Get live statistics and analysis of web3说书人's profile on X / Twitter

真的无奈了啊，自从写 #portaltobitcoin 开始，于我而 言，yaps分数是嘎嘎📈 然后心智排行榜是死活上不了榜，你要问我为啥？ 因为Yaps和minshare是两回事啊， mindshare衡量的是项目内部"话语权占比"，而yaps衡量 的是全平台影响力，所以想增长yaps就多写深度一些的内 容就好了，minshare除了自己努力，还得看对手； 但是很好玩的一点是，虽然 @PortaltoBitcoin 我没上榜， 最近Kaito的小孩桌那是稳稳的往前跑 我都怀疑给我算到Kaito项目里面去了； 说回 @PortaltoBitcoin ，扒了一下7D排行榜，作为华语区 的代表，小恐龙 @xingxingjun8888 已经化身暴君恐龙， 将所有大佬按在地上摩擦， 其他华语KOL少的可怜，而且大部分都在下滑，韩语区夸 张的很，只能说 $PTB 上线韩国交易所能量太大了。 然后 $PTB 这两天价格表现挺优秀的，在大盘下跌的三天 内，一直稳定在0.06～0.07之间震荡 最后看到官方文档中对于 $PTB 的代币经济分析中，有专门指出验证者的奖励信息，重要如下如下： 1）去中心化交易所的每日交易量合计约为 45 亿美元，平均费用为0.18%；Portal作为DEX，其交易费用将低于这个价格以吸引更多用户，例如0.125%； 2）Portal 支持的 Layer 2 交易效率远高于其他去中心化交易所，技术分析中有说到依托于利用 EVMOS 构建的 Notary Chain，Portal的交易效率是惊人的； 3）在去中心化交易所交易量逐渐提升的前提下，以 10%为界限，前 12 个周期内大约相当于燃烧 1 亿美元的 PTB，同时预计在前 12 个周期内将向验证者分配 1 亿美元。 如上优势结合，就会使得项目吸引更多用户，燃烧代币产 生更多费用收入，实现“更高收益 > 更多 TVL > 更高收 益”的正向循环。

《卡拉米冲yaps分数小攻略》 我说的吧，冲yaps还是有点经验的，昨天写了一篇 #brevis 的文章， yaps直接冲起来了 很久很久以前，ICT大佬们就发现了，yaps跟mindshare是分开计算的，没啥关系； 所以冲榜的话，yaps分数是不重要的，榜单看的是mindshare； yaps目前除了门槛之外，就剩一个好听点的作用就是判别个人推文写作能力了，因为用心一些，真的有大佬会主动关注的； 那怎么冲yaps？ 于我而言，与ICT的互动是一方面，更重要的是推文，每个人都有自己的特长，在特长范围内写 一些原创文章，要逻辑清晰，有理有据，可以借助AI补充，但是不要大幅抄袭AI，简单来说，就是要花心思，花时间，比冲mindshare更要花点功夫； 好了，牛逼吹完，继续写我的 #Brevis ；最近官方推出了 新活动，好多人已经开始写了： proving-grounds.brevis.network/gwE8DS 都是一些推文的活动，点点小手指头就行了 昨天说到brevis是 BNB chain的战略合作伙伴，那么自然BNB chain的很多生态项目是必须合作起来的，尤其跟binance labs相关的项目； 目前官方blog显示的合作项目主要有： @PancakeSwap 和 @kernel_dao , 先仔细剖析一下跟Kernel的合作 看blog的说法，叫做通过kernel的再质押来释放BNB的潜力； 深挖一下，来看看brevis跟kernel的合作到底怎么释放BNB潜力的？ 1｜Kernel的再质押情况 在合作之前，kernel的再质押最重要的问题是链内限制，再质押仅限于 BNB Chain 上部署的应用； 不管是RWA，还是NFT，DEFI等等，生态最强的都是ETH链，只有将BNB的再质押能力扩展到ETH链，才能真正释放BNB的潜力； 那么制约kernel再质押的链内限制的原因是什么？ 首先就是信任与中介依赖，要将BNB的再质押能力扩展到ETH链，必须要有一个可信的中介，来保证BNB的安全性, 这同时又引入了信任问题； 其次就是跨链桥的安全性问题，跨链桥本身就存在被攻击的风险，尤其是像BNB这种大额资产的跨链桥，更是黑客的重点攻击目标； 然后还有双向的不完整性，BNB链和目标链的状态情况无法同步，导致双向 Slashing无法实现； 2｜Brevis的解决方案 ZK Consensus Proofs：Brevis 开发了 BNB Chain上最快的Tendermint 和 PoA Light Client，这种技术允许其他链“镜像” BNB 的共识结果，而无需全节点同步。 状态镜像（State Mirroring）：通过 Sparse Merkle Tree (SMT) 根哈希，将 Kernel 的再质押合约状态镜像到目标链。ZK证明验证状态真实性，无需暴露细节。 信任less 双向通信：brevis的go sdk保证了智能合约进行跨链访问状态、交易和收据时，将复杂计算转为可验证 ZK 电路输出。解决了中介依赖，实现“零信任”扩展。 性能优化：off-chain 计算和ZK 证明生成，减轻链上负担，提高效率和可扩展性。on-chain 只需验证 ZK 证明，确保安全性。 简单总结： brevis将BNB链的再质押合约状态通过独有的ZK证明的方式镜像到目标链，并且提供了SDK保证智能合约可以跨链访问状态、交易和收据，实现了信任less的双向通信，解决了跨链桥的安全性问题，同时通过off-chain计算和ZK证明生成，提升了性能。 3｜具体流程 1️⃣再质押有效性证明生成： Brevis 的 Light Client 监听 BNB 链上的再质押合约事件，生成 ZK Consensus Proofs 证明，证明再质押操作的有效性。 2️⃣目标链状态镜像验证： 目标链接收再质押合约状态的SMT根哈希，通过Brevis 的 ZK Data Coprocessor 镜像 Kernel 合约状态，生成ZK证明，目标链进行验证； 3️⃣目标链执行： 目标链 dApp 使用镜像状态执行操作 4️⃣双向 Slashing情况： 当 BNB 链上的再质押者被 Slashed 时，Brevis Light Client 监听到事件，生成 ZK 证明，目标链验证后，对应的再质押者在目标链上也会被 Slashed。 而当目标链上的再质押者被 Slashed 时，Brevis Light Client 验证目标链的 Slashing 事件，生成 ZK 证明，BNB 链验证后，对应的再质押者在 BNB 链上也会被 Slashed。 通过Brevis Light Client 和 ZK 证明，解决了双向的slashing问题，实现了跨链的再质押能力 4｜疑问 Brevis 的Tendermint 和 PoA Light Client 在 github只并未找到，猜测可能是私有的, 并未开源，也许是因为涉及到核心技术？ #Brevis #brevis_zk @brevis_zk #KAITO #KernelDAO

