividir o bolo do dinheiro.
Ver originalResponder0
WalletWhisperer
· 9h atrás
padrões de arbitragem estatística sugerem 93% de correlação com a centralização para ser sincero
AI Layer 1: Criar a infraestrutura de base da Blockchain para o ecossistema DeAI na cadeia
AI Layer 1: Encontrar a terra fértil para DeAI na cadeia
Nos últimos anos, empresas de tecnologia de ponta como OpenAI, Anthropic, Google e Meta têm impulsionado o rápido desenvolvimento de modelos de linguagem de grande escala (LLM). Os LLM demonstraram habilidades sem precedentes em diversas indústrias, ampliando enormemente o espaço da imaginação humana e, em alguns cenários, mostrando potencial para substituir o trabalho humano. No entanto, o núcleo dessas tecnologias permanece firmemente nas mãos de poucos gigantes da tecnologia centralizados. Com capital robusto e controle sobre os caros recursos computacionais, essas empresas estabeleceram barreiras quase intransponíveis, dificultando a competição para a grande maioria dos desenvolvedores e equipes de inovação.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública frequentemente se concentra nas inovações e facilidades trazidas pela tecnologia, enquanto a atenção a questões centrais como proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, essas questões impactarão profundamente o desenvolvimento saudável da indústria de IA e a aceitação social. Se não forem devidamente resolvidas, a controvérsia sobre se a IA deve "fazer o bem" ou "fazer o mal" se tornará cada vez mais evidente, enquanto os gigantes centralizados, impulsionados pelo instinto de lucro, muitas vezes carecem de motivação suficiente para enfrentar esses desafios proativamente.
A tecnologia blockchain, devido às suas características de descentralização, transparência e resistência à censura, oferece novas possibilidades para o desenvolvimento sustentável da indústria de IA. Atualmente, já surgiram várias aplicações "Web3 AI" em algumas blockchains populares. No entanto, uma análise mais aprofundada revela que esses projetos ainda enfrentam vários problemas: por um lado, o grau de descentralização é limitado, com etapas e infraestruturas-chave ainda dependentes de serviços de nuvem centralizados, e a propriedade meme é excessiva, dificultando a sustentação de um ecossistema verdadeiramente aberto; por outro lado, em comparação com os produtos de IA do mundo Web2, a IA na cadeia ainda apresenta limitações em termos de capacidade de modelo, utilização de dados e cenários de aplicação, com a profundidade e a amplitude da inovação a necessitar de melhorias.
Para realmente realizar a visão de uma IA descentralizada, permitindo que a blockchain suporte aplicações de IA em larga escala de forma segura, eficiente e democrática, e rivalize em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer1 feita sob medida para a IA. Isso proporcionará uma base sólida para a inovação aberta da IA, a democracia na governança e a segurança dos dados, promovendo o próspero desenvolvimento do ecossistema de IA descentralizada.
As principais características da camada 1 de IA
AI Layer 1, como uma blockchain projetada especificamente para aplicações de IA, tem sua arquitetura subjacente e design de desempenho intimamente alinhados com as necessidades das tarefas de IA, visando apoiar de forma eficiente o desenvolvimento e a prosperidade sustentáveis do ecossistema de IA na cadeia. Especificamente, o AI Layer 1 deve possuir as seguintes capacidades centrais:
Mecanismos de incentivo eficientes e consenso descentralizado O núcleo do AI Layer 1 reside na construção de uma rede compartilhada de recursos abertos, como poder computacional e armazenamento. Ao contrário dos nós de blockchain tradicionais, que se concentram principalmente na contabilidade do livro-razão, os nós do AI Layer 1 precisam assumir tarefas mais complexas, que não só incluem fornecer poder computacional e realizar o treinamento e a inferência de modelos de IA, mas também contribuir com armazenamento, dados, largura de banda e outros recursos diversificados, rompendo assim com o monopólio dos gigantes centralizados na infraestrutura de IA. Isso impõe requisitos mais elevados para o consenso de base e o mecanismo de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e validar com precisão a contribuição real dos nós em tarefas como inferência e treinamento de IA, garantindo a segurança da rede e a distribuição eficiente de recursos. Somente assim será possível garantir a estabilidade e a prosperidade da rede, além de reduzir efetivamente os custos gerais de poder computacional.
