AIエンジン
QoreChainは、x/aiモジュールを通じてプロトコルスタックの複数のレベルでAI機能を統合しています。オンチェーン層は、コンセンサスに不可欠な操作に適した決定論的なヒューリスティックベースの分析を提供し、オフチェーンのサイドカーは、アドバイザリーおよび開発者ツール向けにディープラーニングモデルで機能を拡張します。
3層アーキテクチャ
QCAI（QoreChain AI）エンジンは、3つの層にまたがって動作します。
| 層 | 範囲 | 実行 | 決定論的 |
|---|---|---|---|
| コンセンサスレベル | ブロック生成、パラメータチューニング | オンチェーン (x/rlconsensus) | はい |
| ネットワークレベル | トランザクションのルーティング、不正検知、手数料の最適化 | オンチェーン (x/ai) | はい |
| アプリケーションレベル | コントラクト生成、監査、ディープ分析 | オフチェーン (サイドカー) | いいえ |
コンセンサスレベルはPRISMコンセンサスエンジンで別途解説しています。このページでは、ネットワークレベルとアプリケーションレベルを扱います。
トランザクションルーター
AI強化型ルーターは、加重マルチファクタースコアリングを使用して、各トランザクションに最適なバリデータとルートを選択します。
最適化の数式
OptimalRoute = argmin_r( alpha * Latency(r) + beta * Cost(r) + gamma * Security(r)^-1 )
| 重み | 記号 | デフォルト | 説明 |
|---|---|---|---|
| レイテンシ | alpha | 0.4 | 正規化された応答時間（0=最良、1=最悪）。0msは0.0に、1000msは1.0にマッピングされます。 |
| コスト | beta | 0.3 | コストの代理指標としての現在の負荷率。 |
| セキュリティ | gamma | 0.3 | レピュテーションスコアの逆数。レピュテーションが高いほどスコアは低く（良く）なります。 |
ルーターは、平均レイテンシ、稼働率、負荷率、レピュテーションスコアを含むバリデータごとのパフォーマンスデータを持つメトリクスキャッシュ（デフォルトTTL：30秒）を保持します。キャッシュされたメトリクスが利用できない場合、システムはヒューリスティックルーターにフォールバックします。
ルーティングの信頼度
信頼度は、メトリクスが利用可能なバリデータの数に応じてスケールします。
| メトリクスのあるバリデータ | 信頼度 |
|---|---|
| >= 10 | 0.95 |
| >= 5 | 0.85 |
| >= 2 | 0.75 |
| 1 | 0.60 |
不正検知
不正検知器は、統計的手法を用いて各トランザクションを最近の履歴と照合して分析する6層検知パイプラインを実装しています。
検知レイヤー
| 層 | 検知器 | 手法 | トリガーしきい値 |
|---|---|---|---|
| 1 | Isolation Forest | 金額、ガス、送信者頻度の特徴量にわたる統計的Zスコア | 異常スコア > 0.7 |
| 2 | Sequence Analyzer | 送受信の交互パターン（ウォッシュトレーディング）を検知 | 同一ペア間で交互の送金が3回超 |
| 3 | Sybil Detector | 新規ユニークアドレスを追跡し、新規送信者の急増を検知 | 最近のトランザクションの30%超が新規アドレスから |
| 4 | DDoS Detector | 送信者ごとのトランザクション頻度を監視 | 単一送信者から毎分100トランザクション超 |
| 5 | Flash Loan Detector | 単一ブロック内での借入・操作・返済パターンを特定 | 同一ブロック内で金額の変動が10倍超のトランザクションが3回以上 |
| 6 | Exploit Detector | コントラクト呼び出しにおける異常なガス消費を検知 | 同一トランザクションタイプの平均ガスの5倍超 |
脅威の分類
| 信頼度の範囲 | 脅威レベル |
|---|---|
| >= 0.9 | クリティカル |
| >= 0.7 | 高 |
| >= 0.5 | 中 |
| >= 0.3 | 低 |
| < 0.3 | なし |
対応アクション
| 脅威レベル | 信頼度 | アクション |
|---|---|---|
| クリティカル | > 0.8 | circuit_break — 特定のコントラクト実行を一時停止 |
| クリティカル | <= 0.8 | rate_limit — 送信元からのTX受け入れを一時的に削減 |
| 高 | > 0.7 | rate_limit |
| 高 | <= 0.7 | alert — バリデータおよびオペレータ向けにイベントを発行 |
| 中 | 任意 | alert |
| 低 / なし | 任意 | allow |
allow以外のアクションがトリガーされると、一意のID（形式：INV-{timestamp}-{txhash_prefix}）を持つ不正調査レコードが作成されます。
手数料オプティマイザ
手数料オプティマイザは、指数移動平均（EMA）による混雑追跡を使用して、ネットワークの混雑を予測し、希望する確定時間に対して最適な手数料を提案します。
混雑予測
- EMA平滑化係数（alpha）：0.2
- 履歴ウィンドウ：100ブロック
- トレンド分析：直近5ブロックを前の5ブロックと比較して混雑トレンドを検知し、50%の減衰を加えて将来へ投影します。
緊急度ティア
| 緊急度 | 基準乗数 | 推定確定時間 |
|---|---|---|
fast | 2.0x | 1～2ブロック |
normal | 1.0x | 3～5ブロック |
slow | 0.5x | 6～10ブロック |
最終的な手数料には、混雑乗数（混雑0%で1.0x、混雑100%で最大5.0x）と、予測混雑が現在の混雑を上回る場合のトレンドプレミアムが組み込まれます。最低手数料の下限は500 uqor（0.0005 QOR）です。
ネットワークオプティマイザ
ネットワークオプティマイザは、パフォーマンスメトリクスを継続的に監視し、多目的報酬関数を使用してガバナンスパラメータの推奨事項を生成します。
報酬関数
