Motor de IA
QoreChain integra capacidades de IA en múltiples niveles de la pila del protocolo a través del módulo x/ai. La capa on-chain proporciona análisis determinista basado en heurísticas, adecuado para operaciones críticas para el consenso, mientras que un sidecar off-chain amplía las capacidades con modelos de aprendizaje profundo para asesoramiento y herramientas para desarrolladores.
Arquitectura de tres capas
El motor QCAI (QoreChain AI) opera a través de tres capas:
| Capa | Alcance | Ejecución | Determinista |
|---|---|---|---|
| Nivel de consenso | Producción de bloques, ajuste de parámetros | On-chain (x/rlconsensus) | Sí |
| Nivel de red | Enrutamiento de transacciones, detección de fraudes, optimización de comisiones | On-chain (x/ai) | Sí |
| Nivel de aplicación | Generación de contratos, auditoría, análisis profundo | Off-chain (sidecar) | No |
El nivel de consenso se documenta por separado en el Motor de consenso PRISM. Esta página cubre los niveles de red y de aplicación.
Enrutador de transacciones
El enrutador mejorado con IA selecciona los validadores y las rutas óptimas para cada transacción mediante una puntuación ponderada multifactorial.
Fórmula de optimización
OptimalRoute = argmin_r( alpha * Latency(r) + beta * Cost(r) + gamma * Security(r)^-1 )
| Peso | Símbolo | Predeterminado | Descripción |
|---|---|---|---|
| Latencia | alpha | 0.4 | Tiempo de respuesta normalizado (0=mejor, 1=peor). 0ms corresponde a 0.0, 1000ms corresponde a 1.0. |
| Coste | beta | 0.3 | Porcentaje de carga actual como aproximación del coste. |
| Seguridad | gamma | 0.3 | Inverso de la puntuación de reputación. Una mayor reputación produce una puntuación más baja (mejor). |
El enrutador mantiene una caché de métricas (TTL predeterminado: 30 segundos) con datos de rendimiento por validador, que incluyen la latencia media, el porcentaje de tiempo de actividad, el porcentaje de carga y la puntuación de reputación. Cuando las métricas en caché no están disponibles, el sistema recurre al enrutador heurístico.
Confianza del enrutamiento
La confianza escala con el número de validadores con métricas disponibles:
| Validadores con métricas | Confianza |
|---|---|
| >= 10 | 0.95 |
| >= 5 | 0.85 |
| >= 2 | 0.75 |
| 1 | 0.60 |
Detección de fraudes
El detector de fraudes implementa una canalización de detección de seis capas que analiza cada transacción frente al historial reciente mediante métodos estadísticos.
Capas de detección
| Capa | Detector | Método | Umbral de activación |
|---|---|---|---|
| 1 | Isolation Forest | Puntuación Z estadística sobre las características de monto, gas y frecuencia del emisor | Puntuación de anomalía > 0.7 |
| 2 | Analizador de secuencias | Detecta patrones alternos de envío/recepción (wash trading) | > 3 transferencias alternas entre el mismo par |
| 3 | Detector Sybil | Rastrea nuevas direcciones únicas; señala picos de nuevos emisores | > 30% de las transacciones recientes provenientes de nuevas direcciones |
| 4 | Detector DDoS | Monitorea la frecuencia de transacciones por emisor | > 100 transacciones por minuto desde un único emisor |
| 5 | Detector de flash loan | Identifica patrones de pedir prestado-manipular-devolver dentro de un mismo bloque | >= 3 transacciones en el mismo bloque con una variación de monto > 10x |
| 6 | Detector de exploits | Señala el consumo anormal de gas en las llamadas a contratos | > 5x del gas medio para el mismo tipo de transacción |
Clasificación de amenazas
| Rango de confianza | Nivel de amenaza |
|---|---|
| >= 0.9 | Crítico |
| >= 0.7 | Alto |
| >= 0.5 | Medio |
| >= 0.3 | Bajo |
| < 0.3 | Ninguno |
Acciones de respuesta
| Nivel de amenaza | Confianza | Acción |
|---|---|---|
| Crítico | > 0.8 | circuit_break — Pausa la ejecución de contratos específicos |
| Crítico | <= 0.8 | rate_limit — Reduce temporalmente la aceptación de TX desde el origen |
| Alto | > 0.7 | rate_limit |
| Alto | <= 0.7 | alert — Emite un evento para validadores y operadores |
| Medio | Cualquiera | alert |
| Bajo / Ninguno | Cualquiera | allow |
Cuando se activa una acción distinta de allow, se crea un registro de investigación de fraude con un ID único (formato: INV-{timestamp}-{txhash_prefix}).
