AI 엔진
QoreChain은 x/ai 모듈을 통해 프로토콜 스택의 여러 계층에 AI 기능을 통합합니다. 온체인 계층은 합의에 중요한 작업에 적합한 결정론적 휴리스틱 기반 분석을 제공하며, 오프체인 사이드카는 자문 및 개발자 도구를 위한 딥러닝 모델로 기능을 확장합니다.
3계층 아키텍처
QCAI(QoreChain AI) 엔진은 세 개의 계층에 걸쳐 작동합니다:
| 계층 | 범위 | 실행 | 결정론적 여부 |
|---|---|---|---|
| 합의 수준 | 블록 생성, 파라미터 튜닝 | 온체인 (x/rlconsensus) | 예 |
| 네트워크 수준 | 트랜잭션 라우팅, 사기 탐지, 수수료 최적화 | 온체인 (x/ai) | 예 |
| 애플리케이션 수준 | 컨트랙트 생성, 감사, 심층 분석 | 오프체인 (사이드카) | 아니오 |
합의 수준은 PRISM 합의 엔진에서 별도로 문서화되어 있습니다. 이 페이지는 네트워크 및 애플리케이션 수준을 다룹니다.
트랜잭션 라우터
AI 강화 라우터는 가중 다중 요인 점수화를 사용하여 각 트랜잭션에 대한 최적의 검증자와 경로를 선택합니다.
최적화 공식
OptimalRoute = argmin_r( alpha * Latency(r) + beta * Cost(r) + gamma * Security(r)^-1 )
| 가중치 | 기호 | 기본값 | 설명 |
|---|---|---|---|
| 지연시간 | alpha | 0.4 | 정규화된 응답 시간 (0=최선, 1=최악). 0ms는 0.0에, 1000ms는 1.0에 매핑됩니다. |
| 비용 | beta | 0.3 | 비용의 대용 지표로 사용되는 현재 부하 백분율. |
| 보안 | gamma | 0.3 | 평판 점수의 역수. 평판이 높을수록 점수가 낮아(더 좋아)집니다. |
라우터는 평균 지연시간, 가동률, 부하 백분율, 평판 점수를 포함한 검증자별 성능 데이터가 담긴 메트릭 캐시(기본 TTL: 30초)를 유지합니다. 캐시된 메트릭을 사용할 수 없을 때는 시스템이 휴리스틱 라우터로 폴백합니다.
라우팅 신뢰도
신뢰도는 사용 가능한 메트릭을 가진 검증자 수에 따라 확장됩니다:
| 메트릭이 있는 검증자 수 | 신뢰도 |
|---|---|
| >= 10 | 0.95 |
| >= 5 | 0.85 |
| >= 2 | 0.75 |
| 1 | 0.60 |
사기 탐지
사기 탐지기는 통계적 방법을 사용하여 각 트랜잭션을 최근 이력과 대조 분석하는 6계층 탐지 파이프라인을 구현합니다.
탐지 계층
| 계층 | 탐지기 | 방법 | 트리거 임계값 |
|---|---|---|---|
| 1 | Isolation Forest | 금액, 가스, 발신자 빈도 특성에 걸친 통계적 Z-점수 | 이상 점수 > 0.7 |
| 2 | 시퀀스 분석기 | 교대 송수신 패턴(워시 트레이딩) 탐지 | 동일 쌍 간 3회 초과 교대 전송 |
| 3 | 시빌 탐지기 | 새로운 고유 주소 추적; 새 발신자 급증 표시 | 최근 트랜잭션의 30% 초과가 새 주소에서 발생 |
| 4 | DDoS 탐지기 | 발신자별 트랜잭션 빈도 모니터링 | 단일 발신자로부터 분당 100건 초과 트랜잭션 |
| 5 | 플래시 론 탐지기 | 단일 블록 내 차입-조작-상환 패턴 식별 | 동일 블록 내 10배 초과 금액 변동을 가진 3건 이상 트랜잭션 |
| 6 | 익스플로잇 탐지기 | 컨트랙트 호출에서 비정상적인 가스 소비 표시 | 동일 트랜잭션 유형의 평균 가스의 5배 초과 |
위협 분류
| 신뢰도 범위 | 위협 수준 |
|---|---|
| >= 0.9 | Critical |
| >= 0.7 | High |
| >= 0.5 | Medium |
| >= 0.3 | Low |
| < 0.3 | None |
대응 조치
| 위협 수준 | 신뢰도 | 조치 |
|---|---|---|
| Critical | > 0.8 | circuit_break — 특정 컨트랙트 실행 일시 중지 |
| Critical | <= 0.8 | rate_limit — 출처로부터의 TX 수락 일시적 감소 |
| High | > 0.7 | rate_limit |
| High | <= 0.7 | alert — 검증자 및 운영자를 위한 이벤트 발생 |
| Medium | 임의 | alert |
| Low / None | 임의 | allow |
allow 외의 조치가 트리거되면 고유 ID(형식: INV-{timestamp}-{txhash_prefix})를 가진 사기 조사 기록이 생성됩니다.
