Passa al contenuto principale

Motore AI

QoreChain integra funzionalità di AI a più livelli dello stack di protocollo tramite il modulo x/ai. Il livello on-chain fornisce un'analisi euristica deterministica adatta a operazioni critiche per il consenso, mentre un sidecar off-chain estende le capacità con modelli di deep learning per consulenza e strumenti per sviluppatori.

Architettura a tre livelli​

Il motore QCAI (QoreChain AI) opera su tre livelli:

LivelloAmbitoEsecuzioneDeterministico
Livello consensoProduzione dei blocchi, regolazione dei parametriOn-chain (x/rlconsensus) — oggi solo osservazioneSì
Livello reteInstradamento delle transazioni, rilevamento frodi, ottimizzazione delle commissioniOn-chain (x/ai)Sì
Livello applicazioneGenerazione di contratti, auditing, analisi approfonditaOff-chain (sidecar)No

Il livello di consenso è documentato separatamente in Motore di Consenso PRISM. Questa pagina copre i livelli di rete e applicazione.

Cosa viene applicato sulle reti attive (verificato il 23 ottobre 2026, mainnet e testnet allora entrambe sulla v3.2.4; la testnet è passata alla v3.2.6 il 27 ottobre 2026, alla v3.2.7 il 6 novembre 2026 e alla v3.2.8 il 12 novembre 2026; la mainnet è passata alla v3.2.6 il 4 novembre 2026 e alla v3.2.7 il 12 novembre 2026)

Due parti di x/ai agiscono oggi sulle transazioni, sia sulla corsia Cosmos sia sulla corsia EVM:

  • Un limite di frequenza per mittente. Il limite attivo è di 600 transazioni al minuto per mittente (max_tx_per_minute; la corsia EVM ha un proprio limite facoltativo, che non è impostato, quindi si applica lo stesso valore). Il "minuto" è contato su una finestra fissa di blocchi, non sul tempo reale, perché l'altezza del blocco è l'unico orologio condiviso da tutti i validatori. Un mittente che ha raggiunto il limite si vede rifiutare le transazioni successive finché quelle più vecchie non escono dalla finestra. Il limite è applicato sulla corsia Cosmos dalla v3.2.0 e su entrambe le corsie dalla v3.2.2.
  • Un punteggio di anomalia per ogni transazione. L'anomaly_action attiva è flag: un punteggio alto emette un evento ai_anomaly_check e conta la transazione come segnalata, ma non la rifiuta. Rifiutare in base al punteggio è un'impostazione di governance che non è abilitata.

Tutto il resto di questa pagina (il router, la pipeline antifrode a sei livelli, l'ottimizzatore delle commissioni, l'ottimizzatore di rete, il sidecar) descrive analisi e consulenza: nulla di tutto ciò modifica quali transazioni la catena accetta, e la pipeline a sei livelli non viene chiamata dal percorso delle transazioni. Leggi le impostazioni attive con qorechaind query ai config e i contatori con qorechaind query ai stats.

Router delle transazioni​

Il router potenziato dall'AI seleziona i validatori e i percorsi ottimali per ogni transazione utilizzando un punteggio multi-fattoriale ponderato.

Formula di ottimizzazione​

OptimalRoute = argmin_r( alpha * Latency(r) + beta * Cost(r) + gamma * Security(r)^-1 )
PesoSimboloPredefinitoDescrizione
Latenzaalpha0.4Tempo di risposta normalizzato (0=migliore, 1=peggiore). 0ms corrisponde a 0.0, 1000ms a 1.0.
Costobeta0.3Percentuale di carico attuale come proxy del costo.
Sicurezzagamma0.3Inverso del punteggio di reputazione. Una reputazione più alta produce un punteggio più basso (migliore).

Il router mantiene una cache delle metriche (TTL predefinito: 30 secondi) con dati di performance per validatore, inclusi latenza media, percentuale di uptime, percentuale di carico e punteggio di reputazione. Quando le metriche memorizzate nella cache non sono disponibili, il sistema ricade sul router euristico.

Confidenza dell'instradamento​

La confidenza scala con il numero di validatori che dispongono di metriche disponibili:

Validatori con metricheConfidenza
>= 100.95
>= 50.85
>= 20.75
10.60

Rilevamento frodi​

Il rilevatore di frodi implementa una pipeline di rilevamento a sei livelli che analizza ogni transazione rispetto alla cronologia recente utilizzando metodi statistici.

