Sari la conținutul principal

Motor AI

QoreChain integrează capabilități AI la mai multe niveluri ale stivei de protocol prin modulul x/ai. Stratul on-chain oferă analiză deterministă bazată pe euristici, potrivită pentru operațiuni critice pentru consens, în timp ce un sidecar off-chain extinde capabilitățile cu modele de învățare profundă pentru consiliere și instrumente pentru dezvoltatori.

Arhitectură pe trei straturi

Motorul QCAI (QoreChain AI) operează pe trei straturi:

StratDomeniuExecuțieDeterminist
Nivel consensProducția de blocuri, ajustarea parametrilorOn-chain (x/rlconsensus)Da
Nivel rețeaRutarea tranzacțiilor, detectarea fraudei, optimizarea taxelorOn-chain (x/ai)Da
Nivel aplicațieGenerarea de contracte, auditarea, analiza profundăOff-chain (sidecar)Nu

Nivelul de consens este documentat separat în Motorul de consens PRISM. Această pagină acoperă nivelurile de rețea și de aplicație.

Router de tranzacții

Routerul îmbunătățit cu AI selectează validatorii și rutele optime pentru fiecare tranzacție folosind scorare multi-factor ponderată.

Formula de optimizare

OptimalRoute = argmin_r( alpha * Latency(r) + beta * Cost(r) + gamma * Security(r)^-1 )
PondereSimbolImplicitDescriere
Latențăalpha0.4Timp de răspuns normalizat (0=cel mai bun, 1=cel mai prost). 0ms se mapează la 0.0, 1000ms se mapează la 1.0.
Costbeta0.3Procentul de încărcare curentă ca proxy pentru cost.
Securitategamma0.3Inversul scorului de reputație. O reputație mai mare produce un scor mai mic (mai bun).

Routerul menține un cache de metrici (TTL implicit: 30 de secunde) cu date de performanță per validator, incluzând latența medie, procentul de uptime, procentul de încărcare și scorul de reputație. Când metricile din cache nu sunt disponibile, sistemul revine la routerul euristic.

Încrederea în rutare

Încrederea scalează cu numărul de validatori care au metrici disponibile:

Validatori cu metriciÎncredere
>= 100.95
>= 50.85
>= 20.75
10.60

Detectarea fraudei

Detectorul de fraudă implementează o pipeline de detectare pe șase straturi care analizează fiecare tranzacție comparativ cu istoricul recent folosind metode statistice.

Straturi de detectare

StratDetectorMetodăPrag de declanșare
1Isolation ForestZ-score statistic pe caracteristicile de sumă, gaz și frecvență a expeditoruluiScor de anomalie > 0.7
2Sequence AnalyzerDetectează tipare alternante de trimitere/primire (wash trading)> 3 transferuri alternante între aceeași pereche
3Sybil DetectorUrmărește noile adrese unice; semnalează vârfuri de expeditori noi> 30% din tranzacțiile recente provenind de la adrese noi
4DDoS DetectorMonitorizează frecvența tranzacțiilor per expeditor> 100 de tranzacții pe minut de la un singur expeditor
5Flash Loan DetectorIdentifică tipare împrumut-manipulare-rambursare în cadrul unui singur bloc>= 3 tranzacții în același bloc cu variație a sumei > 10x
6Exploit DetectorSemnalează consum anormal de gaz în apelurile de contract> de 5x gazul mediu pentru același tip de tranzacție

Clasificarea amenințărilor

Interval de încredereNivel de amenințare
>= 0.9Critic
>= 0.7Ridicat
>= 0.5Mediu
>= 0.3Scăzut
< 0.3Niciunul

Acțiuni de răspuns

Nivel de amenințareÎncredereAcțiune
Critic> 0.8circuit_break — Suspendă execuții specifice de contracte
Critic<= 0.8rate_limit — Reduce temporar acceptarea TX de la sursă
Ridicat> 0.7rate_limit
Ridicat<= 0.7alert — Emite un eveniment pentru validatori și operatori
MediuOricarealert
Scăzut / NiciunulOricareallow

Când este declanșată o acțiune diferită de allow, se creează o înregistrare de investigație a fraudei cu un ID unic (format: INV-{timestamp}-{txhash_prefix}).

Optimizator de taxe

Optimizatorul de taxe prezice congestia rețelei și sugerează taxe optime pentru timpii de confirmare doriți, folosind urmărirea congestiei prin medie mobilă exponențială (EMA).

Predicția congestiei

  • Factor de netezire EMA (alpha): 0.2
  • Fereastră de istoric: 100 de blocuri
  • Analiză de tendință: Compară cele mai recente 5 blocuri cu cele 5 blocuri anterioare pentru a detecta tendințe de congestie, apoi proiectează înainte cu o amortizare de 50%.

Niveluri de urgență

UrgențăMultiplicator de bazăConfirmare estimată
fast2.0x1-2 blocuri
normal1.0x3-5 blocuri
slow0.5x6-10 blocuri

Taxa finală încorporează un multiplicator de congestie (1.0x la 0% congestie, până la 5.0x la 100% congestie) și o primă de tendință atunci când congestia prezisă depășește congestia curentă. Pragul minim al taxei este de 500 uqor (0.0005 QOR).