Optimizador de comisiones
El optimizador de comisiones predice la congestión de la red y sugiere comisiones óptimas para los tiempos de confirmación deseados mediante el seguimiento de la congestión con media móvil exponencial (EMA).
Predicción de congestión
- Factor de suavizado EMA (alpha): 0.2
- Ventana de historial: 100 bloques
- Análisis de tendencias: Compara los 5 bloques más recientes con los 5 bloques anteriores para detectar tendencias de congestión y luego proyecta hacia adelante con una atenuación del 50%.
Niveles de urgencia
| Urgencia | Multiplicador base | Confirmación estimada |
|---|---|---|
fast | 2.0x | 1-2 bloques |
normal | 1.0x | 3-5 bloques |
slow | 0.5x | 6-10 bloques |
La comisión final incorpora un multiplicador de congestión (1.0x con 0% de congestión, hasta 5.0x con 100% de congestión) y una prima de tendencia cuando la congestión prevista supera la congestión actual. La comisión mínima es de 500 uqor (0.0005 QOR).
Optimizador de red
El optimizador de red monitorea continuamente las métricas de rendimiento y genera recomendaciones de parámetros de gobernanza mediante una función de recompensa multiobjetivo.
Función de recompensa
R(s, a, s') = alpha * DeltaPerformance + beta * DeltaLatency + gamma * DeltaEnergy - delta * StabilityPenalty
| Peso | Valor | Objetivo |
|---|---|---|
| alpha | 0.35 | Mejora del rendimiento |
| beta | 0.30 | Reducción de la latencia |
| gamma | 0.15 | Ahorro de energía/recursos |
| delta | 0.20 | Preservación de la estabilidad |
Tipos de recomendaciones
El optimizador genera recomendaciones para:
- Límite de gas por bloque: Aumenta cuando la utilización es > 80%, disminuye cuando es < 20%
- Tasa de comisión mínima: Reduce cuando el número de validadores es inferior a 5
- Número máximo de validadores: Aumenta cuando los tiempos de bloque son saludables y hay >= 10 validadores activos
- Objetivo de tiempo de bloque: Alerta cuando el tiempo medio de bloque supera los 8 segundos
Cada recomendación incluye el valor actual, el valor sugerido, el impacto esperado, la puntuación de confianza y el razonamiento.
Sidecar de IA
El sidecar de QCAI amplía la IA on-chain con modelos de aprendizaje profundo off-chain respaldados por el backend de QCAI. El sidecar es opcional y no crítico para el consenso, y se accede a él a través de una interfaz gRPC interna.
Capacidades
| Capacidad | Descripción |
|---|---|
| Generación de contratos | Genera contratos inteligentes a partir de especificaciones en lenguaje natural en 17 plataformas |
| Auditoría de contratos | Análisis de seguridad profundo del código de contratos inteligentes |
| Análisis profundo de fraudes | Investigación de fraudes ampliada mediante modelos entrenados (complementa las heurísticas on-chain) |
| Asesoramiento de red | Recomendaciones avanzadas de optimización de parámetros |
Modelos
| Nombre del modelo | Caso de uso |
|---|---|
| QCAI Fast | Respuestas de baja latencia para la estimación de comisiones y el enrutamiento |
| QCAI Balanced | Análisis más profundo para auditoría e investigación de fraudes |
El sidecar se ejecuta como un servicio off-chain independiente para que las cargas de trabajo de aprendizaje profundo nunca bloqueen ni influyan en la ejecución crítica para el consenso.
