Relatório de Pesquisa AI Layer 1: Explorando a Descentralização da Infraestrutura de AI
Visão Geral
Nos últimos anos, empresas de tecnologia de ponta como OpenAI, Anthropic, Google e Meta têm impulsionado rapidamente o desenvolvimento de modelos de linguagem de grande escala (LLM). Os LLM demonstraram capacidades sem precedentes em diversos setores, expandindo enormemente o espaço de imaginação humana e até mostrando, em algumas situações, o potencial de substituir o trabalho humano. No entanto, o núcleo dessas tecnologias está nas mãos de poucos gigantes da tecnologia centralizados. Com um forte capital e controle sobre recursos de computação caros, essas empresas estabeleceram barreiras quase intransponíveis, dificultando a competição da grande maioria dos desenvolvedores e equipes de inovação.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública muitas vezes se concentra nas inovações e conveniências trazidas pela tecnologia, enquanto a atenção a questões centrais como proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, esses problemas impactarão profundamente o desenvolvimento saudável da indústria de IA e a aceitação social. Se não forem resolvidos adequadamente, a controvérsia sobre se a IA se inclina para o "bem" ou "mal" se tornará cada vez mais proeminente, e os gigantes centralizados, impulsionados pelo instinto de lucro, geralmente carecem de motivação suficiente para enfrentar esses desafios proativamente.
A tecnologia blockchain, com suas características de Descentralização, transparência e resistência à censura, oferece novas possibilidades para o desenvolvimento sustentável da indústria de IA. Atualmente, já surgiram diversas aplicações "Web3 AI" em algumas das blockchains mais populares. No entanto, uma análise mais aprofundada revela que esses projetos ainda enfrentam muitos problemas: por um lado, o nível de Descentralização é limitado, com etapas e infraestruturas críticas ainda dependendo de serviços de nuvem centralizados, dificultando a sustentação de um ecossistema verdadeiramente aberto; por outro lado, em comparação com os produtos de IA do mundo Web2, a IA em blockchain 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 serem aprimoradas.
Para realmente realizar a visão da Descentralização da IA, permitindo que a blockchain suporte aplicações de IA em larga escala de forma segura, eficiente e democrática, e competindo em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer 1 feita sob medida para a IA. Isso fornecerá uma base sólida para a inovação aberta da IA, a governança democrática e a segurança dos dados, promovendo o desenvolvimento próspero 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 blockchain. Especificamente, o AI Layer 1 deve possuir as seguintes capacidades centrais:
Mecanismo de consenso descentralizado e incentivos eficientes
O núcleo do AI Layer 1 reside na construção de uma rede compartilhada de recursos abertos, como poder de computação 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 envolvem fornecer poder de computação e realizar o treinamento e a inferência de modelos de IA, mas também contribuir com recursos diversificados, como armazenamento, dados e largura de banda, quebrando assim o monopólio dos gigantes centralizados na infraestrutura de IA. Isso impõe requisitos mais elevados para o consenso subjacente e os mecanismos de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e validar com precisão a contribuição real dos nós em tarefas de inferência e treinamento de IA, garantindo a segurança da rede e a eficiente alocação de recursos. Só assim se poderá garantir a estabilidade e a prosperidade da rede, além de reduzir efetivamente o custo total do poder de computação.
Excelente desempenho e capacidade de suporte a tarefas heterogéneas
As tarefas de IA, especialmente o treinamento e a inferência de LLM, apresentam exigências muito altas em termos de desempenho computacional e capacidade de processamento paralelo. Além disso, o ecossistema de IA em cadeia muitas vezes precisa suportar tipos de tarefas diversificadas e heterogêneas, incluindo diferentes estruturas de modelos, processamento de dados, inferência, armazenamento e outros cenários diversos. O AI Layer 1 deve ser profundamente otimizado na arquitetura de base para atender às demandas de alta taxa de transferência, baixa latência e paralelismo elástico, e prever a capacidade de suporte nativa a recursos computacionais heterogêneos, garantindo que várias tarefas de IA possam ser executadas de forma eficiente, realizando uma expansão suave de "tarefa única" para "ecossistema complexo e diversificado".