수수료 최적화기
수수료 최적화기는 네트워크 혼잡을 예측하고 지수 이동 평균(EMA) 혼잡 추적을 사용하여 원하는 확인 시간에 대한 최적의 수수료를 제안합니다.
혼잡 예측
- EMA 평활 계수 (alpha): 0.2
- 이력 윈도우: 100 블록
- 추세 분석: 가장 최근 5개 블록을 이전 5개 블록과 비교하여 혼잡 추세를 탐지한 다음, 50% 감쇠를 적용하여 미래로 투영합니다.
긴급도 등급
| 긴급도 | 기본 배수 | 예상 확인 시간 |
|---|---|---|
fast | 2.0x | 1-2 블록 |
normal | 1.0x | 3-5 블록 |
slow | 0.5x | 6-10 블록 |
최종 수수료에는 혼잡 배수(0% 혼잡에서 1.0x, 100% 혼잡에서 최대 5.0x)와 예측된 혼잡이 현재 혼잡을 초과할 때의 추세 프리미엄이 포함됩니다. 최소 수수료 하한은 500 uqor (0.0005 QOR)입니다.
네트워크 최적화기
네트워크 최적화기는 성능 메트릭을 지속적으로 모니터링하고 다목적 보상 함수를 사용하여 거버넌스 파라미터 권장 사항을 생성합니다.
보상 함수
R(s, a, s') = alpha * DeltaPerformance + beta * DeltaLatency + gamma * DeltaEnergy - delta * StabilityPenalty
| 가중치 | 값 | 목표 |
|---|---|---|
| alpha | 0.35 | 성능 향상 |
| beta | 0.30 | 지연시간 감소 |
| gamma | 0.15 | 에너지/자원 절감 |
| delta | 0.20 | 안정성 유지 |
권장 사항 유형
최적화기는 다음에 대한 권장 사항을 생성합니다:
- 블록 가스 한도: 사용률이 80%를 초과하면 증가, 20% < 미만이면 감소
- 최소 수수료율: 검증자 수가 5 미만일 때 인하
- 최대 검증자 수: 블록 시간이 정상이고 10개 이상의 검증자가 활성화되어 있을 때 증가
- 블록 시간 목표: 평균 블록 시간이 8초를 초과하면 경고
각 권장 사항에는 현재 값, 제안된 값, 예상 영향, 신뢰도 점수, 근거가 포함됩니다.
AI 사이드카
QCAI 사이드카는 QCAI 백엔드가 지원하는 오프체인 딥러닝 모델로 온체인 AI를 확장합니다. 사이드카는 선택 사항이며 합의에 중요하지 않고, 내부 gRPC 인터페이스를 통해 도달합니다.
기능
| 기능 | 설명 |
|---|---|
| 컨트랙트 생성 | 17개 플랫폼에 걸쳐 자연어 명세로부터 스마트 컨트랙트 생성 |
| 컨트랙트 감사 | 스마트 컨트랙트 코드의 심층 보안 분석 |
| 심층 사기 분석 | 학습된 모델을 사용한 확장 사기 조사 (온체인 휴리스틱 보완) |
| 네트워크 자문 | 고급 파라미터 최적화 권장 사항 |
모델
| 모델 이름 | 사용 사례 |
|---|---|
| QCAI Fast | 수수료 추정 및 라우팅을 위한 저지연 응답 |
| QCAI Balanced | 감사 및 사기 조사를 위한 심층 분석 |
사이드카는 독립적인 오프체인 서비스로 실행되어 딥러닝 워크로드가 합의에 중요한 실행을 절대 차단하거나 영향을 주지 않도록 합니다.