《如何用一句话获得ICT关注》 吹牛之前，先上图： 都知道KAITO的ICT权重很大，所以获得ICT关注是有些难的，当然我这是运气好，刚好抓住机会了； 起因是我喜欢去逛一些技术大佬的帖子，然后自己熟悉的技术领域就会去发个言啥的，毕竟除了学习之外，还能混个脸熟； 然后昨天正好大佬们都在看brevis这个项目，正好自己在撸这个，也是仔细研究它这个项目以后，补充了一下brevis的路线图，就获得了alvin大佬的关注；由此感谢众位大佬们 的关注和帮助！！ 简单总结，就是在恰当的时候，能够表现自己在某一方面的特长，大佬们会关注的； 好了，吹完牛，再继续卷一下 #allora，在前阵子排行榜卷到60名左右以后，又掉回70多了，补上一篇； 最近发现AI领域的项目领导者中，出现了天体物理学顶尖科学家的身影； 从 #allora 的首席科学家Diederik Kruijssen博士，到X上知名的意见领袖 @_sumeetc， 都有着天体物理学背景； 两位的研究领域并不完全相同，Diederik Kruijssen博士主要研究星系形成和演化，而 @_sumeetc 则专注于黑洞和引力波的研究。 而这些领域的研究，都需要建立各种模型来处理和训练宇宙学中的大量数据，并进行概率统计和复杂运算，最后进行推理，这正好与AI技术的发展需求相契合； 因此，这些天体物理学家在转向AI领域时，能够将他们在处理复杂数据和建立模型方面的专业知识应用到AI技术的开发中； 正如Diederik Kruijssen博士一样，将处理宇宙大数据和复 杂模型方面的经验，直接应用于去中心化 AI 网络的算法设 计和参数优化上，这也是奠定Allora技术基础的那篇论文： --《关于优化去中心化在线学习的研究》的由来。 那么这种跨领域的知识迁移，有没有案例呢？ 还真有，例子包括了做模块化数据可用性的 @celestia 项 目负责人Mustafa Al-Bassam博士，其于2017年发表的 《延迟可验证数据可用性（lazily verifiable data availability）》论文， 直接成为了 Celestia 核心技术 数据可用性采样（DAS） 的理论基础； 另外还有 @Filecoin 的联合创始人Juan Benet博士，其在 数学和密码学领域的深厚背景，使其能够进行复制证明 （Proof-of-Replication） 和 时空证明（Proof-of- Spacetime）这种创新性技术的开发；而两者也成为 Filecoin 的核心机制； 这些案例都表明，跨领域的知识迁移能够为AI技术的发展 带来新的视角和创新思维，从而推动整个行业的进步； 而且这种技术驱动型的创新都带动的是项目的成功，那么 作为去中心化AI的典型代表 #allora， 其带来的AI预测能力的技术创新值得关注。 #allora #KAITO @AlloraNetwork

终于拿到了OKX BOOST的第三期空投，价值14刀，🎉 然后看到了如下一张表，嗯，护士还是那个护士，拜拜了 您呐！ 最近 @AlloraNetwork 也是卷的很，写了四五篇了，上不 去榜单，识别肯定是识别了，贝叶斯的那篇YAPS加了10 分，只能说YAPS和mindshare的计算方式是不一样的，不 够优秀就只能努力，还是是前500名，还是有的玩的。 因为 #Allora 主要是去中心化模型协同作战方式，所以就 来对比一下类似的Agent Swarm以及MCP方式； 先看 #allora， 其基于主题为导向的AI协作，包括 了模型协作，评估对比，推理聚合以及贡献激励等； 模型协作主要就是Workers(ML模型)生成推理，互相预测 对方准确性，其主要优势在于动态权重分配以及实时适应性 评估对比主要是Reputers对推理结果评分，优势在于基于 真实结果验证 聚合协议的话，主要是基于预测损失和历史声誉的加权平均，优势在于对上下文进行感知合成； 贡献激励就是基于如上进行差异化激励； 目前统计的信息在测试网生成超过6.92亿次推理，拥有28.8万+活跃Workers，推理损失下降了两个数量级。 所以总结一下就是在Allora network中，各个AI模型是协作与竞争关系，通过Reputers对模型进行对比评分然后进行内容聚合，同时对于各AI模型进行激励；而精于预测市场； 然后看下MCP，MCP是一种主流的工具间的协同，其实跟这种AI模型的协同是不一样的，其协作组件包括HOST，CLIENT，Server；协作方式主要是间接协作，通过共享服务器实现；是一种代理-工具的标准连接方式；MCP更加侧重于工具驱动，广泛应用于企业自动化； 最后就是Agent Swarm，多代理间的直接协作方式； 也是现在很多项目采取的方式，其协作方式包括Handoffs，并发工作流等等；其主要目标在于Agent间的编排协调，通过层次化的架构，各个Agent之间直接通信来实现其目标； Agent Swarm的优势在于Agent之间复杂编排的灵活性(包括并行工作流、投票机制等等)，各个Agent之间是标准的合作关系，各司其职，不存在竞争内容，应用场景更加通用，包括DeFi协议间协调流动性优化，资产协调管理等等； 所以其实Allora Network、MCP和Agent Swarm在AI协作 领域并不是竞争关系，反而可以生态互补： 利用Allora 网络进行去中心化预测，MCP实现工具标准化，Agent Swarm进行协调编排，构建完整的协作AI系统架构； 另外 #alloranetwork 其实已经提供了MCP的工具： allora-mcp-server，为AI系统提供访问Allora去中心化预测网络数据的标准化接口； 通过这个工具，Allora实现了从封闭的预测网络到开放的AI协作平台的转变，任何开发者都可以通过标准协议获取网络的集体智慧； #KAITO @AlloraNetwork

一天不写，排名嘎嘎的往下掉，鉴于 #allora 的爆火情况，感觉用图片的形式来解释allora项目的特点更加清晰易懂 1｜去中心化AI预测 你看，我让各大网站对 Allora这个名字进行吉凶预测，不 偏好某一个网站，这就是去中心化的预测； 2｜上下文感知能力： 这里的特点在于某个预测节点提交预测结果的时候，还需 要预测其他节点的内容；用下面的连环画解释： 3｜情境感知预测（Context-Aware Prediction）： 不参考模型的历史表现，而是评估模型在当前特定情境下的表现潜力 以上图的的后宫闲谈为例： 在这个特定情境下，那肯定就是宦官在这个场景下表现最佳，即使文官武将以前表现多么突出，贡献有多么大，在这个场景下那就是不行，😂 #allora #KAITO @AlloraNetwork

#Openmind ---中心化与去中心化对立的延续 ▶︎▶︎ 中心化与去中心化的对立 AWS大宕机引发了中心化与去中心化的激烈讨论，而这场中心化与去中心化的对立从BTC就开始了； 这两年来，随着技术的快速更迭，尤其AI的快速发展，中心化与去中心化的对立已经延伸到AI领域 从chatgpt,gemini,grok等传统科技巨头的大模型到以 #Sentient 为代表的去中心化AI模型， 关于AGI的未来属于中心化还是去中心化也是甚嚣尘上。 ▶︎▶︎ 机器人领域的对立 而OpenMind的出现，将去中心化和中心化的对立延伸到了机器人赛道； 先来看下OpenMind，其致力于推动开源、透明的通用机器人大脑的生态系统；在我看来，OpenMind是搭建了一套为RaaS (机器人即服务)而服务的底层生态系统； 而这种理念，天生就有现有的机器人龙头公司存在着理念上的冲突； 例如：特斯拉完全拥有着机器人Optimus 的“大脑”， 从硬件到软件都是一种闭环的生态，其底层的为机器人服务的AI模型也是独有的、封闭的，这是其核心竞争力。 无独有偶，亚马逊和 iRobot 的 RaaS (机器人即服务) 模式依赖于专有软件和定制硬件来维持高价值。 而openmind通过开源的机器人操作系统OM1 + 去中心化的协调层FABRIC，将机器人的生态系统完全开源化，去中心化； ▶︎▶︎ openmind未来发展： 正如AI的去中心化和中心化的对立一样，openmind的产品也同样会与特斯拉，亚马逊等形成竞争关系，然对于蓬勃发展的机器人赛道来说，其赛道中充满着各种初创公司以及中小规模企业， 对于他们而来，与openmind的结合将完成其机器人生态系统的构建。 而如果放眼全球，尽管中国在工业机器人和硬件制造方面拥有着绝对的领先地位，但通用机器人操作系统的缺失情况使得openmind可能有更好的生存和发展环境； #OpenMind #KAITO @openmind_agi