Verificabilidade e garantia de saída confiável
AI Layer 1 não só deve prevenir riscos de segurança, como o mau uso de modelos e a manipulação de dados, mas também garantir a verificabilidade e a conformidade dos resultados gerados pela IA a partir dos mecanismos subjacentes. Ao integrar tecnologias de ponta como ambientes de execução confiáveis (TEE), provas de zero conhecimento (ZK) e computação segura multipartidária (MPC), a plataforma permite que cada inferência, treinamento e processo de tratamento de dados do modelo sejam independentes para verificação, assegurando a justiça e a transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade também ajuda os usuários a entender a lógica e a base das saídas da IA, realizando o "que se obtém é o que se deseja", aumentando a confiança e a 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 nas áreas financeira, médica e social. A IA Layer 1 deve, ao garantir a verificabilidade, adotar técnicas de processamento de dados baseadas em criptografia, protocolos de computação de privacidade e gestão de permissões de dados, entre outros, para assegurar a segurança dos dados em todo o processo de inferência, treinamento e armazenamento, prevenindo eficazmente a divulgação e o uso indevido dos dados, e eliminando as preocupações dos usuários em relação à segurança dos dados.
Capacidade poderosa de suporte e desenvolvimento de ecossistemas
Como uma infraestrutura de 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, prestadores de serviços de IA e outros participantes do ecossistema. Ao otimizar continuamente a usabilidade da plataforma e a experiência do desenvolvedor, promovemos a implementação de aplicações ricas e diversificadas nativas de IA, alcançando a prosperidade contínua do ecossistema de IA descentralizada.
Com base no contexto e expectativas acima, este artigo irá apresentar detalhadamente seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematizando os mais recentes avanços da área, analisando o estado atual dos projetos e discutindo as tendências futuras.
Sentient: Construir modelos de IA descentralizados de código aberto e leais
Visão geral do projeto
Sentient é uma plataforma de protocolo de código aberto que está a construir uma blockchain AI Layer1 (, em fase inicial como Layer 2, e depois irá migrar para Layer 1). Através da combinação de AI Pipeline e tecnologia de blockchain, está a construir uma economia de inteligência artificial descentralizada. O seu objetivo central é resolver questões de propriedade dos modelos, rastreamento de chamadas e distribuição de valor no mercado LLM centralizado através do quadro "OML" (aberto, lucrativo, leal), permitindo que os modelos de IA tenham uma estrutura de propriedade em cadeia, transparência nas chamadas e partilha de valor. A visão da Sentient é permitir que qualquer pessoa possa construir, colaborar, possuir e monetizar produtos de IA, promovendo uma ecologia de rede de Agentes de IA justa e aberta.
A equipe da Sentient Foundation reúne os principais especialistas acadêmicos, empreendedores de blockchain e engenheiros do mundo, dedicando-se a construir uma plataforma AGI descentralizada, de código aberto e verificável. Os membros principais incluem o professor Pramod Viswanath da Universidade de Princeton e o professor Himanshu Tyagi do Instituto Indiano de Ciência, responsáveis pela segurança e proteção da privacidade da IA, enquanto o cofundador de um conhecido projeto multichain, Sandeep Nailwal, lidera a estratégia de blockchain e o planejamento ecológico. O histórico dos membros da equipe abrange algumas empresas renomadas, bem como universidades de prestígio como a Universidade de Princeton e o Instituto Indiano de Tecnologia, cobrindo áreas como IA/ML, NLP e visão computacional, colaborando para a implementação do projeto.
Como o segundo projeto de Sandeep Nailwal, a Sentient nasceu com um áurea, possuindo recursos abundantes, conexões e reconhecimento de mercado, proporcionando 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 por Founders Fund, Pantera e Framework Ventures, com outros investidores, incluindo Delphi, Hashkey e várias outras conhecidas VCs.
Design de arquitetura e camada de aplicação
Infraestrutura
Arquitetura Central
A arquitetura central do Sentient consiste em duas partes: o Pipeline de IA (AI Pipeline) e o 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): processo de seleção de dados impulsionado pela comunidade, utilizado para o alinhamento de modelos.
Treino de Lealdade (Loyalty Training): garantir que o modelo mantenha um processo de treino consistente com as intenções da comunidade.
O sistema de blockchain proporciona transparência e Descentralização no controle do protocolo, garantindo a propriedade dos artefatos de IA, o rastreamento de uso, a distribuição de receitas e a governança justa. A arquitetura específica é dividida em quatro camadas:
Camada de armazenamento: armazena os pesos do modelo e informações de registro de impressões digitais;
Camada de distribuição: entrada de chamada de modelo controlada por contrato de autorização;
Camada de Acesso: valida se o usuário está autorizado através da prova de permissão;
Camada de incentivo: o contrato de roteamento de receitas alocará o pagamento a cada chamada para o treinador, o implementador e o validador.