EVM 사전 컴파일
두 개의 사전 컴파일된 컨트랙트가 온체인 AI 기능을 EVM 스마트 컨트랙트에 노출합니다:
| 사전 컴파일 | 주소 | 설명 |
|---|---|---|
aiRiskScore | 0x0B01 | 주어진 주소 또는 트랜잭션 해시에 대한 위험 점수(0-100)를 반환 |
aiAnomalyCheck | 0x0B02 | 트랜잭션에 대한 부울 이상 플래그와 신뢰도 점수를 반환 |
중요: EVM 사전 컴파일은 결정론적 휴리스틱 엔진만 사용합니다. 이들은 절대 사이드카를 호출하지 않으므로 모든 EVM 실행이 완전히 결정론적이고 재현 가능하도록 보장합니다.
TEE 증명
AI 모듈은 신뢰 실행 환경(Trusted Execution Environment) 증명을 위한 인터페이스를 정의하여, 보안 하드웨어 엔클레이브 내부에서 향후 검증 가능한 AI 모델 실행을 가능하게 합니다.
지원 플랫폼
| 플랫폼 | 식별자 | 설명 |
|---|---|---|
| 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 |
증명 흐름
- 모델 가중치 로드 — 사이드카가 AI 모델 가중치를 TEE 엔클레이브에 로드합니다.
- 엔클레이브 내부에서 추론 실행 — 추론이 엔클레이브의 보호된 메모리 내부에서 실행됩니다.
- 증명 보고서 생성 — 엔클레이브가 모델 해시, 입력 해시, 출력 해시를 바인딩하는 증명 보고서를 생성합니다.
- 온체인 증명 검증 — 검증자가 추론 결과를 수락하기 전에 온체인에서 증명을 검증합니다.
TEE 증명은 현재 인터페이스 명세 단계에 있습니다. 구현은 향후 릴리스에 계획되어 있습니다.
연합 학습
AI 모듈은 온체인 연합 학습(federated learning) 조정을 위한 인터페이스를 정의합니다. 여기서 검증자 노드는 로컬 모델을 학습하고, 원시 학습 데이터를 공유하지 않고 글로벌 모델로 집계되는 기울기 업데이트를 제출합니다.
집계 방법
| 방법 | 설명 |
|---|---|
fedavg | Federated Averaging — 샘플 수에 따른 기울기의 가중 평균 |
fedprox | Federated Proximal — 이질적 데이터를 처리하기 위한 근접 항 추가 |
scaffold | SCAFFOLD — 클라이언트 드리프트를 보정하기 위해 제어 변량 사용 |
라운드 생명주기
Pending --> Training --> Aggregating --> Complete
\-> Failed (timeout or insufficient participants)
각 라운드는 최소/최대 참가자 수, 타임아웃, 학습률, 기울기 클리핑 노름, 그리고 선택적 차등 프라이버시 노이즈 배수로 구성됩니다. 모든 기울기 제출은 PQC(Dilithium-5) 서명으로 서명됩니다.
연합 학습은 현재 인터페이스 명세 단계에 있습니다. 구현은 향후 릴리스에 계획되어 있습니다.
REST 엔드포인트
| 엔드포인트 | 설명 |
|---|---|
/ai/v1/fee-estimate | fast, normal, slow 긴급도 등급에 대한 수수료 추정치 반환 |
/ai/v1/fraud/investigations | 활성 및 해결된 사기 조사 목록 표시 |
/ai/v1/network/recommendations | 현재 네트워크 파라미터 최적화 권장 사항 반환 |
/ai/v1/circuit-breakers | 컨트랙트에 대한 활성 회로 차단기 상태 목록 표시 |
관련 문서
- PRISM 합의 엔진 — 합의 최적화를 주도하는 AI 계층.
- 스마트 컨트랙트 생성기 — 대시보드의 AI 지원 컨트랙트 생성.
- 컨트랙트 감사기 — AI 지원 컨트랙트 보안 검토.