IRYS项目分析 1. 初识IRYS 最早接触Irys是在 @wardenprotocol 项目的官方合作伙伴那里，有一篇文章专门介绍了 #warden和 #IRYS 的合作，通过 @irys_xyz 的可编程的数据存储，加速warden的策略的处理； 于是对IRYS的可编程性的数据存储感兴趣，恰逢irys项目 也正式开启测试网，来学习一下。 2. IRYS的定位 按照官网解析，其定位是全球首个为人工智能优化的可编程性的数据公链(Layer1), 优势集中在整合低成本存储、可验证计算和高性能执行层（IrysVM，兼容EVM），将链上数据转变为可编程的、主动的逻辑组件； 来看一下其核心特点： ▶️可编程性：支持AI Agent和智能合约与存储数据在链上的直接交互。 ▶️灵活的存储架构：不同于普通的存储形式，IRYS采用了多账本的存储架构，包括临时和永久存储，以及灵活存储时长的存储形式； ▶️单独的执行层设计：高性能的，EVM兼容的irysVM执行层设计，使其可以在同一系统中实现数据存储与计算之间的直接交互，这使得智能合约能够直接对数据进行操作，最大限度的减少延迟性。 3. 与其他公链对比 IRYS作为数据公链，对比一下现有的其他数据公链；目前主流的数据存储公链包括 @Filecoin 和 @ArweaveEco ； 在AI+web3的潮流下，两者作为传统的存储公链在AI的应用上的限制越来越明显： 性能问题：AI的场景下，AI的特性注定了其对于数据流的高要求，Filecoin无法应对AI应用对于高吞吐量和低延迟的要求；尽管Arweave的吞吐量和延迟性均有所提升，但是针对AI毫秒级的数据流处理要求，仍旧力不从心。 数据验证问题：在AI场景下，需要对数据源进行完整性和真实性校验，防止因数据错误导致AI应用出现不可逆的问题，如AgentFi场景下，数据错误可能导致客户不可逆的资产损失。而Filecoin和Arweave针对数据源都没有完善的校验机制； 计算与数据分离：在AI场景下，计算和逻辑处理是结合的，例如AI模型实时访问用户行为数据（如浏览历史、点赞记录），通过AI算法实时分析用户数据并生成推荐结果，再将推荐结果存储； 而Filecoin和Arweave对于数据是静态存储的，运算逻辑是需要其他公链(如ETH，SOL等)进行支撑的，其本身对无法单独处理这种场景的；这种情况下，跨链的处理注定了高延迟，是无法应对AI的需求的； 因此，由于以上限制，现有的传统公链在应对web3的AI项目时，是无法得心应手的，而 @irys_xyz 的独特设计在AI场景下优势明显。 可编程性设计和高性能的执行层(irysVM)设计允许数据与智能合约在同一系统上面直接交互，最大限度的减少延迟，支持了 AI 工作流的动态处理； 开发的Provenance Toolkit工具提供强大的数据来源验证，适合 AI 数据溯源和知识产权保护； 分层式的存储架构既能够支撑了数据流的高吞吐量和低延迟性，还为数据存储的低成本打下坚实的基础。 4. IRYS公链数据 看一下目前IRYS的公链数据，由于目前在测试阶段，因此目前可以看到的是测试的数据情况，参考官网数据 存储容量：280TB 可编程数据的存储定价：每块（chunk）0.02美元 Irys 的临时存储服务：$2.50 /per TB /month Irys 的永久存储服务：$2.50/Per GB GAS： 0.50 GmIrys(Irys 代币的十亿分之一) IrysVM的吞吐量：4.14/per second 从目前的数据看起来，测试网已经有一定的存储规模，执行的TPS不多，无法真实反应IRYS的高性能，而gas同理，需要在高数据流下检查其性能情况； 针对存储定价，针对永久存储，Arweave目前的价格是每GB 35美元左右，irys的价格优势明显； 临时存储服务，Filecoin的价格目前大概是每TB每月约为 0.01美元左右，其价格是动态的，irys目前并没有价格优势，其主要优势还是在于数据的可编程性； 总结：目前测试网具备一定的规模； 临时存储场景下，价格对比filecoin无明显优势，如无明显的AI需求，Filecoin还是具备一定价格优势； 永久存储对比Arweave价格明显； 目前性能的优势在测试网的低流量环境下无明显体现。 5. IRYS开发与生态 · 生态： 从官网信息可以看到，大部分的生态应用还是集中在AI应用层和infra层；这其中不乏BASE，APTOS等强大公链以及warden, Openledeger等优秀AI应用；consumer和DEFI也有一些项目接入，其整个生态已经比较完善，佐证了其在“存储+执行”这一特殊赛道的领导力； · APP开发： 多达54个repo，确实工具箱比较完备了，SDK支持python, rust,JS等主流语言；对开发者比较友好； · 文档： 分为两部分，分别是学习部分和build部分，其中学习部分主要是关于irys数据链的介绍，包括了架构，网络，协议等等，内容非常详细； build部分，主要是给开发者使用，分成了存储部分和可编程性两部分；从功能，SDK，API，CLI到quickstart，文档非常详细，这块可以说对阅读和使用者非常友好了； 另外就是看了一下，官方说明支持从测试网到主网的平滑数据迁移，意味着开发者和使用者可以将APP无缝完成从测试网到主网的迁移，好评。 6. 思考 感觉上IRYS在去中心化 AI 应用的存储和计算整合方面跟0G_labs项目是有一些共通性的。 两者都具备区块链在数据存储和计算整合方面的能力； · 机制差异： · IRYS通过其高性能执行层(IrysVM)将传统的静态数据转变为可编程的、主动的逻辑组件，解决传统区块链存储和计算分离而导致的性能问题； · 而0G_labs项目则通过模块化的架构设计，将数据可用层(DA),存储层(Storage)和计算层(Compute)分离, 模块之间协同作战，优化AI在链上的应用。 · 定位差异： · Irys 强调可编程数据和低成本实时性，适合普通开发者，中小型项目，更偏向于实时性要求高的小规模AI动态场景；但是其吞吐量比较 #0Glabs 的 50GB/s 偏低，在大规模AI场景下是无法处理的。 · @0G_labs 强调模块化 AI 操作系统和高吞吐量，适合大规模、企业级 AI 应用，更偏向于AI训练，AI推理等大规模数据量场景； · 合作可能： · 两者在某些层面是可以通过合作来提升潜力的，例如irys的可编程性存储可以作为0G storage的补充，0G 的 DA 和 Serving 框架可增强 Irys 的 AI 推理能力，通过生态整合互惠互利。 #0g #0GLabs #Irys #KaitoAI

今日总结： 1. #0GLabs 官方宣布85%的空投给前6个月的积极建设者，而且明确肯定超过100人；只是不知道能覆盖多少人，希望能像前期的 @MagicNewton @defidotapp 一样能来个阳光普照，毕竟大项目要有大格局吗，哈哈； 15%给8.26-9.5之间的TOP888 yapper，这数字真吉利啊，而且时间还很充足，估计都要躁动起来； 官宣之后，热度猛涨，mindshare目前已经涨到前四，明天起来估计会冲前三甚至第一； 2. #Anoma 测试网马上结束，参与测试网的估计要麻了； 本人在小孩桌，不知道有没有一碗汤喝一下； 3. #KAITO 的AI还是相当智能，昨日手写了一篇关于 @0G_labs 的 INFT相关文章，而且还拿到了华语区负责人 @Jtsong2 的评价，分数一天涨了11分，希望 @KaitoAI 尽快将我从小孩桌挪回大人桌，谢谢 4. 听说腰部的KOL都是月入40W+的，胸部KOL至少月入 50W+，脖子部KOL就得80W+， 头部KOL得月入 100W+， 真是好令人羡慕啊 5. 听说币圈大V有瓜吃，嗯，坐等时间发酵。 #KAITO #0GLabs