Excelente desempenho de alto nível e capacidade de suporte a tarefas heterogêneas As tarefas de IA, especialmente o treinamento e a inferência de LLM, exigem um desempenho computacional e uma capacidade de processamento paralelo extremamente elevados. Além disso, o ecossistema de IA na cadeia muitas vezes precisa suportar tipos de tarefas diversificados e heterogêneos, incluindo diferentes estruturas de modelos, processamento de dados, inferência, armazenamento e outros cenários variados. O AI Layer 1 deve ser profundamente otimizado na arquitetura subjacente para atender à demanda por alta taxa de transferência, baixa latência e paralelismo elástico, e prever a capacidade de suporte nativo a recursos computacionais heterogêneos, garantindo que várias tarefas de IA possam ser executadas de forma eficiente, alcançando uma expansão suave de "tarefa única" para "ecossistema complexo e diversificado".
Verificabilidade e garantia de saída confiável A Layer 1 de IA não só precisa prevenir riscos de segurança como modelos maliciosos e manipulação de dados, mas também deve garantir a verificabilidade e alinhamento dos resultados da IA a partir de mecanismos de base. Ao integrar tecnologias de ponta como Ambiente de Execução Confiável (TEE), Prova de Conhecimento Zero (ZK) e Cálculo Seguro Multi-Partes (MPC), a plataforma permite que cada inferência de modelo, treinamento e processamento de dados possa ser verificada de forma independente, assegurando a justiça e transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade pode ajudar os usuários a entender a lógica e as bases das saídas da IA, realizando o "que se recebe é o que se deseja", aumentando a confiança e satisfação dos usuários em relação aos produtos de IA.
Proteção da privacidade dos dados As aplicações de IA frequentemente envolvem dados sensíveis dos usuários, sendo a proteção da privacidade dos dados especialmente crítica em áreas como finanças, saúde e redes sociais. A IA Layer 1 deve garantir a verificabilidade, ao mesmo tempo que utiliza tecnologias de processamento de dados baseadas em criptografia, protocolos de computação de privacidade e gestão de permissões de dados, assegurando a segurança dos dados em todo o processo de inferência, treinamento e armazenamento, prevenindo efetivamente vazamentos e abusos de dados, eliminando as preocupações dos usuários em relação à segurança dos dados.
Capacidade poderosa de suporte ao desenvolvimento e à manutenção do ecossistema Como uma infraestrutura Layer 1 nativa de IA, a plataforma não só deve ter uma liderança técnica, mas também fornecer ferramentas de desenvolvimento completas, SDKs integrados, suporte operacional e mecanismos de incentivo para desenvolvedores, operadores de nós e outros participantes do ecossistema. Ao otimizar continuamente a usabilidade da plataforma e a experiência do desenvolvedor, promove-se a implementação de aplicações nativas de IA ricas e diversificadas, alcançando a prosperidade contínua de um ecossistema de IA descentralizado.
Com base no contexto e nas expectativas acima, este artigo apresentará detalhadamente seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematizando os últimos avanços na área, analisando o estado atual do desenvolvimento dos projetos e explorando as tendências futuras.
Sentient: Construir modelos de IA descentralizados e de código aberto com lealdade
Visão Geral do Projeto
Sentient é uma plataforma de protocolo de código aberto, que está a construir uma blockchain AI Layer1 (, inicialmente na fase Layer 2, e depois será migrada para Layer 1). Ao combinar AI Pipeline e tecnologia de blockchain, pretende-se construir uma economia de inteligência artificial descentralizada. O seu objetivo central é resolver questões de propriedade do modelo, rastreamento de chamadas e distribuição de valor no mercado LLM centralizado através da estrutura "OML" (aberta, lucrativa, leal), permitindo que os modelos de IA realizem uma estrutura de propriedade na cadeia, transparência nas chamadas e distribuição de valor. A visão da Sentient é permitir que qualquer pessoa construa, colabore, possua e monetize produtos de IA, promovendo assim um ecossistema de rede de Agentes de IA justo e aberto.