OML Modelo de Estrutura
A estrutura OML (Aberto Open, Monetizável Monetizable, Leal Loyal) é o conceito central proposto pela Sentient, visando proporcionar proteção clara de propriedade e mecanismos de incentivo econômico para modelos de IA de código aberto. Ao combinar tecnologia em 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 de modelo desencadeará um fluxo de receita, e o contrato na cadeia distribuirá 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 a modificação são controlados por mecanismos criptográficos.
Criptografia nativa de IA (AI-native Cryptography)
A criptografia nativa de IA utiliza a continuidade, a estrutura de variedade de baixa dimensão e as características diferenciáveis dos modelos de IA 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-resposta ocultos para formar a assinatura única do modelo;
Protocolo de verificação de propriedade: verificar se a impressão digital foi mantida através de um detector de terceiros (Prover) na forma de uma pergunta query;
Mecanismo de chamada de licença: é necessário obter o "certificado de autorização" emitido pelo proprietário do modelo antes da chamada, 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 + validação de pertencimento" sem custos de re-encriptação.
Modelo de confirmação de direitos e estrutura de execução segura
Sentient atualmente adota a segurança Melange: uma combinação de autenticação por impressão digital, execução TEE e contratos on-chain para distribuição de lucros. O método de impressão digital é implementado com OML 1.0, enfatizando a ideia de "Segurança Otimista (Optimistic Security)", ou seja, a conformidade é presumida, e as violações podem ser detectadas e punidas posteriormente.
O mecanismo de impressão digital é a implementação chave do OML, que através da incorporação de pares específicos de "pergunta-resposta", permite que o modelo gere assinaturas únicas durante a fase de treinamento. Através dessas assinaturas, o proprietário do modelo pode verificar a propriedade, prevenindo cópias e comercializações não autorizadas. Este mecanismo não apenas protege os direitos dos desenvolvedores do modelo, mas também fornece um registro rastreável em cadeia sobre o comportamento de uso do modelo.
Além disso, a Sentient lançou a estrutura de computação Enclave TEE, que utiliza ambientes de execução confiáveis (como AWS Nitro Enclaves) para garantir que os modelos respondam apenas a solicitações autorizadas, prevenindo acesso e uso não autorizados. Embora o TEE dependa de hardware e apresente certos riscos de segurança, suas vantagens de alto desempenho e tempo real fazem dele uma tecnologia central para a implantação de modelos atuais.
No futuro, a Sentient planeia introduzir provas de conhecimento zero (
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.
12 gostos
Recompensa
12
4
Republicar
Partilhar
Comentar
0/400
WalletDoomsDay
· 15h atrás
A tecnologia libertou a humanidade, mas também a aprisionou.
Ver originalResponder0
DeFiChef
· 15h atrás
A IA monopolista realmente deve ser fortemente descentralizada
Nova tendência nativa de AI em Blockchain: Explorar a infraestrutura de inteligência artificial descentralizada
Relatório de Pesquisa AI Layer 1: Explorando a Descentralização da Infraestrutura de AI
Visão Geral
Nos últimos anos, empresas de tecnologia de ponta como OpenAI, Anthropic, Google e Meta têm impulsionado rapidamente o desenvolvimento de modelos de linguagem de grande escala (LLM). Os LLM demonstraram capacidades sem precedentes em diversos setores, expandindo enormemente o espaço de imaginação humana e até mostrando, em algumas situações, o potencial de substituir o trabalho humano. No entanto, o núcleo dessas tecnologias está nas mãos de poucos gigantes da tecnologia centralizados. Com um forte capital e controle sobre recursos de computação caros, essas empresas estabeleceram barreiras quase intransponíveis, dificultando a competição da grande maioria dos desenvolvedores e equipes de inovação.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública muitas vezes se concentra nas inovações e conveniências trazidas pela tecnologia, enquanto a atenção a questões centrais como proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, esses problemas impactarão profundamente o desenvolvimento saudável da indústria de IA e a aceitação social. Se não forem resolvidos adequadamente, a controvérsia sobre se a IA se inclina para o "bem" ou "mal" se tornará cada vez mais proeminente, e os gigantes centralizados, impulsionados pelo instinto de lucro, geralmente carecem de motivação suficiente para enfrentar esses desafios proativamente.