最近都在晒KOL收入，作为一颗根正苗红的韭菜来说，看 看热闹，羡慕的同时，看看哪个KOL比较好舔啊，哪个 KOL还有红包发啊才是正经事。 明明嘴撸当个副业来搞，结果比上班还累，太卷了，一天 不写，排名框框往下掉，这两天掉的比阿三一年的飞机掉 的还多； 然后就是继续默默耕耘了，还是 #allora ； 学习了一下其核心机制Proof of Intelligence，感觉这个大 概会是以后DEFAI项目的基于贡献奖励的基础模块了； 1｜什么是POI POI的核心机制在于基于AI准确度贡献的一种奖励机制，这 点是其与POS和POW的本质区别所在； 在AI+web3逐步融合发展的情况下，如何衡量各个AI Agent或者AI 模型的贡献来进行贡献分配将是一个非常重要的问题，POI的出现将AI的贡献按照准确度分发将为其他的项目提供直接方案或者思路； 2｜POI核心机制 在 @AlloraNetwork 中，工作者是按照主题生成预测，然后allora系统会在收集预测结果后，进行遗憾计算，就是将旧误差和新误差进行对比，来计算工作者的遗憾值； 而在最终的合成预测时，就会根据这个遗憾值来赋予各个工作者不同的权重来进行最后的加权计算； 而在最后的奖励分配时，还引入了“Shapley 值”来进一步计算每个工作者的实际贡献，就是缺失了某个工作者后整体准确度的变化情况； 通过这种层层推进的设计，将奖励实际分配给结果更准确的AI，这种设计相比POS和POW更加适应于AI时代； 3｜实际使用情况 目前Proof of Intelligence (POI) 已从专有共识机制演变为可复用的基础设施模块和 SDK； 其中Lightchain AI和ChainOpera AI已经集成POI，未来会有更多的AI项目接入。 #allora #alloranetwork @AlloraNetwork #Kaito

V神 @VitalikButerin 刚刚提了一嘴需要开源且可验证的自 动驾驶，吓得我抓紧查了一下最近的自动驾驶概念的项 目，果不其然，都不认识，😂 TIPS: @vohvohh 有提到 Toyota Blockchain Lab 与 Avalanche @avax 合作发布了白皮书和原型项目—— Mobility Orchestration Network (MON) cc @Nao_Ueno @takuma_2b5d4 但是我查到了一些关于车辆自动驾驶的一些信息； 1️⃣V2X车联网需求上升：自动驾驶的数据共享需求在上升，因自动驾驶的安全性，越来越多的数据如位置信息，交通状况等都需要共享以帮忙AI更好的规划路线； 2️⃣CAVs的快速发展：在 CAVs（连接自动车辆）中，结合传感器数据和V2X数据的端到端驾驶自动化发展越来越快，ML模型的决策影响L3的发展； 3️⃣安全法规：SAE J2735、欧盟 EN 302 663都对数据的安全隐私提出更高要求； 从这三个需求分析，#brevis 的高性能 ZK大概率未来会扩 展到车辆自动驾驶领域，brevis的高性能ZK将在如下方向 发挥重要作用： 🔥CAVs的ML模型验证：在CAVs中，Brevis的off-chain计算，可以高速验证ML模型结果的输出，保证数据的合规和安全。 🔥数据隐私处理：V2X的大量数据处理，例如位置信息，交通信息等，可通过brevis的ZK技术实现隐私化处理，使其符合安全法规，并同时保证了数据的实时证明； 🔥V2X车联网通信的边缘化发展：Brevis 的低开销实时证明可支持边缘设备，例如车载ECU生成 ZK 证明，以支撑V2X的高速发展。 #Brevis #BrevisZK @brevis_zk #KAITO #ETH

《portal对比传统跨链桥安全对比分析》 1. 攻击数据统计 基于行业内的安全统计报告， 包括Chainalysis, Elliptic, Immunefi等公司的统计， 跨链桥因黑客攻击造成的累计损失总金额已超过 35 亿美元。 这个数字目前仍在持续增长，好消息是单次攻击的规模慢慢在减小，但攻击的频率依然很高； 再来看一下DeFi安全领域的占比： 跨链桥攻击是整个 DeFi 领域中损失最惨重的单一类别； 尤其以2021和2022年最为惨重，跨链桥被盗资金一度占据了DeFi领域所有被盗资金总额的50%～70%； 攻击事件数量： 已知的、造成显著资产损失的跨链桥攻击事件已超过60起，算上未统计的，小众的攻击，只会更加夸张。 2. 为何安全攻击集中在跨链桥 这也是大家都集中关注的点，那么多项目，为何跨链桥是黑客们重点关注的对象？弄清楚这个问题，我们需要从两个方向来看，其一，为何黑客会盯上跨链桥？其二，跨链桥的风险有哪些？ 统计了一下，原因大概有如下几点： 巨大的资金池效应：跨链需求是巨大的，我们来看一组数据，根据defillama专业的统计数据，单日的跨链金额就高达1000M，而单月更是高达13.5B；这种巨额的资金效应自然引发黑客的重点关注； 技术复杂性风险：跨链桥本身就需要与多种不同机制的公链进行交互，其组件繁多，包括部署在多种公链上的智能合约，以及部署在链下的验证者节点、预言机等模块，还有用于验证签名的多种密码学机制的加密层，其完全可以称之为一个巨大的工程；工程中的任何一个步骤或者模块出现问题，都可能导致巨大的财产损失。 中心化风险：跨链桥的运作模式是将大量原生资产（如BTC、ETH）锁定在源链的一个智能合约地址中，然后在目标链上生成等量的映射资产；这种模式使得跨链桥在设计上就存在中心化的风险，一旦源链的智能合约被攻击，所有锁定的资产都可能面临风险；另外很多跨链桥的验证者节点数量有限，且往往由少数实体控制，这进一步增加了中心化风险。 项目风险：部分项目可能过早上线，未经过充分的安全审计和测试就投入使用，导致潜在的安全漏洞被黑客利用。 3. 跨链桥重大攻击事件分析 我们来回顾一下过去发生的几起重大跨链桥攻击事件，以便更好地理解其安全风险。 著名案例1：Wormhole 被盗 3.26 亿美元 (2022年2月) 攻击详情： 输入验证不足。Wormhole 在 Solana 链上的智能合约有一个 verify_signatures 函数，用于验证来自守护者（Validators）的签名，从而授权铸造代币。攻击者利用了该合约的一个漏洞，他们调用该函数时传入了一个伪造的系统账户地址，而非 Solana 官方的指令账户地址。由于合约未能严格验证传入账户的权威性，导致攻击者成功地绕过了签名验证过程，凭空为自己铸造了 12 万枚 wETH（当时价值 3.26 亿美元）。 著名案例2：Poly Network 被盗 6.11 亿美元 (2021年8月) 攻击详情： 逻辑错误。Poly Network 的一个核心系统合约中，存在一个可以修改公钥列表的特权函数，这个函数本应只能由管理员调用。然而，由于合约逻辑上的一个缺陷，攻击者发现他可以通过跨链消息，调用这个本不应被外部调用的特权函数，从而将合约的“守护者”公钥修改为自己的地址。获得控制权后，他便可以随心所欲地转移合约中锁定的所有资产。 著名案例3：Ronin Bridge 被盗 6.24 亿美元 (2022年3月) 攻击详情： Ronin 桥由 9 个验证者节点控制，任何一笔提款交易都需要其中 5 个节点的签名批准。攻击者通过复杂的社会工程学攻击，成功控制了 Sky Mavis 公司（Ronin 的开发者）的 4 个验证者私钥，以及 Axie DAO 的 1 个验证者私rayed。凑齐了 5/9 的签名授权后，攻击者分两次批准了两笔巨额提款交易，盗走了 17.36 万 ETH 和 2550 万 USDC。这次攻击完美暴露了验证节点不够分散以及私钥管理不善所带来的中心化风险。 著名案例4：Harmony Horizon Bridge 被盗 1 亿美元 (2022年6月) 攻击详情：Horizon 桥采用了一个 2/5 的多签钱包来验证交易。攻击者通过入侵工程师的电脑等方式，窃取了其中两个私钥。拿到两个签名后，他们就可以批准任何伪造的提款消息，从而盗取资产。虽然根本原因是私钥安全问题，但其表现形式是批准了伪造的跨链消息。 著名案例5：Nomad Bridge Bridge 被盗 1.9 亿美元 (2022年8月) 攻击详情：Nomad 团队进行了一次常规合约升级导致引入了智能合约的漏洞，攻击者只要构造格式正确的消息就可以被合约执行，由此引发了一系列的群体性洗劫； 另外Multichain (原 Anyswap) 在 2023 年7月发生的事件，导致超过 1.25 亿美元 资产被异常转移，后续项目停摆，总计超过 10 亿美元 的资产被无限期锁定。 事件详情：2023年7月，在Multichain CEO失联后，超过1.25亿美元的加密资产从Multichain在Fantom、Moonriver和Dogechain上的跨链桥被异常转出。这些交易拥有合法的签名，看起来像是正常的跨链操作，但显然未经授权。 后续经调查，原因在于Multichain所谓的“去中心化”验证者网络，其正常运行所必需的MPC节点私钥分片，实际上都存储在由CEO一人控制的云服务器上； 4. 跨链桥安全风险点统计 那么从以上重大事件中，就可以得知目前跨链桥的风险点集中在如下方向： 1️⃣智能合约漏洞 (Smart Contract Vulnerabilities) 由于跨链桥两端的智能合约（资金池、金库、验证逻辑合约等）掌管着巨额资产，因此也是最容易被利用的攻击方向 从历史数据来看，智能合约的核心机制，逻辑错误，验证不足等等都会成为攻击点； 2️⃣私钥泄露与中心化风险 (Private Key Compromise) 许多跨链桥，尤其是采用多重签名（Multi-sig）或 PoA (Proof-of-Authority) 共识的桥，其安全性高度依赖于一小组验证者或管理员的私钥。一旦这些私钥被盗，整个桥的资产安全将毁于一旦。 攻击者往往通过网络钓鱼、服务器入侵、社会工程学或内部作恶等方式，窃取控制跨链桥资金池或验证节点的多数私钥。 3️⃣验证者共识操纵 对于去中心化的跨链桥，其安全性依赖于一个诚实的验证者网络。验证者负责监控源链事件，并将其诚实地报告给目标链。如果这个共识过程被操纵，后果不堪设想。 攻击者通过控制大多数验证者节点（例如超过 2/3 的权益），或者利用验证者软件中的漏洞，向目标链提交一个虚假的、从未在源链上发生过的事件（例如一笔伪造的存款），从而欺骗目标链上的合约释放或铸造代币。 4️⃣ 跨链消息伪造 (Cross-Chain Message Forgery) 这类攻击往往是目标链上的合约在验证来自源链的消息的漏洞，攻击者可以伪造一个“合法”的消息来欺骗合约的方式完成。 5. Portal对传统跨链桥安全风险点的处理 Portal安全提升的核心思想，并非是在传统跨链桥模型上“加固”，而是彻底抛弃了“授权-验证”模型，回归到比特币原教旨的“点对点加密验证”模型。 1️⃣ 针对“智能合约漏洞”的安全提升 Portal直接抛弃了智能合约这一巨大资金池的行为，其跨链是通过比特币原生脚本实现的，而用户交互等复杂逻辑都在链下的去中心化网络中实现，其核心思想与传统的跨链桥完全不同，从根本上杜绝智能合约的漏洞风险。 2️⃣针对“私钥泄露”的安全提升 在 Portal 的模型中，用户始终掌握着自己资金的私钥。在portal网络中，是没有中心化的私钥管理机制的，交易都是点对点的； 另外就是针对权限，portal网络中没有管理员类角色，负责处理订单的节点，作用只是广播订单，无权限进行用户资产处理。 3️⃣针对“共识操纵”的安全提升 Portal 采用了原子互换，其不依赖于任何外部验证者，交易的合法性是由交易双方直接在各自的区块链上进行加密验证的，从根本上消除了验证者这一角色，也就不存在共识操纵的风险。 4️⃣针对“消息伪造”的安全提升 portal的原子互换中，是不存在需要验证其“权威性”的复杂跨链消息的。 其验证机制与原始跨链桥有着本质上区别：传统跨链桥需要验证跨链消息的签名是否权威，而原子互换的验证仅仅是哈希值的简单验证，这种验证是完全点对点的，且不依赖任何第三方，因此不存在伪造的可能性。 6. 总结 Portal对比传统跨链桥安全处理，是核心思想上的转变，其本质是通过回归比特币的“点对点加密验证”模型，抛弃了传统跨链桥的处理机制，从而消除了许多传统模型中的安全隐患。 #BTC #Portal #portaltobitcoin #KAITO #KaitoAI @PortaltoBitcoin #Bridge

