Când Walrus utilizează angajamente criptografice și dovezi pe lanț, de ce stocarea seturilor de date AI pe rețele descentralizate creează îngrijorări legate de manipulare sau pierdere?

Walrus menține integritatea setului de date prin algoritmul său de codare erasure RedStuff, care codifică bloburile — cum ar fi seturile de antrenament AI de mai multe GB — în fragmente primare și secundare cu redundanță integrată, permițând reconstrucția din doar un quorum de 1/3 din fragmente corecte chiar dacă până la 2/3 din nodurile de stocare sunt defecte sau indisponibile după sincronizarea rețelei, în timp ce fiecare fragment include hash-uri de angajament pe care clienții le verifică față de ID-ul derivat din conținutul original al blobului în timpul recuperării pentru a detecta orice alterări sau incoerențe; de asemenea, sistemul necesită un quorum de 2/3 din confirmări semnate de noduri pentru a genera un certificat POA, care este publicat ca un registru imutabil pe blockchain-ul Sui, asigurând că, odată certificat, custodia setului de date este auditabilă public și nodurile sunt obligate să păstreze fragmentele fără modificare, orice incoerențe dovedite ducând la deconectarea pe lanț a ID-ului blobului de obiectul său de resursă de stocare, marcând eficient acesta ca inaccesibil, păstrând totuși hash-ul pentru verificări forensice.

Elementele de metadate ale blobului, durata de stocare bazată pe epocă și angajamentele fragmentelor sunt gestionate de contractele inteligente Move ale Sui. Verificarea programatică, auto-repararea și plățile delegat PoS sunt posibile. Nodurile care nu reușesc să genereze fragmente autentificate sau să răspundă provocărilor pierd stake-ul, prevenind astfel manipularea și legând utilitatea tokenului de integritatea datelor.

Pentru a preveni corupția lanțului de producție, o echipă de AI care fine-tunează modele pe seturi de date proprii ar putea încărca un corpus de 500GB în Walrus, să primească PoA și obiectul de metadate pe Sui pentru verificare pe lanț și să integreze un contract Move pentru a elibera condiționat greutățile modelului după audituri periodice de integritate care confirmă angajamentele fragmentelor.

Cum ar putea adăugarea verificărilor de angajament de fragmente Walrus în fluxul de antrenament al proiectului tău AI colectiv afecta drift-ul datelor și intrările adverse în cadrul epocilor?

@Walrus 🦭/acc $WAL #Walrus