NEAR امنیت پروتکل را پس از ۱۲ دلار اثبات AI اجرا می کند
پروتکل NEAR برنامه هایی را برای تأیید رسمی AI به پروتکل و قراردادهای هوشمند هسته ای پس از گزارش 672 حل مشکلات ریاضی در یک مدل ارسالی با هزینه 111.85 دلار تعیین کرده است.
پروتکل NEAR در تاریخ 16 اکتبر اعلام کرد که تحقیقات آن به دنبال کاهش هزینه های تخصصی کار و محاسباتی در اثبات نرم افزار از قوانین تعریف شده است.
برنامه ریزی شده پروتکل شبکه و قراردادهای هسته ای را در کنار ابزارهای توسعه دهندگان اکوسیستم پوشش می دهد. NEAR تایید تولید را به عنوان یک هدف توصیف کرد، در حالی که کار کامل آن مربوط به نسل اثبات ریاضی خودکار است.
NEAR قصد دارد نسل اثبات را به نرم افزار تولید انتقال دهد
با توجه به اعلام NEAR، درخواست تحقیق برای اجرای نرم افزار شامل سه مرحله است. توسعه دهندگان باید یک برنامه را به صورت ریاضی نشان دهند، خواصی را که باید برآورده کنند تعریف کنند و اثبات هایی را ایجاد کنند که این خواص را نشان می دهند.
ترس نتایج معیارهای اخیر AI نشان دهنده پیشرفت در مرحله سوم است. این بیانیه می گوید که کار تولید هنوز نیازمند مدل های دقیق رفتار نرم افزار و ارتباط واضح بین اثبات ها و کاربران پیاده سازی است.
در توضیح آن، NEAR یک اثبات را متمایز می کند که یک قانون حسابداری خاص را از تضمین می کند که یک برنامه کامل امن است. یک قرارداد می تواند تعادل را در هنگام انتقال حفظ کند در حالی که نیاز به یک اثبات جداگانه دارد که تنها حساب های مجاز می توانند آنها را آغاز کنند.
Illia Polosukhin بنیانگذار NEAR تحقیقات مربوط به خطرات ناشی از نرم افزار و ابزارهای تولید شده AI را که به مهاجمان کمک می کند تا نقاط ضعف را شناسایی کنند، مرتبط کرده است.
آینده AI و کد تولید شده AI هیجان انگیز است، اما تنها زمانی که ما به تضمین های قابل اثبات و ریاضی رفتار آن دست پیدا کنیم
این اعلامیه، بیانیه ای را از نوشته های Polosukhin در امنیت نرم افزار بازتولید می کند. NEAR می گوید تایید رسمی باید تست، بررسی کد و شیوه های امنیتی عملیاتی را تکمیل کند.
نتیجه 111.85 اثبات ریاضیات را اندازه گیری می کند
اعلام NEAR گزارش می دهد که عامل AI آن 672 مشکل ناب را از PutnamBench حل کرده است، معیاری بر اساس رقابت ریاضیات کارشناسی Putnam. هزینه گزارش شده تقریباً 0.2 دلار برای هر مشکل در قیمت مدل مورد استفاده برای ارسال بود.
مخزن عمومی پروژه نتیجه را به عنوان 670 مشکل بالادستی به علاوه نسخه های اصلاح شده از دو مشکل با رسمی سازی ناقص توصیف می کند. NEAR می گوید که هزینه های گزارش شده هزینه کامل توسعه سیستم را حذف می کند و قیمت تأیید قرارداد تولید را تخمین نمی زند.
در مخزن، تیم گزارش می دهد که تکرار همان استفاده در بعدا ذکر شده DeepSeek off-peak قیمت 331 دلار خواهد بود. روش آن شامل تلاش های ناموفق است، اگرچه نویسندگان یک آزمایش موازی جداگانه با استفاده از کیمی را شناسایی می کنند که از حسابداری هزینه مستثنی نیستند.
این مخزن بررسی های مربوط به شواهد ناتمام و تغییرات در بیانیه ریاضی را اثبات می کند. گزارش می دهد که طولانی ترین اجرا بیش از سه روز به طول انجامید.