浅谈INFT的发展 1. 何为iNFT？ 简单来说，iNFT是将人工智能与传统的NFT进行融合的新兴产业，它能够将传统NFT的静态的数字资产转变为由AI生成的动态、互动且具有“个性”的有一定智慧的实体。 作为传统NFT的进一步发展体，iNFT通过AI技术将NFT从传统的静态图片，视频等数字艺术品范畴扩大为具备执行力，互动，情感等一些列动态元素的智能体，例如Ai Agent就可以作为INFT的智慧体； 在技术架构上，iNFT与NFT也是截然不同，不同于NFT的简单的链上存储，INFT不仅拥有链上存储，而拥有者链下数据：例如链上的NFT代币仅作为所有权凭证，而具备执行能力的AI模型则运行在链下。 2. iNFT在现实场景中的应用 iNFT自提出以后，在真实场景中已经有了各种应用，主要包括： 游戏与娱乐：通过AI加持，NPC角色可以根据玩家的习惯进行更加精细化的调教，成为更具个人特色的NPC；而这些NPC，可能也可以像皮肤一样在游戏内进行交易，使其具备更加通用价值； RWA：现实世界资产（RWA）领域，AI Agent的快速发展使得智能投资顾问成为一种新型发展趋势；而AI Agent本身就是INFT的一种，其可以为用户提供投资策略；另外也可以直接为大客户生成专属的AI Agent； 随着技术的发展，INFT越越来越多的渗透到各个行业中。 3. iNFT市场规模 INFT作为NFT的进一步发展，其市场潜力是巨大的；据相关统计，2023年，全球NFT市场估值为269亿美元 ，并预计在2030年增长至2117亿美元； 再来看一下NFT目前在各个领域中的实际规模： 参考coinlaw.io/nft-market-gro…的统计数据，如下： 工具类：专门用于生成AI驱动NFT的工具市场占比超10%； 游戏类：2025年，游戏类NFT占全球NFT交易量的25%； RWA：虚拟地产等现实世界资产（RWA）类NFT占比超10%，市值超过14亿美元； 而工具类，游戏类，RWA等相关NFT会随着技术革新发展，慢慢的转向INFT，INFT的增长潜力是巨大的。 4. iNFT的限制 尽管iNFT前景广阔，但INFT目前存在着如下问题： 所有权与版权问题：不同于传统NFT的简单所有权，INFT的所有权是个复杂的问题，INFT的所有权归属到底是持有者，还是算法提供者，这很难界定； 中心化风险：目前推动iNFT的AI模型和算力资源集中于云服务提供商，因此INFT的创建和维护成本都很高，另外云服务提供商的集中化也使得INFT的安全性存疑； 转移困境： 传统NFT通过智能合约就进行所有权转移；但是INFT不同，其不仅仅是链上的存储凭证，其链下核心的AI模型，数据，记忆等等，是无法通过传统NFT的方式进行有效转移的。 5. 0G针对iNFT的技术解决方案 针对INFT的一系列限制与困境，0G Labs通过其模块化的架构和新兴的技术标准对INFT的发展有效的奠定了基础。 完整的转移方案：0G 提出 了ERC-7857 标准，其定义了一套完整的iNFT转移流程，其能够保证INFT的转移不仅仅是链上的存储凭证转移，还包括了完整的链下数据的转移； 数据可追溯性：0G的数据可用性层和存储层，为AI模型的训练数据提供了一个去中心化、可验证的永久记录。这为未来建立一个可追溯的模型来源和数据来源的框架提供了可能； 6. iNFT的具体转移步骤 加密与承诺（Encryption & Commitment）： Ai Agent的隐私数据会进行加密，然后将这个加密数据生成一个原始证明，以供后续转移使用； 安全转移启动（Secure Transfer Initiation）： 当INFT进行出售时，原始加密的数据会在一个安全的沙盒环境中进行解密，以保证其数据的完整性和隐私性。 为接收者重新加密（Re-encryption for Receiver）： 预言机为接收者（iNFT的新主人）生成一个新的加密密钥。 它使用这个新密钥重新加密元数据，并将新的加密数据和其哈希值发布到去中心化存储系统（如 0G Storage） 。 密钥交付（Key Delivery）： 为了确保只有新主人能访问元数据，新的加密密钥会被用接收者的公钥进行加密 。 这个加密的密钥会作为 NFT 转移过程的一部分被交付给接收者 。 验证与完成（Verification & Finalization）： 智能合约会验证多个证明 ： 发送者（旧主人）的访问权限证明。 预言机验证元数据匹配的证明。 接收者签署的确认凭证，表明他们可以访问新加密的元数据 。 如果所有证明都有效，NFT 的所有权就会被转移，同时接收者获得加密的密钥 。 权限授予（Access Granted）： 接收者使用自己的私钥解密收到的元数据密钥 。 一旦获得密钥，接收者就可以完全访问 AI 代理人被加密的智能部分 ，从而完全掌控和使用这个 iNFT。 7. INFT未来 INFT的发展已经将NFT的逻辑改变，后续随着AI在各行业的蓬勃发展，可预见的是INFT也会逐步渗透到各个行业，并且INFT可能也会是元宇宙与真实世界链接的桥梁，其赛道相比于RWA更加宽阔， 可以预见的是INFT后面将会呈现爆发式增长；0G作为INFT的技术方案先驱者，已经为INFT的发展成熟奠定了坚实的基础，INFT的发展壮大也会为0G打开生态发展的天花板； #0GLabs #INFT #KaitoAI #Starboard @0G_labs @Galxe