Livelli di rilevamento​

LivelloRilevatoreMetodoSoglia di attivazione
1Isolation ForestZ-score statistico su caratteristiche di importo, gas e frequenza del mittentePunteggio di anomalia > 0.7
2Sequence AnalyzerRileva schemi alternati di invio/ricezione (wash trading)> 3 trasferimenti alternati tra la stessa coppia
3Sybil DetectorTraccia nuovi indirizzi univoci; segnala picchi di nuovi mittenti> 30% delle transazioni recenti da nuovi indirizzi
4DDoS DetectorMonitora la frequenza delle transazioni per mittente> 100 transazioni al minuto da un singolo mittente
5Flash Loan DetectorIdentifica schemi prestito-manipolazione-rimborso all'interno di un singolo blocco>= 3 transazioni nello stesso blocco con varianza di importo > 10x
6Exploit DetectorSegnala un consumo di gas anomalo nelle chiamate ai contratti> 5x del gas medio per lo stesso tipo di transazione

Classificazione delle minacce​

Intervallo di confidenzaLivello di minaccia
>= 0.9Critico
>= 0.7Alto
>= 0.5Medio
>= 0.3Basso
< 0.3Nessuno

Azioni di risposta​

Livello di minacciaConfidenzaAzione
Critico> 0.8circuit_break — Sospende l'esecuzione di contratti specifici
Critico<= 0.8rate_limit — Riduce temporaneamente l'accettazione di TX dalla fonte
Alto> 0.7rate_limit
Alto<= 0.7alert — Emette un evento per validatori e operatori
MedioQualsiasialert
Basso / NessunoQualsiasiallow

Quando viene attivata un'azione diversa da allow, la pipeline crea un record di indagine sulla frode con un ID univoco (formato: INV-{block_height}-{txhash}, troncato a 48 caratteri). Sulle reti attive la pipeline non viene chiamata dal percorso delle transazioni (vedi la nota all'inizio di questa pagina), quindi oggi non viene prodotto alcun record di indagine e la pipeline non imposta alcun circuit breaker sui contratti.

Ottimizzatore delle commissioni​

L'ottimizzatore delle commissioni prevede la congestione della rete e suggerisce le commissioni ottimali per i tempi di conferma desiderati utilizzando il tracciamento della congestione con media mobile esponenziale (EMA).

Previsione della congestione​

  • Fattore di smoothing EMA (alpha): 0.2
  • Finestra cronologica: 100 blocchi
  • Analisi della tendenza: Confronta i 5 blocchi più recenti con i 5 blocchi precedenti per rilevare le tendenze di congestione, quindi proietta in avanti con uno smorzamento del 50%.

Livelli di urgenza​

UrgenzaMoltiplicatore baseConferma stimata
fast2.0x1-2 blocchi
normal1.0x3-5 blocchi
slow0.5x6-10 blocchi

La commissione finale incorpora un moltiplicatore di congestione (1.0x allo 0% di congestione, fino a 5.0x al 100% di congestione) e un premio di tendenza quando la congestione prevista supera quella attuale. La commissione minima propria dello stimatore è una costante legacy di 500 uqor; non è esposta sulle reti attive, e la commissione che una transazione deve effettivamente pagare è fissata dal floor di rete di 0.1 uqor per unità di gas (vedi Prima transazione).

Ottimizzatore di rete​

L'ottimizzatore di rete monitora continuamente le metriche di performance e genera raccomandazioni sui parametri di governance utilizzando una funzione di ricompensa multi-obiettivo.

Funzione di ricompensa​

R(s, a, s') = alpha * DeltaPerformance + beta * DeltaLatency + gamma * DeltaEnergy - delta * StabilityPenalty
PesoValoreObiettivo
alpha0.35Miglioramento delle performance
beta0.30Riduzione della latenza
gamma0.15Risparmio di energia/risorse
delta0.20Preservazione della stabilità

Tipi di raccomandazione​

L'ottimizzatore genera raccomandazioni per:

  • Limite di gas del blocco: Aumenta quando l'utilizzo è > 80%, diminuisce quando è < 20%
  • Tasso minimo di commissione: Riduce quando il numero di validatori è inferiore a 5
  • Numero massimo di validatori: Aumenta quando i tempi dei blocchi sono sani e sono attivi >= 10 validatori
  • Tempo target del blocco: Avvisa quando il tempo medio del blocco supera gli 8 secondi

Ogni raccomandazione include il valore attuale, il valore suggerito, l'impatto previsto, il punteggio di confidenza e la motivazione.

Sidecar AI​

Il Sidecar QCAI estende l'AI on-chain con modelli di deep learning off-chain supportati dal QCAI Backend. Il sidecar è opzionale e non critico per il consenso, ed è raggiungibile tramite un'interfaccia gRPC interna.

Capacità​

CapacitàDescrizione
Generazione di contrattiGenera smart contract da specifiche in linguaggio naturale su 17 piattaforme
Auditing dei contrattiAnalisi approfondita della sicurezza del codice degli smart contract
Analisi approfondita delle frodiIndagine estesa sulle frodi tramite modelli addestrati (integra le euristiche on-chain)
Consulenza sulla reteRaccomandazioni avanzate di ottimizzazione dei parametri

Modelli​

Nome del modelloCaso d'uso
QCAI FastRisposte a bassa latenza per la stima delle commissioni e l'instradamento
QCAI BalancedAnalisi approfondita per l'auditing e le indagini sulle frodi

Il sidecar viene eseguito come servizio off-chain indipendente, in modo che i carichi di lavoro di deep learning non blocchino né influenzino mai l'esecuzione critica per il consenso.