Optimizator de rețea

Optimizatorul de rețea monitorizează continuu metricile de performanță și generează recomandări de parametri de guvernanță folosind o funcție de recompensă multi-obiectiv.

Funcția de recompensă

R(s, a, s') = alpha * DeltaPerformance + beta * DeltaLatency + gamma * DeltaEnergy - delta * StabilityPenalty
PondereValoareObiectiv
alpha0.35Îmbunătățirea performanței
beta0.30Reducerea latenței
gamma0.15Economii de energie/resurse
delta0.20Păstrarea stabilității

Tipuri de recomandări

Optimizatorul generează recomandări pentru:

  • Limita de gaz pe bloc: Crește când utilizarea > 80%, scade când < 20%
  • Rata minimă de comision: Scade când numărul de validatori este sub 5
  • Numărul maxim de validatori: Crește când timpii de bloc sunt sănătoși și >= 10 validatori sunt activi
  • Ținta timpului de bloc: Alertează când timpul mediu de bloc depășește 8 secunde

Fiecare recomandare include valoarea curentă, valoarea sugerată, impactul așteptat, scorul de încredere și raționamentul.

Sidecar AI

Sidecar-ul QCAI extinde AI-ul on-chain cu modele de învățare profundă off-chain susținute de QCAI Backend. Sidecar-ul este opțional și nu este critic pentru consens și este accesat printr-o interfață gRPC internă.

Capabilități

CapabilitateDescriere
Generarea de contracteGenerează contracte inteligente din specificații în limbaj natural pe 17 platforme
Auditarea contractelorAnaliză profundă de securitate a codului contractelor inteligente
Analiză profundă a fraudeiInvestigație extinsă a fraudei folosind modele antrenate (suplimentează euristicile on-chain)
Consiliere de rețeaRecomandări avansate de optimizare a parametrilor

Modele

Nume modelCaz de utilizare
QCAI FastRăspunsuri cu latență scăzută pentru estimarea taxelor și rutare
QCAI BalancedAnaliză mai profundă pentru auditare și investigarea fraudei

Sidecar-ul rulează ca un serviciu off-chain independent, astfel încât sarcinile de învățare profundă să nu blocheze sau să influențeze niciodată execuția critică pentru consens.

Precompilate EVM

Două contracte precompilate expun capabilitățile AI on-chain către contractele inteligente EVM:

PrecompilatAdresăDescriere
aiRiskScore0x0B01Returnează un scor de risc (0-100) pentru o adresă sau un hash de tranzacție dat
aiAnomalyCheck0x0B02Returnează un indicator boolean de anomalie și un scor de încredere pentru o tranzacție

Important: Precompilatele EVM folosesc doar motorul euristic determinist. Ele nu apelează niciodată sidecar-ul, asigurând că întreaga execuție EVM rămâne complet deterministă și reproductibilă.

Atestare TEE

Modulul AI definește interfețe pentru atestarea în Mediu de Execuție de Încredere (Trusted Execution Environment), permițând în viitor execuția verificabilă a modelelor AI în interiorul unor enclave hardware sigure.

Platforme suportate

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

Fluxul de atestare

  1. Încarcă ponderile modelului — Sidecar-ul încarcă ponderile modelului AI într-o enclavă TEE.
  2. Rulează inferența în interiorul enclavei — Inferența rulează în memoria protejată a enclavei.
  3. Produce raportul de atestare — Enclava produce un raport de atestare care leagă hash-ul modelului, hash-ul de intrare și hash-ul de ieșire.
  4. Verifică atestarea on-chain — Validatorii verifică atestarea on-chain înainte de a accepta rezultatele inferenței.

Atestarea TEE se află în prezent în stadiul de specificație a interfeței. Implementarea este planificată pentru o versiune viitoare.

Învățare federată

Modulul AI definește interfețe pentru coordonarea învățării federate on-chain, în care nodurile validatoare antrenează modele locale și trimit actualizări de gradient care sunt agregate într-un model global fără a partaja datele brute de antrenament.

Metode de agregare

MetodăDescriere
fedavgFederated Averaging — media ponderată a gradienților după numărul de eșantioane
fedproxFederated Proximal — adaugă un termen proximal pentru a gestiona date eterogene
scaffoldSCAFFOLD — folosește variabile de control pentru a corecta deriva clienților

Ciclul de viață al rundei

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

Fiecare rundă este configurată cu participanți minimi/maximi, timeout, rată de învățare, normă de clipping a gradientului și un multiplicator opțional de zgomot pentru confidențialitate diferențială. Toate trimiterile de gradient sunt semnate cu semnături PQC (Dilithium-5).

Învățarea federată se află în prezent în stadiul de specificație a interfeței. Implementarea este planificată pentru o versiune viitoare.

Endpoint-uri REST

EndpointDescriere
/ai/v1/fee-estimateReturnează estimări de taxe pentru nivelurile de urgență fast, normal și slow
/ai/v1/fraud/investigationsListează investigațiile de fraudă active și rezolvate
/ai/v1/network/recommendationsReturnează recomandările curente de optimizare a parametrilor de rețea
/ai/v1/circuit-breakersListează stările active ale întrerupătoarelor de circuit pentru contracte

Conexe