最近 @0G_labs 项目动作频繁, 不管从HUB更新，还是项目YAPPER排行榜的门槛调整，OG项目方对于社区都是越来越重视了； 0G的技术革新也是吸引了很多媒体的关注，看一下这篇采访，创始人 @michaelh_0g 的很多观点都是富有远见和建设性的； 1）0G chain称之为"Solana for AI" , 这里创始人将0G chain在AI的地位类比于Solona在公链的地位， 除了都具备高性能的交易处理能力，个人觉得还有一个相似之处就是相比于solana可以说是meme发展的温床，其将meme的创造和发展推向了一个高潮；而0G chain的模块化架构设计，其对于web3的AI来说，也是提供了一个优秀的发展平台，借助于0G chain专为AI生态设计的高性能AI操作系统(DeAIOS)，AI生态将在web3发展壮大； 2）创始人对于AI发展的瓶颈，不同于传统认为的GPU/CPU计算资源，其更偏向于数据可用性，价格和带宽的限制；原因就在计算资源随着英伟达等厂商对于芯片的快速发展，GPU/CPU计算资源呈现规模化的发展；但是AI对于数据的要求是海量的，而目前数据的呈现是碎片化和中心化的，目前是没有基础设施能够支持AI快速的的规模化的处理这些数据，带宽成为了数据传输的关键限制； 0G项目通过DA层来提供高速、无限可扩展的数据可用性，通过优化算法，共识机制来减少对带宽的依赖，而经济层面又通过去中心化的存储来大幅度降低成本，其这种模块化的高性能AI操作系统为AI的训练，推理，运行提供了优秀的发展土壤。 而最近0G在1G的低带宽下成功在DiLoCoX 框架下训练的1070亿参数的大模型充分证实了 0G的技术的成熟性，DeAIOS已经为AI在web3的快速发展做足了准备； #0GLabs #KaitoAI

听劝的项目它就是好项目： 刚刚发现，我的 #warden 排名也回来了 然后去 #KAITO 官网看了一下，小孩桌已经取消了 项目方听劝啊，确确实实在为真实贡献者考虑； 最近 @wardenprotocol 项目方也踏踏实实在前行，Agent 集成了DeBridge，Jupitor和Messari； 测试了一把Messari的功能，咨询了一下 @0G_labs 项目的 生态系统调研，结果还是非常专业的，从项目概述，核心 技术，生态亮点(社区激励，合作方，融资，成长)， 大事件时间线等等方向给出了全面的分析，从分析到生成 报告很流畅，就是这收费确实有点贵，单次 $0.25; 最后想说的是，根据 chainalysis.com/reports/ 上面的加密行业安全报告，AI确实给行业带来很快的发 展，尤其是在DEFI行业，DEFAI的概念正在逐步的落实， 但是同时DeFi 平台相比于其他更容易受到攻击，其中一部 分原因在于其开发者倾向于优先考虑快速增长和产品上 市，而非实施和维护强大的安全措施；AI的不确定性如果 在DEFI中不严加约束范围，很容易造成不可逆的损失；因 此DEFAI的发展需要精耕细作，#warden 的SPEX 配合上 新兴技术的发展，例如 @tenprotocol 的TEE，ZKS的发 展，给DEFI行业带来更安全的保障；因此慢一点，稳一稳 才能发展的更好； #0g_labs #KaitoAI @0G_labs

真的无奈了啊，自从写 #portaltobitcoin 开始，于我而 言，yaps分数是嘎嘎📈 然后心智排行榜是死活上不了榜，你要问我为啥？ 因为Yaps和minshare是两回事啊， mindshare衡量的是项目内部"话语权占比"，而yaps衡量 的是全平台影响力，所以想增长yaps就多写深度一些的内 容就好了，minshare除了自己努力，还得看对手； 但是很好玩的一点是，虽然 @PortaltoBitcoin 我没上榜， 最近Kaito的小孩桌那是稳稳的往前跑 我都怀疑给我算到Kaito项目里面去了； 说回 @PortaltoBitcoin ，扒了一下7D排行榜，作为华语区 的代表，小恐龙 @xingxingjun8888 已经化身暴君恐龙， 将所有大佬按在地上摩擦， 其他华语KOL少的可怜，而且大部分都在下滑，韩语区夸 张的很，只能说 $PTB 上线韩国交易所能量太大了。 然后 $PTB 这两天价格表现挺优秀的，在大盘下跌的三天 内，一直稳定在0.06～0.07之间震荡 最后看到官方文档中对于 $PTB 的代币经济分析中，有专门指出验证者的奖励信息，重要如下如下： 1）去中心化交易所的每日交易量合计约为 45 亿美元，平均费用为0.18%；Portal作为DEX，其交易费用将低于这个价格以吸引更多用户，例如0.125%； 2）Portal 支持的 Layer 2 交易效率远高于其他去中心化交易所，技术分析中有说到依托于利用 EVMOS 构建的 Notary Chain，Portal的交易效率是惊人的； 3）在去中心化交易所交易量逐渐提升的前提下，以 10%为界限，前 12 个周期内大约相当于燃烧 1 亿美元的 PTB，同时预计在前 12 个周期内将向验证者分配 1 亿美元。 如上优势结合，就会使得项目吸引更多用户，燃烧代币产 生更多费用收入，实现“更高收益 > 更多 TVL > 更高收 益”的正向循环。