Precompilati EVM​

Due contratti precompilati espongono le capacità di AI on-chain agli smart contract EVM:

PrecompilatoIndirizzoDescrizione
aiRiskScore0x0B01Restituisce un punteggio di rischio (0-100) per un dato indirizzo o hash di transazione
aiAnomalyCheck0x0B02Restituisce un flag booleano di anomalia e un punteggio di confidenza per una transazione
Non ancora attivo

Questi due precompilati non sono attivi sulla mainnet (qorechain-vladi) né sulla testnet (qorechain-diana), verificato il 27 ottobre 2026; una chiamata restituisce dati vuoti. (Altri tre precompilati QoreChain, la coppia PQC e i parametri PRISM, sono attivi solo sulla testnet: il 4 novembre 2026 l'elenco active_static_precompiles della mainnet era ancora vuoto e una chiamata all'indirizzo dei parametri PRISM restituiva dati vuoti.) Verranno attivati solo dopo aver ottenuto un percorso di scoring in sola lettura e a virgola fissa. Vedi Precompilati EVM: stato della rete.

Importante: I precompilati EVM utilizzano esclusivamente il motore euristico deterministico. Non chiamano mai il sidecar, garantendo che tutta l'esecuzione EVM rimanga completamente deterministica e riproducibile. Dalla v3.2.3 il precompilato di controllo delle anomalie analizza una transazione senza scrivere stato; l'altro rafforzamento dei precompilati in quella release (il bridge CrossVM che rifiuta STATICCALL, misura la propria chiamata annidata sul gas del frame chiamante e raggiunge solo target QoreChain Native in allowlist) si applica una volta attivato il precompilato CrossVM. Al 27 ottobre 2026 l'elenco active_static_precompiles è vuoto sulla mainnet; sulla testnet contiene tre voci (PQC Verify 0x…0A01, PQC Key Status 0x…0A02 e PRISM Consensus Params 0x…0C01), nessuna delle quali è un precompilato di IA.

Attestazione TEE​

Il modulo AI definisce le interfacce per l'attestazione del Trusted Execution Environment, abilitando la futura esecuzione verificabile di modelli AI all'interno di enclave hardware sicure.

Piattaforme supportate​

PiattaformaIdentificatoreDescrizione
Intel SGXsgxSoftware Guard Extensions
Intel TDXtdxTrust Domain Extensions
AMD SEV-SNPsev-snpSecure Encrypted Virtualization - Secure Nested Paging
ARM CCAarm-ccaConfidential Compute Architecture

Flusso di attestazione​

  1. Carica i pesi del modello — Il sidecar carica i pesi del modello AI in un'enclave TEE.
  2. Esegui l'inferenza all'interno dell'enclave — L'inferenza viene eseguita all'interno della memoria protetta dell'enclave.
  3. Produci un report di attestazione — L'enclave produce un report di attestazione che vincola l'hash del modello, l'hash dell'input e l'hash dell'output.
  4. Verifica l'attestazione on-chain — I validatori verificano l'attestazione on-chain prima di accettare i risultati dell'inferenza.

L'attestazione TEE è attualmente nella fase di specifica dell'interfaccia. L'implementazione è prevista per una versione futura.

Apprendimento federato​

Il modulo AI definisce le interfacce per il coordinamento dell'apprendimento federato on-chain, in cui i nodi validatori addestrano modelli locali e inviano aggiornamenti del gradiente che vengono aggregati in un modello globale senza condividere i dati di addestramento grezzi.

Metodi di aggregazione​

MetodoDescrizione
fedavgFederated Averaging — media ponderata dei gradienti in base al numero di campioni
fedproxFederated Proximal — aggiunge un termine prossimale per gestire dati eterogenei
scaffoldSCAFFOLD — usa variabili di controllo per correggere il drift del client

Ciclo di vita di un round​

Pending --> Training --> Aggregating --> Complete
\-> Failed (timeout or insufficient participants)

Ogni round è configurato con un numero minimo/massimo di partecipanti, timeout, learning rate, norma di clipping del gradiente e un moltiplicatore di rumore opzionale per la privacy differenziale. Tutti gli invii di gradiente sono firmati con firme PQC (Dilithium-5).

L'apprendimento federato è attualmente nella fase di specifica dell'interfaccia. L'implementazione è prevista per una versione futura.

Query​

qorechaind query ai config e qorechaind query ai stats (gRPC) sono le query del modulo. Oggi il modulo non ha route REST: le route /ai/v1/... per stima delle commissioni, indagini sulle frodi, raccomandazioni di rete e circuit breaker non sono servite né sulla mainnet né sulla testnet.

Correlati​