सैंपलिंग प्रोटोकॉल का प्रमाण: विकेंद्रीकृत एआई अनुमान में ईमानदारी को प्रोत्साहित करना और बेईमानी को दंडित करना

विकेंद्रीकृत एआई में, जीपीयू प्रदाताओं की अखंडता और विश्वसनीयता सुनिश्चित करना महत्वपूर्ण है। सैंपलिंग (PoSP) प्रोटोकॉल का प्रमाण, होलिस्टिक एआई के हालिया शोध में उल्लिखित, अच्छे अभिनेताओं को प्रोत्साहित करने के लिए एक परिष्कृत तंत्र प्रदान करता है जबकि बुरे लोगों को दंडित करता है। आइए देखें कि यह प्रोटोकॉल कैसे काम करता है, इसके आर्थिक प्रोत्साहन, दंड और विकेंद्रीकृत एआई अनुमान में इसका अनुप्रयोग।

ईमानदार व्यवहार के लिए प्रोत्साहन

आर्थिक पुरस्कार

PoSP प्रोटोकॉल के केंद्र में आर्थिक प्रोत्साहन हैं जो ईमानदार भागीदारी को प्रोत्साहित करने के लिए डिज़ाइन किए गए हैं। नोड्स, एसेर्टर्स और वैलिडेटर्स के रूप में कार्य करते हुए, उनके योगदान के आधार पर पुरस्कृत किए जाते हैं:

• एसेर्टर्स: यदि उनका गणना किया गया आउटपुट सही और अप्रतिस्पर्धित है तो उन्हें एक पुरस्कार (RA) प्राप्त होता है।
• वैलिडेटर्स: यदि उनके परिणाम एसेर्टर के साथ मेल खाते हैं और सही के रूप में सत्यापित होते हैं तो वे पुरस्कार (RV/n) साझा करते हैं।

अद्वितीय नैश संतुलन

PoSP प्रोटोकॉल को शुद्ध रणनीतियों में एक अद्वितीय नैश संतुलन तक पहुंचने के लिए डिज़ाइन किया गया है, जहां सभी नोड्स को ईमानदारी से कार्य करने के लिए प्रेरित किया जाता है। व्यक्तिगत लाभ को प्रणाली की सुरक्षा के साथ संरेखित करके, प्रोटोकॉल यह सुनिश्चित करता है कि ईमानदारी प्रतिभागियों के लिए सबसे अधिक लाभदायक रणनीति है।

बेईमानी के लिए दंड

स्लैशिंग तंत्र

बेईमानी को हतोत्साहित करने के लिए, PoSP प्रोटोकॉल एक स्लैशिंग तंत्र का उपयोग करता है। यदि कोई एसेर्टर या वैलिडेटर बेईमानी करते हुए पकड़ा जाता है, तो उन्हें महत्वपूर्ण आर्थिक दंड (S) का सामना करना पड़ता है। यह सुनिश्चित करता है कि बेईमानी की लागत किसी भी संभावित अल्पकालिक लाभ से कहीं अधिक है।

चुनौती तंत्र

यादृच्छिक चुनौतियाँ प्रणाली को और अधिक सुरक्षित बनाती हैं। एक पूर्व निर्धारित संभावना (p) के साथ, प्रोटोकॉल एक चुनौती को ट्रिगर करता है जहां कई वैलिडेटर्स एसेर्टर के आउटपुट की पुन: गणना करते हैं। यदि विसंगतियां पाई जाती हैं, तो बेईमान अभिनेताओं को दंडित किया जाता है। यह यादृच्छिक चयन प्रक्रिया बुरे अभिनेताओं के लिए मिलीभगत करना और बिना पकड़े धोखा देना कठिन बना देती है।

PoSP प्रोटोकॉल के चरण

1. एसेर्टर चयन: एक नोड को यादृच्छिक रूप से एसेर्टर के रूप में कार्य करने के लिए चुना जाता है, जो एक मान की गणना और आउटपुट करता है।

2. चुनौती संभावना:

   प्रणाली पूर्व निर्धारित संभावना के आधार पर चुनौती को ट्रिगर कर सकती है।

   • कोई चुनौती नहीं: यदि कोई चुनौती ट्रिगर नहीं होती है तो एसेर्टर को पुरस्कृत किया जाता है।
   • चुनौती ट्रिगर: एसेर्टर के आउटपुट को सत्यापित करने के लिए यादृच्छिक रूप से वैलिडेटर्स की एक निश्चित संख्या (n) का चयन किया जाता है।

3. सत्यापन:

   प्रत्येक वैलिडेटर स्वतंत्र रूप से परिणाम की गणना करता है और इसे एसेर्टर के आउटपुट से तुलना करता है।

   • मेल: यदि सभी परिणाम मेल खाते हैं, तो एसेर्टर और वैलिडेटर्स दोनों को पुरस्कृत किया जाता है।
   • मिसमैच: एक मध्यस्थता प्रक्रिया एसेर्टर और वैलिडेटर्स की ईमानदारी का निर्धारण करती है।

4. दंड: बेईमान नोड्स को दंडित किया जाता है, जबकि ईमानदार वैलिडेटर्स को उनका पुरस्कार हिस्सा मिलता है।

SpML

SpML (सैंपलिंग-आधारित मशीन लर्निंग) प्रोटोकॉल विकेंद्रीकृत एआई अनुमान नेटवर्क के भीतर सैंपलिंग (PoSP) प्रोटोकॉल का एक कार्यान्वयन है।

प्रमुख चरण

1. उपयोगकर्ता इनपुट: उपयोगकर्ता अपनी डिजिटल हस्ताक्षर के साथ यादृच्छिक रूप से चयनित सर्वर (एसेर्टर) को अपना इनपुट भेजता है।
2. सर्वर आउटपुट: सर्वर आउटपुट की गणना करता है और परिणाम के हैश के साथ इसे उपयोगकर्ता को वापस भेजता है।
3. चुनौती तंत्र:
   • एक पूर्व निर्धारित संभावना (p) के साथ, प्रणाली एक चुनौती को ट्रिगर करती है जहां परिणाम को सत्यापित करने के लिए एक अन्य सर्वर (वैलिडेटर) को यादृच्छिक रूप से चुना जाता है।
   • यदि कोई चुनौती ट्रिगर नहीं होती है, तो एसेर्टर को एक पुरस्कार (R) प्राप्त होता है और प्रक्रिया समाप्त हो जाती है।
4. सत्यापन:
   • यदि कोई चुनौती ट्रिगर होती है, तो उपयोगकर्ता वैलिडेटर को वही इनपुट भेजता है।
   • वैलिडेटर परिणाम की गणना करता है और इसे हैश के साथ उपयोगकर्ता को वापस भेजता है।
5. तुलना:
   • उपयोगकर्ता एसेर्टर और वैलिडेटर के आउटपुट के हैश की तुलना करता है।
   • यदि हैश मेल खाते हैं, तो एसेर्टर और वैलिडेटर दोनों को पुरस्कृत किया जाता है, और उपयोगकर्ता को बेस शुल्क पर छूट मिलती है।
   • यदि हैश मेल नहीं खाते हैं, तो उपयोगकर्ता नेटवर्क पर दोनों हैश प्रसारित करता है।
6. मध्यस्थता:
   • नेटवर्क विसंगतियों के आधार पर एसेर्टर और वैलिडेटर की ईमानदारी का निर्धारण करने के लिए मतदान करता है।
   • ईमानदार नोड्स को पुरस्कृत किया जाता है, जबकि बेईमान नोड्स को दंडित किया जाता है (स्लैश किया जाता है)।