《卡拉米冲yaps分数小攻略》 我说的吧，冲yaps还是有点经验的，昨天写了一篇 #brevis 的文章， yaps直接冲起来了 很久很久以前，ICT大佬们就发现了，yaps跟mindshare是分开计算的，没啥关系； 所以冲榜的话，yaps分数是不重要的，榜单看的是mindshare； yaps目前除了门槛之外，就剩一个好听点的作用就是判别个人推文写作能力了，因为用心一些，真的有大佬会主动关注的； 那怎么冲yaps？ 于我而言，与ICT的互动是一方面，更重要的是推文，每个人都有自己的特长，在特长范围内写 一些原创文章，要逻辑清晰，有理有据，可以借助AI补充，但是不要大幅抄袭AI，简单来说，就是要花心思，花时间，比冲mindshare更要花点功夫； 好了，牛逼吹完，继续写我的 #Brevis ；最近官方推出了 新活动，好多人已经开始写了： proving-grounds.brevis.network/gwE8DS 都是一些推文的活动，点点小手指头就行了 昨天说到brevis是 BNB chain的战略合作伙伴，那么自然BNB chain的很多生态项目是必须合作起来的，尤其跟binance labs相关的项目； 目前官方blog显示的合作项目主要有： @PancakeSwap 和 @kernel_dao , 先仔细剖析一下跟Kernel的合作 看blog的说法，叫做通过kernel的再质押来释放BNB的潜力； 深挖一下，来看看brevis跟kernel的合作到底怎么释放BNB潜力的？ 1｜Kernel的再质押情况 在合作之前，kernel的再质押最重要的问题是链内限制，再质押仅限于 BNB Chain 上部署的应用； 不管是RWA，还是NFT，DEFI等等，生态最强的都是ETH链，只有将BNB的再质押能力扩展到ETH链，才能真正释放BNB的潜力； 那么制约kernel再质押的链内限制的原因是什么？ 首先就是信任与中介依赖，要将BNB的再质押能力扩展到ETH链，必须要有一个可信的中介，来保证BNB的安全性, 这同时又引入了信任问题； 其次就是跨链桥的安全性问题，跨链桥本身就存在被攻击的风险，尤其是像BNB这种大额资产的跨链桥，更是黑客的重点攻击目标； 然后还有双向的不完整性，BNB链和目标链的状态情况无法同步，导致双向 Slashing无法实现； 2｜Brevis的解决方案 ZK Consensus Proofs：Brevis 开发了 BNB Chain上最快的Tendermint 和 PoA Light Client，这种技术允许其他链“镜像” BNB 的共识结果，而无需全节点同步。 状态镜像（State Mirroring）：通过 Sparse Merkle Tree (SMT) 根哈希，将 Kernel 的再质押合约状态镜像到目标链。ZK证明验证状态真实性，无需暴露细节。 信任less 双向通信：brevis的go sdk保证了智能合约进行跨链访问状态、交易和收据时，将复杂计算转为可验证 ZK 电路输出。解决了中介依赖，实现“零信任”扩展。 性能优化：off-chain 计算和ZK 证明生成，减轻链上负担，提高效率和可扩展性。on-chain 只需验证 ZK 证明，确保安全性。 简单总结： brevis将BNB链的再质押合约状态通过独有的ZK证明的方式镜像到目标链，并且提供了SDK保证智能合约可以跨链访问状态、交易和收据，实现了信任less的双向通信，解决了跨链桥的安全性问题，同时通过off-chain计算和ZK证明生成，提升了性能。 3｜具体流程 1️⃣再质押有效性证明生成： Brevis 的 Light Client 监听 BNB 链上的再质押合约事件，生成 ZK Consensus Proofs 证明，证明再质押操作的有效性。 2️⃣目标链状态镜像验证： 目标链接收再质押合约状态的SMT根哈希，通过Brevis 的 ZK Data Coprocessor 镜像 Kernel 合约状态，生成ZK证明，目标链进行验证； 3️⃣目标链执行： 目标链 dApp 使用镜像状态执行操作 4️⃣双向 Slashing情况： 当 BNB 链上的再质押者被 Slashed 时，Brevis Light Client 监听到事件，生成 ZK 证明，目标链验证后，对应的再质押者在目标链上也会被 Slashed。 而当目标链上的再质押者被 Slashed 时，Brevis Light Client 验证目标链的 Slashing 事件，生成 ZK 证明，BNB 链验证后，对应的再质押者在 BNB 链上也会被 Slashed。 通过Brevis Light Client 和 ZK 证明，解决了双向的slashing问题，实现了跨链的再质押能力 4｜疑问 Brevis 的Tendermint 和 PoA Light Client 在 github只并未找到，猜测可能是私有的, 并未开源，也许是因为涉及到核心技术？ #Brevis #brevis_zk @brevis_zk #KAITO #KernelDAO

《如何用一句话获得ICT关注》 吹牛之前，先上图： 都知道KAITO的ICT权重很大，所以获得ICT关注是有些难的，当然我这是运气好，刚好抓住机会了； 起因是我喜欢去逛一些技术大佬的帖子，然后自己熟悉的技术领域就会去发个言啥的，毕竟除了学习之外，还能混个脸熟； 然后昨天正好大佬们都在看brevis这个项目，正好自己在撸这个，也是仔细研究它这个项目以后，补充了一下brevis的路线图，就获得了alvin大佬的关注；由此感谢众位大佬们 的关注和帮助！！ 简单总结，就是在恰当的时候，能够表现自己在某一方面的特长，大佬们会关注的； 好了，吹完牛，再继续卷一下 #allora，在前阵子排行榜卷到60名左右以后，又掉回70多了，补上一篇； 最近发现AI领域的项目领导者中，出现了天体物理学顶尖科学家的身影； 从 #allora 的首席科学家Diederik Kruijssen博士，到X上知名的意见领袖 @_sumeetc， 都有着天体物理学背景； 两位的研究领域并不完全相同，Diederik Kruijssen博士主要研究星系形成和演化，而 @_sumeetc 则专注于黑洞和引力波的研究。 而这些领域的研究，都需要建立各种模型来处理和训练宇宙学中的大量数据，并进行概率统计和复杂运算，最后进行推理，这正好与AI技术的发展需求相契合； 因此，这些天体物理学家在转向AI领域时，能够将他们在处理复杂数据和建立模型方面的专业知识应用到AI技术的开发中； 正如Diederik Kruijssen博士一样，将处理宇宙大数据和复 杂模型方面的经验，直接应用于去中心化 AI 网络的算法设 计和参数优化上，这也是奠定Allora技术基础的那篇论文： --《关于优化去中心化在线学习的研究》的由来。 那么这种跨领域的知识迁移，有没有案例呢？ 还真有，例子包括了做模块化数据可用性的 @celestia 项 目负责人Mustafa Al-Bassam博士，其于2017年发表的 《延迟可验证数据可用性（lazily verifiable data availability）》论文， 直接成为了 Celestia 核心技术 数据可用性采样（DAS） 的理论基础； 另外还有 @Filecoin 的联合创始人Juan Benet博士，其在 数学和密码学领域的深厚背景，使其能够进行复制证明 （Proof-of-Replication） 和 时空证明（Proof-of- Spacetime）这种创新性技术的开发；而两者也成为 Filecoin 的核心机制； 这些案例都表明，跨领域的知识迁移能够为AI技术的发展 带来新的视角和创新思维，从而推动整个行业的进步； 而且这种技术驱动型的创新都带动的是项目的成功，那么 作为去中心化AI的典型代表 #allora， 其带来的AI预测能力的技术创新值得关注。 #allora #KAITO @AlloraNetwork

