Vai al contenuto
Crypto.world

Ricerca

Proof-of-Machine-Learning-Inference: estrarre conoscenza, non hash

La Proof-of-Work (PoW) in stile Bitcoin protegge le blockchain senza autorizzazioni, ma impiega ingenti risorse computazionali per risolvere enigmi basati su hash, che non hanno altra utilità se non…

Proof-of-Machine-Learning-Inference: estrarre conoscenza, non hash
arXiv
2610.26713
Pubblicato
2026-10-19
Autori
Wan Ki Wong, Michele Ciampi, Rik Sarkar

Abstract degli autori

La Proof-of-Work (PoW) in stile Bitcoin protegge le blockchain senza autorizzazioni, ma impiega ingenti risorse computazionali per risolvere enigmi basati su hash, che non hanno altra utilità se non estendere la catena. Allo stesso tempo, abbiamo visto che l’ascesa dell’intelligenza artificiale generativa ha creato una notevole domanda di risorse computazionali che, purtroppo, sono disponibili soltanto a pochi operatori. Proponiamo una soluzione che risolve entrambi i problemi contemporaneamente. In particolare, presentiamo Proof-of-ML-Inference (PoML), un protocollo di consenso in cui i miner eseguono inferenze di machine learning richieste dagli utenti come parte del proprio algoritmo di consenso. Individuiamo con precisione le ipotesi computazionali necessarie affinché l’inferenza di machine learning possa sostituire in sicurezza il lavoro basato sugli hash, le formalizziamo e forniamo evidenze del fatto che gli LLM e i modelli di diffusione le soddisfano. Analizziamo quindi formalmente la sicurezza del nostro protocollo riconducendola alla sicurezza del modello Bitcoin Backbone. Infine, valutiamo empiricamente la stabilità dei tempi tra i blocchi, mostrando che, in un ambiente simulato, PoML mantiene un ritmo di produzione dei blocchi vicino a quello previsto dal tempo obiettivo calibrato tra un blocco e l’altro.

Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.

Leggi il paper originale su arXiv