در کنار PutnamBench، NEAR می گوید که تیمش با حل های کامل در خط Eval v1 به مکان اول رسیده است. این اعلان مشخص می کند که اندازه گیری رتبه بندی، تمایز آن از اولین حل ها و حل های منحصر به فرد.
با توجه به NEAR، معیارهای ریاضی توانایی لازم برای تأیید نرم افزار را اعمال می کنند، زیرا توسعه دهندگان الزامات نرم افزار را به اظهارات ریاضی ترجمه می کنند. این شرکت این نتایج را از کار اثبات ویژگی های کد مستقر جدا می کند.
مدارک رسمی بستگی به قوانینی که توسعه دهندگان انتخاب می کنند
در مثال انتقال NEAR، یک آزمون معمولی یک معامله انتخاب شده را بررسی می کند، مانند انتقال پنج توکن بین دو حساب. یک مدرک می تواند ثابت کند که هر انتقال موفق تحت پوشش مدل ریاضی تعادل ترکیبی حساب ها را حفظ می کند.
این اعلامیه توضیح می دهد که توسعه دهندگان ابتدا یک الزام را انتخاب می کنند، رفتار نرم افزار مربوطه را به صورت ریاضی بیان می کنند و یک مدرک پیشنهادی برای یک چک کننده ارائه می دهند. تضمین نتیجه بستگی به تعاریف و مفروضات مورد استفاده دارد.
رویکرد NEAR از Lean، یک زبان برنامه نویسی متن باز و دستیار اثبات استفاده می کند. یک عامل هوش مصنوعی می تواند یک مدرک را پیشنهاد کند، Lean را اجرا کند، بازخورد خود را بررسی کند و تلاش را تجدید نظر کند، در حالی که کرنل ناب بررسی می کند که آیا اثبات قوانین منطقی آن را دنبال می کند یا خیر.
یک تلاش ناموفق لزوما یک نقص نرم افزار را با توجه به NEAR شناسایی نمی کند. نیاز ممکن است اشتباه باشد، اجرای آن ممکن است نقض شود یا عامل ممکن است نتواند مدرک معتبری را پیدا کند.
تایید رسمی در حال حاضر برنامه های کاربردی در اکوسیستم NEAR را مستند کرده است. ارزیابی 30 مارس Certora از Templar، پروتکل وام دهی مستقر در NEAR، بررسی دستی قراردادهای Rust و مشخصات رسمی و تأیید قرارداد بازار آن را توصیف می کند. صفحه ارزیابی Certora ویژگی های اثبات شده و مسائل کشف شده را به عنوان موضوعات گزارش کامل مشخص می کند.
سایر تیم های بلاک چین به دنبال تأیید کمک های AI هستند
در ماه می، آزمایشگاه های Aptos حمایت از تأیید رسمی AI را که شامل ارسال پویا در قراردادهای حرکت است، توصیف کردند. جریان کار اعلام شده آن از مشخصات تولید شده AI با Move Prover، با توجه به پوشش اعلامیه استفاده می کند.
Vitalik Buterin، بنیانگذار اتریوم، ترکیبی مشابه از ابزارهای هوش مصنوعی و اثبات ماشین را مورد بحث قرار داده است. همانطور که Crypto.news قبلا گزارش داد، نظرات او برنامه های کاربردی را در سراسر نقشه راه اتریوم، از جمله اجماع، رمزنگاری مقاومتی کوانتومی و سیستم های دانش صفر شناسایی کرد.
Buterin هشدار داد که اثبات یک لایه ثابت نمی کند که کل سیستم در نظر گرفته شده رفتار می کند. بحث او تایید از مشخصات سطح بالا را از طریق پیاده سازی سطح پایین پوشش داد.
تحقیقات امنیتی جداگانه NEAR به امضای مقاومت کوانتومی پرداخته است. نزدیک به یک پیشنهاد پشتیبانی امضای FIPS-204 را با استفاده از استاندارد ML-DSA تایید شده توسط موسسه ملی استانداردهای ایالات متحده و فناوری انتخاب کرد.
پیشنهاد ممکن است یک هدف آزمون برای پایان فصل دوم 2026 توصیف کند. نزدیک به یکی گفت: نرم افزار کیف پول، کیف پول سخت افزاری، نقاط انتهایی و API ها نیاز به تغییرات هماهنگ برای حمایت از طرح های امضای جدید دارند.