प्रमुख घटक और तंत्र

• नियतात्मक एमएल निष्पादन: सुसंगत, पुनरुत्पादक परिणाम सुनिश्चित करने के लिए निश्चित-बिंदु अंकगणित और सॉफ़्टवेयर-आधारित फ्लोटिंग-पॉइंट लाइब्रेरी का उपयोग करता है।
• स्टेटलेस डिज़ाइन: प्रत्येक क्वेरी को स्वतंत्र मानता है, एमएल प्रक्रिया के दौरान स्टेटलेसनेस बनाए रखता है।
• अनुमतिहीन भागीदारी: किसी को भी नेटवर्क में शामिल होने और एआई सर्वर चलाकर योगदान करने की अनुमति देता है।
• ऑफ-चेन ऑपरेशंस: एआई अनुमान ऑफ-चेन पर गणना किए जाते हैं ताकि ब्लॉकचेन पर लोड कम हो सके, परिणाम और डिजिटल हस्ताक्षर सीधे उपयोगकर्ताओं को रिले किए जाते हैं।
• ऑन-चेन ऑपरेशंस: बैलेंस गणना और चुनौती तंत्र जैसे महत्वपूर्ण कार्यों को पारदर्शिता और सुरक्षा सुनिश्चित करने के लिए ऑन-चेन पर संभाला जाता है।

SpML के लाभ

• उच्च सुरक्षा: आर्थिक प्रोत्साहनों के माध्यम से सुरक्षा प्राप्त करता है, यह सुनिश्चित करता है कि नोड्स बेईमानी के लिए संभावित दंड के कारण ईमानदारी से कार्य करें।
• कम कम्प्यूटेशनल ओवरहेड: वैलिडेटर्स को अधिकांश मामलों में केवल हैश की तुलना करने की आवश्यकता होती है, सत्यापन के दौरान कम्प्यूटेशनल लोड को कम करता है।
• स्केलेबिलिटी: महत्वपूर्ण प्रदर्शन हानि के बिना व्यापक नेटवर्क गतिविधि को संभाल सकता है।
• सरलता: कार्यान्वयन में सरलता बनाए रखता है, एकीकरण और रखरखाव में आसानी को बढ़ाता है।

अन्य प्रोटोकॉल के साथ तुलना

• ऑप्टिमिस्टिक फ्रॉड प्रूफ (opML):
  • धोखाधड़ी वाले व्यवहार के लिए आर्थिक निरुत्साहन और विवाद समाधान तंत्र पर निर्भर करता है।
  • यदि पर्याप्त वैलिडेटर्स ईमानदार नहीं हैं तो धोखाधड़ी वाली गतिविधि के प्रति संवेदनशील।
• जीरो नॉलेज प्रूफ (zkML):
  • क्रिप्टोग्राफिक प्रमाणों के माध्यम से उच्च सुरक्षा सुनिश्चित करता है।
  • उच्च कम्प्यूटेशनल ओवरहेड के कारण स्केलेबिलिटी और दक्षता में चुनौतियों का सामना करता है।
• SpML:
  • आर्थिक प्रोत्साहनों, कम कम्प्यूटेशनल ओवरहेड और उच्च स्केलेबिलिटी के माध्यम से उच्च सुरक्षा को जोड़ता है।
  • चुनौती के दौरान जटिल गणनाओं की आवश्यकता को कम करते हुए हैश तुलना पर ध्यान केंद्रित करके सत्यापन प्रक्रिया को सरल बनाता है।

सारांश

सैंपलिंग (PoSP) प्रोटोकॉल का प्रमाण अच्छे अभिनेताओं को प्रोत्साहित करने और बुरे लोगों को हतोत्साहित करने की आवश्यकता को प्रभावी ढंग से संतुलित करता है, विकेंद्रीकृत प्रणालियों की समग्र सुरक्षा और विश्वसनीयता सुनिश्चित करता है। आर्थिक पुरस्कारों को कठोर दंड के साथ जोड़कर, PoSP एक ऐसा वातावरण तैयार करता है जहां ईमानदार व्यवहार न केवल प्रोत्साहित किया जाता है बल्कि सफलता के लिए आवश्यक है। जैसे-जैसे विकेंद्रीकृत एआई बढ़ता जा रहा है, PoSP जैसे प्रोटोकॉल इन उन्नत प्रणालियों की अखंडता और विश्वसनीयता बनाए रखने में आवश्यक होंगे।

• स्रोत: https://cuckoo.network/blog/2024/06/17/proof-of-sampling-posp-protocol-decentralized-ai
• टेलीग्राम: https://cuckoo.network/tg
• डिस्कॉर्ड: https://cuckoo.network/dc