Перейти к основному содержимому

Протокол Proof of Sampling: Стимулирование честности и наказание за нечестность в децентрализованной инференции ИИ

· 5 мин. чтения
Lark Birdy

В децентрализованной инференции ИИ обеспечение целостности и надежности поставщиков GPU является критически важным. Протокол Proof of Sampling (PoSP), описанный в недавних исследованиях Holistic AI, предоставляет сложный механизм для стимулирования добросовестных участников и наказания недобросовестных. Давайте посмотрим, как работает этот протокол, его экономические стимулы, штрафы и применение в децентрализованной инференции ИИ.

Стимулы для честного поведения​

Экономические награды​

В основе протокола PoSP лежат экономические стимулы, направленные на поощрение честного участия. Узлы, выступающие в роли утверждающих и валидаторов, получают вознаграждение в зависимости от их вклада:

  • Утверждающие: Получают награду (RA), если их рассчитанный результат верен и не оспаривается.
  • Валидаторы: Делят награду (RV/n), если их результаты совпадают с результатами утверждающего и признаны корректными.

Уникальное равновесие Нэша​

Протокол PoSP спроектирован таким образом, чтобы достичь уникального равновесия Нэша в чистых стратегиях, когда все узлы мотивированы действовать честно. Соответствие индивидуальной прибыли с безопасностью системы гарантирует, что честность является наиболее прибыльной стратегией для участников.

Наказания за нечестное поведение​

Механизм штрафов​

Чтобы предотвратить нечестное поведение, протокол PoSP использует механизм штрафов. Если утверждающий или валидатор уличены в нечестности, они сталкиваются с серьезными экономическими штрафами (S). Это гарантирует, что стоимость нечестности значительно превышает возможные краткосрочные выгоды.

Механизм вызовов​

Случайные вызовы дополнительно защищают систему. С заранее определенной вероятностью (p) протокол инициирует вызов, при котором несколько валидаторов повторно вычисляют результат утверждающего. Если обнаружены расхождения, недобросовестные участники наказываются. Этот случайный процесс делает сложно для недобросовестных участников вступить в сговор и обмануть систему, оставаясь незамеченными.

Шаги протокола PoSP​

  1. Выбор утверждающего: Узел выбирается случайным образом для выполнения роли утверждающего, вычисления и вывода значения.

  2. Вероятность вызова:

    Система может инициировать вызов на основе заранее определенной вероятности.

  • Без вызова: Утверждающий получает награду, если вызов не инициируется.
  • Вызов инициирован: Определенное количество (n) валидаторов случайным образом выбирается для проверки результата утверждающего.

  1. Валидация:

    Каждый валидатор независимо вычисляет результат и сравнивает его с результатом утверждающего.

  • Совпадение: Если все результаты совпадают, и утверждающий, и валидаторы получают награду.
  • Несоответствие: Процесс арбитража определяет честность утверждающего и валидаторов.
  1. Наказания: Нечестные узлы наказываются, а честные валидаторы получают свою долю награды.

spML​

Протокол spML (sampling-based Machine Learning) является реализацией протокола Proof of Sampling (PoSP) в рамках децентрализованной сети инференции ИИ.

Основные шаги​

  1. Ввод пользователя: Пользователь отправляет свои данные на случайно выбранный сервер (утверждающий) вместе с цифровой подписью.
  2. Вывод сервера: Сервер вычисляет результат и отправляет его пользователю вместе с хешем результата.
  3. Механизм вызова:
  • С заранее определенной вероятностью (p) система инициирует вызов, при котором случайным образом выбирается другой сервер (валидатор) для проверки результата.
  • Если вызов не инициирован, утверждающий получает награду (R), и процесс завершается.
  1. Проверка:
  • Если вызов инициирован, пользователь отправляет те же данные валидатору.
  • Валидатор вычисляет результат и отправляет его пользователю вместе с хешем.
  1. Сравнение:
  • Пользователь сравнивает хеши результатов утверждающего и валидатора.
  • Если хеши совпадают, утверждающий и валидатор получают награду, а пользователь получает скидку на основную плату.
  • Если хеши не совпадают, пользователь транслирует оба хеша в сеть.
  1. Арбитраж:
  • Сеть голосует, чтобы определить честность утверждающего и валидатора на основе выявленных несоответствий.
  • Честные узлы получают вознаграждение, а нечестные подвергаются наказанию (сокращению доли).

Основные компоненты и механизмы​

  • Детерминированное выполнение ML: Использует фиксированную арифметику и программные библиотеки для работы с плавающей точкой, чтобы обеспечить согласованные и воспроизводимые результаты.
  • Бездействующий дизайн: Обрабатывает каждый запрос независимо, сохраняя статическую природу процесса ML.
  • Участие без разрешений: Позволяет любому присоединиться к сети и внести свой вклад, запустив сервер ИИ.
  • Операции вне цепи: Инференции ИИ вычисляются вне цепи для снижения нагрузки на блокчейн, результаты и цифровые подписи передаются непосредственно пользователям.
  • Операции на цепи: Критические функции, такие как расчеты баланса и механизмы вызова, выполняются на блокчейне для обеспечения прозрачности и безопасности.

Преимущества spML​

  • Высокая безопасность: Достигается безопасность через экономические стимулы, гарантируя, что узлы действуют честно из-за возможных наказаний за нечестность.
  • Низкая вычислительная нагрузка: Валидаторам в большинстве случаев нужно только сравнивать хеши, что снижает вычислительную нагрузку при проверке.
  • Масштабируемость: Система способна обрабатывать высокую сетевую активность без значительного снижения производительности.
  • Простота: Сохраняет простоту реализации, облегчая интеграцию и обслуживание.

Сравнение с другими протоколами​

  • Optimistic Fraud Proof (opML):
    • Основывается на экономических дезинцентивах для недобросовестного поведения и механизме разрешения споров.
    • Уязвим для мошеннической активности, если недостаточно валидаторов действуют честно.
  • Zero Knowledge Proof (zkML):
    • Обеспечивает высокую безопасность через криптографические доказательства.
    • Сталкивается с проблемами масштабируемости и эффективности из-за высокой вычислительной нагрузки.
  • spML:
    • Сочетает высокую безопасность через экономические стимулы, низкую вычислительную нагрузку и высокую масштабируемость.
    • Упрощает процесс проверки, фокусируясь на сравнении хешей, что снижает необходимость в сложных вычислениях при вызовах.

Заключение​

Протокол Proof of Sampling (PoSP) эффективно балансирует необходимость стимулировать добросовестных участников и устранять недобросовестных, обеспечивая общую безопасность и надежность децентрализованных систем. Совмещая экономические награды с жесткими наказаниями, PoSP создает среду, в которой честное поведение не только поощряется, но и становится необходимым для успеха. По мере роста децентрализованных систем ИИ такие протоколы, как PoSP, станут необходимыми для поддержания целостности и надежности этих передовых систем.