A tecnologia blockchain, com suas características de Descentralização, transparência e resistência à censura, oferece novas possibilidades para o desenvolvimento sustentável da indústria de IA. Atualmente, já surgiram diversas aplicações "Web3 AI" em algumas das blockchains mais populares. No entanto, uma análise mais aprofundada revela que esses projetos ainda enfrentam muitos problemas: por um lado, o nível de Descentralização é limitado, com etapas e infraestruturas críticas ainda dependendo de serviços de nuvem centralizados, dificultando a sustentação de um ecossistema verdadeiramente aberto; por outro lado, em comparação com os produtos de IA do mundo Web2, a IA em blockchain 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 serem aprimoradas.
Para realmente realizar a visão da Descentralização da IA, permitindo que a blockchain suporte aplicações de IA em larga escala de forma segura, eficiente e democrática, e competindo em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer 1 feita sob medida para a IA. Isso fornecerá uma base sólida para a inovação aberta da IA, a governança democrática e a segurança dos dados, promovendo o desenvolvimento próspero 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 blockchain. Especificamente, o AI Layer 1 deve possuir as seguintes capacidades centrais:
Mecanismo de consenso descentralizado e incentivos eficientes O núcleo do AI Layer 1 reside na construção de uma rede compartilhada de recursos abertos, como poder de computação 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 envolvem fornecer poder de computação e realizar o treinamento e a inferência de modelos de IA, mas também contribuir com recursos diversificados, como armazenamento, dados e largura de banda, quebrando assim o monopólio dos gigantes centralizados na infraestrutura de IA. Isso impõe requisitos mais elevados para o consenso subjacente e os mecanismos de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e validar com precisão a contribuição real dos nós em tarefas de inferência e treinamento de IA, garantindo a segurança da rede e a eficiente alocação de recursos. Só assim se poderá garantir a estabilidade e a prosperidade da rede, além de reduzir efetivamente o custo total do poder de computação.
Excelente desempenho e capacidade de suporte a tarefas heterogéneas As tarefas de IA, especialmente o treinamento e a inferência de LLM, apresentam exigências muito altas em termos de desempenho computacional e capacidade de processamento paralelo. Além disso, o ecossistema de IA em cadeia muitas vezes precisa suportar tipos de tarefas diversificadas e heterogêneas, incluindo diferentes estruturas de modelos, processamento de dados, inferência, armazenamento e outros cenários diversos. O AI Layer 1 deve ser profundamente otimizado na arquitetura de base para atender às demandas de alta taxa de transferência, baixa latência e paralelismo elástico, e prever a capacidade de suporte nativa a recursos computacionais heterogêneos, garantindo que várias tarefas de IA possam ser executadas de forma eficiente, realizando uma expansão suave de "tarefa única" para "ecossistema complexo e diversificado".
Verificabilidade e garantia de saída confiável AI Layer 1 não só deve prevenir riscos de segurança, como o mau uso de modelos e a manipulação de dados, mas também garantir a verificabilidade e a conformidade dos resultados gerados pela IA a partir dos mecanismos subjacentes. Ao integrar tecnologias de ponta como ambientes de execução confiáveis (TEE), provas de zero conhecimento (ZK) e computação segura multipartidária (MPC), a plataforma permite que cada inferência, treinamento e processo de tratamento de dados do modelo sejam independentes para verificação, assegurando a justiça e a transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade também ajuda os usuários a entender a lógica e a base das saídas da IA, realizando o "que se obtém é o que se deseja", aumentando a confiança e a 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 nas áreas financeira, médica e social. A IA Layer 1 deve, ao garantir a verificabilidade, adotar técnicas de processamento de dados baseadas em criptografia, protocolos de computação de privacidade e gestão de permissões de dados, entre outros, para assegurar a segurança dos dados em todo o processo de inferência, treinamento e armazenamento, prevenindo eficazmente a divulgação e o uso indevido dos dados, e eliminando as preocupações dos usuários em relação à segurança dos dados.
Capacidade poderosa de suporte e desenvolvimento de ecossistemas Como uma infraestrutura de 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, prestadores de serviços de IA e outros participantes do ecossistema. Ao otimizar continuamente a usabilidade da plataforma e a experiência do desenvolvedor, promovemos a implementação de aplicações ricas e diversificadas nativas de IA, alcançando a prosperidade contínua do ecossistema de IA descentralizada.