R(s, a, s') = alpha * DeltaPerformance + beta * DeltaLatency + gamma * DeltaEnergy - delta * StabilityPenalty
| 重み | 値 | 目的 |
|---|---|---|
| alpha | 0.35 | パフォーマンス向上 |
| beta | 0.30 | レイテンシ削減 |
| gamma | 0.15 | エネルギー/リソース節約 |
| delta | 0.20 | 安定性の維持 |
推奨事項の種類
オプティマイザは、以下の推奨事項を生成します。
- ブロックガスリミット：使用率が80%超の場合は引き上げ、20%未満の場合は引き下げ
- 最低手数料率：バリデータ数が5未満の場合は引き下げ
- 最大バリデータ数：ブロック時間が健全で、アクティブなバリデータが10以上の場合は引き上げ
- ブロック時間目標：平均ブロック時間が8秒を超えた場合にアラート
各推奨事項には、現在の値、提案値、予想される影響、信頼度スコア、および理由が含まれます。
AIサイドカー
QCAIサイドカーは、QCAIバックエンドを基盤とするオフチェーンのディープラーニングモデルでオンチェーンAIを拡張します。サイドカーはオプションであり、コンセンサスに不可欠ではなく、内部のgRPCインターフェース経由でアクセスされます。
機能
| 機能 | 説明 |
|---|---|
| コントラクト生成 | 17プラットフォームにわたる自然言語仕様からスマートコントラクトを生成 |
| コントラクト監査 | スマートコントラクトコードの詳細なセキュリティ分析 |
| ディープ不正分析 | 訓練済みモデルを用いた拡張不正調査（オンチェーンヒューリスティックを補完） |
| ネットワークアドバイス | 高度なパラメータ最適化の推奨事項 |
モデル
| モデル名 | ユースケース |
|---|---|
| QCAI Fast | 手数料推定とルーティングのための低レイテンシ応答 |
| QCAI Balanced | 監査と不正調査のためのより深い分析 |
サイドカーは独立したオフチェーンサービスとして動作するため、ディープラーニングのワークロードがコンセンサスに不可欠な実行をブロックしたり影響を与えたりすることは決してありません。
EVMプリコンパイル
2つのプリコンパイル済みコントラクトが、オンチェーンAI機能をEVMスマートコントラクトに公開します。
| プリコンパイル | アドレス | 説明 |
|---|---|---|
aiRiskScore | 0x0B01 | 指定されたアドレスまたはトランザクションハッシュのリスクスコア（0～100）を返します |
aiAnomalyCheck | 0x0B02 | トランザクションのブール型異常フラグと信頼度スコアを返します |
重要：EVMプリコンパイルは、決定論的ヒューリスティックエンジンのみを使用します。サイドカーを呼び出すことは決してなく、すべてのEVM実行が完全に決定論的かつ再現可能であることを保証します。
TEEアテステーション
AIモジュールは、Trusted Execution Environment（信頼された実行環境）のアテステーション用インターフェースを定義し、セキュアなハードウェアエンクレーブ内での将来の検証可能なAIモデル実行を可能にします。
サポートされるプラットフォーム
| プラットフォーム | 識別子 | 説明 |
|---|---|---|
| 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 |
アテステーションフロー
- モデルの重みのロード — サイドカーがAIモデルの重みをTEEエンクレーブにロードします。
- エンクレーブ内での推論実行 — エンクレーブの保護されたメモリ内で推論が実行されます。
- アテステーションレポートの生成 — エンクレーブが、モデルハッシュ、入力ハッシュ、出力ハッシュをバインドするアテステーションレポートを生成します。
- オンチェーンでのアテステーション検証 — バリデータが推論結果を受け入れる前に、オンチェーンでアテステーションを検証します。
TEEアテステーションは現在、インターフェース仕様の段階にあります。実装は将来のリリースで予定されています。
連合学習
AIモジュールは、バリデータノードがローカルモデルを訓練し、生の訓練データを共有することなくグローバルモデルに集約される勾配更新を提出する、オンチェーン連合学習の調整用インターフェースを定義します。
集約手法
| 手法 | 説明 |
|---|---|
fedavg | Federated Averaging — サンプル数による勾配の加重平均 |
fedprox | Federated Proximal — 異種データを扱うための近接項を追加 |
scaffold | SCAFFOLD — クライアントドリフトを補正する制御変量を使用 |
ラウンドのライフサイクル
Pending --> Training --> Aggregating --> Complete
\-> Failed (timeout or insufficient participants)
各ラウンドは、最小/最大参加者数、タイムアウト、学習率、勾配クリッピングノルム、およびオプションの差分プライバシーノイズ乗数で構成されます。すべての勾配提出は、PQC（Dilithium-5）署名で署名されます。
連合学習は現在、インターフェース仕様の段階にあります。実装は将来のリリースで予定されています。
RESTエンドポイント
| エンドポイント | 説明 |
|---|---|
/ai/v1/fee-estimate | fast、normal、slowの緊急度ティアの手数料推定を返します |
/ai/v1/fraud/investigations | アクティブおよび解決済みの不正調査を一覧表示します |
/ai/v1/network/recommendations | 現在のネットワークパラメータ最適化の推奨事項を返します |
/ai/v1/circuit-breakers | コントラクトのアクティブなサーキットブレーカー状態を一覧表示します |
関連項目
- PRISMコンセンサスエンジン — コンセンサス最適化を駆動するAI層。
- スマートコントラクトクリエーター — ダッシュボードでのAI支援コントラクト生成。
- コントラクト監査ツール — AI支援によるコントラクトセキュリティレビュー。