Все кейсы
R&DБлокчейн1 января 2024 г.

Аудит и разработка блокчейн-платформы Velas ZU

Технический аудит Velas и исследование ИИ в блокчейне: сравнение платформ, анализ 40 проектов и проектирование аналитического модуля для оценки узлов и рекомендаций по конфигурации сети.

Аудит и разработка блокчейн-платформы Velas ZU

Задача

Velas требовалось определить, как использовать искусственный интеллект в блокчейн-платформе и какие технологии подходят для ее развития. Работа включала технический аудит, исследование блокчейн-фреймворков и проектирование подхода к анализу сети.

Исследование технологий

В материалах исследования 2020 года команда сравнила варианты базовой платформы, механизмы консенсуса и готовность компонентов экосистемы. Отдельно проанализировали 40 проектов на пересечении ИИ и блокчейна, распределяя сценарии по слоям и компонентам системы.

По результатам обзора выделили 46 сценариев применения, из которых 13 признали наиболее актуальными для дальнейшего рассмотрения. Эти числа характеризуют объем и приоритизацию исследования, а не количество реализованных функций платформы.

Предложенная архитектура

Для аналитического модуля VELASCORE предложили использовать данные внутри и вне блокчейна, описание узлов и состояния сети на каждой эпохе. Графовые статистики, включая PageRank и динамику сети, должны формировать признаки для многофакторной оценки узлов и обнаружения аномального поведения.

Далее скоринговую модель предложено связать с экспертной математической моделью токеномики и рекомендательной системой. Целевой выход включает оценку репутации узла, рекомендации по параметрам сети и список аномальных узлов для дальнейшего рассмотрения.

Результат

Исследование сформировало рекомендации по архитектуре и роли ИИ. Один из ключевых выводов состоит в необходимости ограничить влияние модели на критические процессы: динамическое изменение консенсуса затрагивает экономические стимулы участников и создает дополнительную неопределенность. На начальном этапе рекомендовано использовать ИИ для анализа и оптимизации конфигурации сети.

Заказчик получил исследовательскую основу для выбора технологий и планирования разработки. Такой опыт полезен распределенным системам, которым нужно проверить обоснованность ИИ-архитектуры в рамках технического аудита.