A equipe da Sentient Foundation reúne os principais especialistas acadêmicos, empreendedores de blockchain e engenheiros do mundo, dedicando-se a construir uma plataforma AGI comunitária, de código aberto e verificável. Os membros centrais incluem o professor Pramod Viswanath da Universidade de Princeton e o professor Himanshu Tyagi do Instituto Indiano de Ciência, responsáveis pela segurança da IA e pela proteção da privacidade, enquanto o cofundador da Polygon, Sandeep Nailwal, lidera a estratégia de blockchain e o desenvolvimento do ecossistema. Os membros da equipe têm experiência em empresas renomadas como Meta, Coinbase, Polygon, e em universidades de ponta como a Universidade de Princeton e o Instituto Indiano de Tecnologia, abrangendo áreas como IA/ML, NLP e visão computacional, colaborando para a implementação do projeto.
Como um projeto de segunda empreitada de Sandeep Nailwal, cofundador da Polygon, a Sentient já chegou ao mercado com uma aura distinta, possuindo recursos abundantes, conexões e reconhecimento de mercado, o que fornece um forte respaldo para o desenvolvimento do projeto. Em meados de 2024, a Sentient completou uma rodada de financiamento seed de 85 milhões de dólares, liderada pelo Founders Fund, Pantera e Framework Ventures, com a participação de outras dezenas de investidores conhecidos, incluindo Delphi, Hashkey e Spartan.
arquitetura de design e camada de aplicação
Camada de infraestrutura
Arquitetura Central
A arquitetura central do Sentient é composta por um Pipeline de IA e um sistema de blockchain.
O pipeline de IA é a base para o desenvolvimento e treinamento de artefatos de "IA leal", contendo dois processos centrais:
O sistema de blockchain oferece transparência e controle descentralizado para os protocolos, garantindo a propriedade dos artefatos de IA, rastreamento de uso, distribuição de receitas e governança justa. A arquitetura específica é dividida em quatro camadas:
OML modelo de estrutura
A estrutura OML (Aberto Open, Monetizável Monetizable, Leal Loyal) é o conceito central proposto pela Sentient, destinado a fornecer proteção clara de propriedade e mecanismos de incentivo econômico para modelos de IA de código aberto. Ao combinar tecnologia na cadeia e criptografia nativa de IA, possui as seguintes características:
Criptografia nativa de IA (AI-native Cryptography)
A criptografia nativa de IA utiliza a continuidade dos modelos de IA, a estrutura de variedades de baixa dimensão e as características diferenciáveis dos modelos para desenvolver um mecanismo de segurança leve "verificável mas não removível". A sua tecnologia central é:
Esta abordagem permite a realização de "chamadas autorizadas baseadas em comportamento + verificação de pertencimento" sem custos de reencodificação.
Estrutura de validação de modelo e execução segura
Sentient atualmente utiliza a segurança mista Melange: combinação de verificação por impressão digital, execução TEE e repartição de lucros de contratos na cadeia. O método de impressão digital é implementado pela OML 1.0, enfatizando a ideia de "Segurança Otimista (Optimistic Security)", ou seja, conformidade por padrão, com possibilidade de detecção e punição em caso de violação.
O mecanismo de impressão digital é a implementação chave do OML, que permite ao modelo gerar assinaturas únicas durante a fase de treinamento, através da incorporação de pares específicos de "pergunta-resposta". Através dessas assinaturas, o proprietário do modelo pode verificar a propriedade, prevenindo cópias e comercialização não autorizadas. Este mecanismo protege não apenas os direitos dos desenvolvedores do modelo, mas também fornece um registro rastreável na cadeia sobre o comportamento de uso do modelo.
Além disso, a Sentient lançou a estrutura de computação Enclave TEE, utilizando execução confiável