Precompilados de EVM
Dos contratos precompilados exponen las capacidades de IA on-chain a los contratos inteligentes de EVM:
| Precompilado | Dirección | Descripción |
|---|---|---|
aiRiskScore | 0x0B01 | Devuelve una puntuación de riesgo (0-100) para una dirección o hash de transacción dados |
aiAnomalyCheck | 0x0B02 | Devuelve un indicador booleano de anomalía y una puntuación de confianza para una transacción |
Importante: Los precompilados de EVM utilizan únicamente el motor heurístico determinista. Nunca llaman al sidecar, lo que garantiza que toda la ejecución de EVM siga siendo totalmente determinista y reproducible.
Atestación TEE
El módulo de IA define interfaces para la atestación de entornos de ejecución de confianza (Trusted Execution Environment), lo que permitirá en el futuro una ejecución verificable de modelos de IA dentro de enclaves de hardware seguros.
Plataformas compatibles
| Plataforma | Identificador | Descripción |
|---|---|---|
| Intel SGX | sgx | Software Guard Extensions |
| Intel TDX | tdx | Trust Domain Extensions |
| AMD SEV-SNP | sev-snp | Secure Encrypted Virtualization - Secure Nested Paging |
| ARM CCA | arm-cca | Confidential Compute Architecture |
Flujo de atestación
- Cargar los pesos del modelo — El sidecar carga los pesos del modelo de IA en un enclave TEE.
- Ejecutar la inferencia dentro del enclave — La inferencia se ejecuta dentro de la memoria protegida del enclave.
- Producir el informe de atestación — El enclave produce un informe de atestación que vincula el hash del modelo, el hash de entrada y el hash de salida.
- Verificar la atestación on-chain — Los validadores verifican la atestación on-chain antes de aceptar los resultados de la inferencia.
La atestación TEE se encuentra actualmente en la fase de especificación de interfaces. Su implementación está prevista para una versión futura.
Aprendizaje federado
El módulo de IA define interfaces para la coordinación de aprendizaje federado on-chain, donde los nodos validadores entrenan modelos locales y envían actualizaciones de gradientes que se agregan en un modelo global sin compartir los datos de entrenamiento sin procesar.
Métodos de agregación
| Método | Descripción |
|---|---|
fedavg | Federated Averaging — promedio ponderado de gradientes por número de muestras |
fedprox | Federated Proximal — añade un término proximal para manejar datos heterogéneos |
scaffold | SCAFFOLD — utiliza variables de control para corregir la deriva de los clientes |
Ciclo de vida de una ronda
Pending --> Training --> Aggregating --> Complete
\-> Failed (timeout or insufficient participants)
Cada ronda se configura con un número mínimo/máximo de participantes, tiempo de espera, tasa de aprendizaje, norma de recorte de gradiente y un multiplicador opcional de ruido para privacidad diferencial. Todos los envíos de gradientes se firman con firmas PQC (Dilithium-5).
El aprendizaje federado se encuentra actualmente en la fase de especificación de interfaces. Su implementación está prevista para una versión futura.
Endpoints REST
| Endpoint | Descripción |
|---|---|
/ai/v1/fee-estimate | Devuelve estimaciones de comisiones para los niveles de urgencia rápida, normal y lenta |
/ai/v1/fraud/investigations | Lista las investigaciones de fraude activas y resueltas |
/ai/v1/network/recommendations | Devuelve las recomendaciones actuales de optimización de parámetros de red |
/ai/v1/circuit-breakers | Lista los estados activos de los interruptores de circuito para los contratos |
Relacionado
- Motor de consenso PRISM — la capa de IA que impulsa la optimización del consenso.
- Creador de contratos inteligentes — generación de contratos asistida por IA en el Dashboard.
- Auditor de contratos — revisión de seguridad de contratos asistida por IA.