Com base no contexto e expectativas acima, este artigo irá apresentar detalhadamente seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematizando os mais recentes avanços da área, analisando o estado atual dos projetos e discutindo as tendências futuras.
Sentient: Construir modelos de IA descentralizados de código aberto e leais
Visão geral do projeto
Sentient é uma plataforma de protocolo de código aberto que está a construir uma blockchain AI Layer1 (, em fase inicial como Layer 2, e depois irá migrar para Layer 1). Através da combinação de AI Pipeline e tecnologia de blockchain, está a construir uma economia de inteligência artificial descentralizada. O seu objetivo central é resolver questões de propriedade dos modelos, rastreamento de chamadas e distribuição de valor no mercado LLM centralizado através do quadro "OML" (aberto, lucrativo, leal), permitindo que os modelos de IA tenham uma estrutura de propriedade em cadeia, transparência nas chamadas e partilha de valor. A visão da Sentient é permitir que qualquer pessoa possa construir, colaborar, possuir e monetizar produtos de IA, promovendo uma ecologia de rede de Agentes de IA justa e aberta.
A equipe da Sentient Foundation reúne os principais especialistas acadêmicos, empreendedores de blockchain e engenheiros do mundo, dedicando-se a construir uma plataforma AGI descentralizada, de código aberto e verificável. Os membros principais incluem o professor Pramod Viswanath da Universidade de Princeton e o professor Himanshu Tyagi do Instituto Indiano de Ciência, responsáveis pela segurança e proteção da privacidade da IA, enquanto o cofundador de um conhecido projeto multichain, Sandeep Nailwal, lidera a estratégia de blockchain e o planejamento ecológico. O histórico dos membros da equipe abrange algumas empresas renomadas, bem como universidades de prestígio como a Universidade de Princeton e o Instituto Indiano de Tecnologia, cobrindo áreas como IA/ML, NLP e visão computacional, colaborando para a implementação do projeto.
Como o segundo projeto de Sandeep Nailwal, a Sentient nasceu com um áurea, possuindo recursos abundantes, conexões e reconhecimento de mercado, proporcionando 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 por Founders Fund, Pantera e Framework Ventures, com outros investidores, incluindo Delphi, Hashkey e várias outras conhecidas VCs.
Design de arquitetura e camada de aplicação
Infraestrutura
Arquitetura Central
A arquitetura central do Sentient consiste em duas partes: o Pipeline de IA (AI Pipeline) e o 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 proporciona transparência e Descentralização no controle do protocolo, garantindo a propriedade dos artefatos de IA, o rastreamento de uso, a distribuição de receitas e a 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, visando proporcionar proteção clara de propriedade e mecanismos de incentivo econômico para modelos de IA de código aberto. Ao combinar tecnologia em 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, a estrutura de variedade de baixa dimensão e as características diferenciáveis dos modelos de IA 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 + validação de pertencimento" sem custos de re-encriptação.
Modelo de confirmação de direitos e estrutura de execução segura
Sentient atualmente adota a segurança Melange: uma combinação de autenticação por impressão digital, execução TEE e contratos on-chain para distribuição de lucros. O método de impressão digital é implementado com OML 1.0, enfatizando a ideia de "Segurança Otimista (Optimistic Security)", ou seja, a conformidade é presumida, e as violações podem ser detectadas e punidas posteriormente.
O mecanismo de impressão digital é a implementação chave do OML, que através da incorporação de pares específicos de "pergunta-resposta", permite que o modelo gere assinaturas únicas durante a fase de treinamento. Através dessas assinaturas, o proprietário do modelo pode verificar a propriedade, prevenindo cópias e comercializações não autorizadas. Este mecanismo não apenas protege os direitos dos desenvolvedores do modelo, mas também fornece um registro rastreável em cadeia sobre o comportamento de uso do modelo.
Além disso, a Sentient lançou a estrutura de computação Enclave TEE, que utiliza ambientes de execução confiáveis (como AWS Nitro Enclaves) para garantir que os modelos respondam apenas a solicitações autorizadas, prevenindo acesso e uso não autorizados. Embora o TEE dependa de hardware e apresente certos riscos de segurança, suas vantagens de alto desempenho e tempo real fazem dele uma tecnologia central para a implantação de modelos atuais.
No futuro, a Sentient planeia introduzir provas de conhecimento zero (