终于拿到了OKX BOOST的第三期空投，价值14刀，🎉 然后看到了如下一张表，嗯，护士还是那个护士，拜拜了 您呐！ 最近 @AlloraNetwork 也是卷的很，写了四五篇了，上不 去榜单，识别肯定是识别了，贝叶斯的那篇YAPS加了10 分，只能说YAPS和mindshare的计算方式是不一样的，不 够优秀就只能努力，还是是前500名，还是有的玩的。 因为 #Allora 主要是去中心化模型协同作战方式，所以就 来对比一下类似的Agent Swarm以及MCP方式； 先看 #allora， 其基于主题为导向的AI协作，包括 了模型协作，评估对比，推理聚合以及贡献激励等； 模型协作主要就是Workers(ML模型)生成推理，互相预测 对方准确性，其主要优势在于动态权重分配以及实时适应性 评估对比主要是Reputers对推理结果评分，优势在于基于 真实结果验证 聚合协议的话，主要是基于预测损失和历史声誉的加权平均，优势在于对上下文进行感知合成； 贡献激励就是基于如上进行差异化激励； 目前统计的信息在测试网生成超过6.92亿次推理，拥有28.8万+活跃Workers，推理损失下降了两个数量级。 所以总结一下就是在Allora network中，各个AI模型是协作与竞争关系，通过Reputers对模型进行对比评分然后进行内容聚合，同时对于各AI模型进行激励；而精于预测市场； 然后看下MCP，MCP是一种主流的工具间的协同，其实跟这种AI模型的协同是不一样的，其协作组件包括HOST，CLIENT，Server；协作方式主要是间接协作，通过共享服务器实现；是一种代理-工具的标准连接方式；MCP更加侧重于工具驱动，广泛应用于企业自动化； 最后就是Agent Swarm，多代理间的直接协作方式； 也是现在很多项目采取的方式，其协作方式包括Handoffs，并发工作流等等；其主要目标在于Agent间的编排协调，通过层次化的架构，各个Agent之间直接通信来实现其目标； Agent Swarm的优势在于Agent之间复杂编排的灵活性(包括并行工作流、投票机制等等)，各个Agent之间是标准的合作关系，各司其职，不存在竞争内容，应用场景更加通用，包括DeFi协议间协调流动性优化，资产协调管理等等； 所以其实Allora Network、MCP和Agent Swarm在AI协作 领域并不是竞争关系，反而可以生态互补： 利用Allora 网络进行去中心化预测，MCP实现工具标准化，Agent Swarm进行协调编排，构建完整的协作AI系统架构； 另外 #alloranetwork 其实已经提供了MCP的工具： allora-mcp-server，为AI系统提供访问Allora去中心化预测网络数据的标准化接口； 通过这个工具，Allora实现了从封闭的预测网络到开放的AI协作平台的转变，任何开发者都可以通过标准协议获取网络的集体智慧； #KAITO @AlloraNetwork

一天不写，排名嘎嘎的往下掉，鉴于 #allora 的爆火情况，感觉用图片的形式来解释allora项目的特点更加清晰易懂 1｜去中心化AI预测 你看，我让各大网站对 Allora这个名字进行吉凶预测，不 偏好某一个网站，这就是去中心化的预测； 2｜上下文感知能力： 这里的特点在于某个预测节点提交预测结果的时候，还需 要预测其他节点的内容；用下面的连环画解释： 3｜情境感知预测（Context-Aware Prediction）： 不参考模型的历史表现，而是评估模型在当前特定情境下的表现潜力 以上图的的后宫闲谈为例： 在这个特定情境下，那肯定就是宦官在这个场景下表现最佳，即使文官武将以前表现多么突出，贡献有多么大，在这个场景下那就是不行，😂 #allora #KAITO @AlloraNetwork

#Openmind ---中心化与去中心化对立的延续 ▶︎▶︎ 中心化与去中心化的对立 AWS大宕机引发了中心化与去中心化的激烈讨论，而这场中心化与去中心化的对立从BTC就开始了； 这两年来，随着技术的快速更迭，尤其AI的快速发展，中心化与去中心化的对立已经延伸到AI领域 从chatgpt,gemini,grok等传统科技巨头的大模型到以 #Sentient 为代表的去中心化AI模型， 关于AGI的未来属于中心化还是去中心化也是甚嚣尘上。 ▶︎▶︎ 机器人领域的对立 而OpenMind的出现，将去中心化和中心化的对立延伸到了机器人赛道； 先来看下OpenMind，其致力于推动开源、透明的通用机器人大脑的生态系统；在我看来，OpenMind是搭建了一套为RaaS (机器人即服务)而服务的底层生态系统； 而这种理念，天生就有现有的机器人龙头公司存在着理念上的冲突； 例如：特斯拉完全拥有着机器人Optimus 的“大脑”， 从硬件到软件都是一种闭环的生态，其底层的为机器人服务的AI模型也是独有的、封闭的，这是其核心竞争力。 无独有偶，亚马逊和 iRobot 的 RaaS (机器人即服务) 模式依赖于专有软件和定制硬件来维持高价值。 而openmind通过开源的机器人操作系统OM1 + 去中心化的协调层FABRIC，将机器人的生态系统完全开源化，去中心化； ▶︎▶︎ openmind未来发展： 正如AI的去中心化和中心化的对立一样，openmind的产品也同样会与特斯拉，亚马逊等形成竞争关系，然对于蓬勃发展的机器人赛道来说，其赛道中充满着各种初创公司以及中小规模企业， 对于他们而来，与openmind的结合将完成其机器人生态系统的构建。 而如果放眼全球，尽管中国在工业机器人和硬件制造方面拥有着绝对的领先地位，但通用机器人操作系统的缺失情况使得openmind可能有更好的生存和发展环境； #OpenMind #KAITO @openmind_agi

IRYS项目分析 1. 初识IRYS 最早接触Irys是在 @wardenprotocol 项目的官方合作伙伴那里，有一篇文章专门介绍了 #warden和 #IRYS 的合作，通过 @irys_xyz 的可编程的数据存储，加速warden的策略的处理； 于是对IRYS的可编程性的数据存储感兴趣，恰逢irys项目 也正式开启测试网，来学习一下。 2. IRYS的定位 按照官网解析，其定位是全球首个为人工智能优化的可编程性的数据公链(Layer1), 优势集中在整合低成本存储、可验证计算和高性能执行层（IrysVM，兼容EVM），将链上数据转变为可编程的、主动的逻辑组件； 来看一下其核心特点： ▶️可编程性：支持AI Agent和智能合约与存储数据在链上的直接交互。 ▶️灵活的存储架构：不同于普通的存储形式，IRYS采用了多账本的存储架构，包括临时和永久存储，以及灵活存储时长的存储形式； ▶️单独的执行层设计：高性能的，EVM兼容的irysVM执行层设计，使其可以在同一系统中实现数据存储与计算之间的直接交互，这使得智能合约能够直接对数据进行操作，最大限度的减少延迟性。 3. 与其他公链对比 IRYS作为数据公链，对比一下现有的其他数据公链；目前主流的数据存储公链包括 @Filecoin 和 @ArweaveEco ； 在AI+web3的潮流下，两者作为传统的存储公链在AI的应用上的限制越来越明显： 性能问题：AI的场景下，AI的特性注定了其对于数据流的高要求，Filecoin无法应对AI应用对于高吞吐量和低延迟的要求；尽管Arweave的吞吐量和延迟性均有所提升，但是针对AI毫秒级的数据流处理要求，仍旧力不从心。 数据验证问题：在AI场景下，需要对数据源进行完整性和真实性校验，防止因数据错误导致AI应用出现不可逆的问题，如AgentFi场景下，数据错误可能导致客户不可逆的资产损失。而Filecoin和Arweave针对数据源都没有完善的校验机制； 计算与数据分离：在AI场景下，计算和逻辑处理是结合的，例如AI模型实时访问用户行为数据（如浏览历史、点赞记录），通过AI算法实时分析用户数据并生成推荐结果，再将推荐结果存储； 而Filecoin和Arweave对于数据是静态存储的，运算逻辑是需要其他公链(如ETH，SOL等)进行支撑的，其本身对无法单独处理这种场景的；这种情况下，跨链的处理注定了高延迟，是无法应对AI的需求的； 因此，由于以上限制，现有的传统公链在应对web3的AI项目时，是无法得心应手的，而 @irys_xyz 的独特设计在AI场景下优势明显。 可编程性设计和高性能的执行层(irysVM)设计允许数据与智能合约在同一系统上面直接交互，最大限度的减少延迟，支持了 AI 工作流的动态处理； 开发的Provenance Toolkit工具提供强大的数据来源验证，适合 AI 数据溯源和知识产权保护； 分层式的存储架构既能够支撑了数据流的高吞吐量和低延迟性，还为数据存储的低成本打下坚实的基础。 4. IRYS公链数据 看一下目前IRYS的公链数据，由于目前在测试阶段，因此目前可以看到的是测试的数据情况，参考官网数据 存储容量：280TB 可编程数据的存储定价：每块（chunk）0.02美元 Irys 的临时存储服务：$2.50 /per TB /month Irys 的永久存储服务：$2.50/Per GB GAS： 0.50 GmIrys(Irys 代币的十亿分之一) IrysVM的吞吐量：4.14/per second 从目前的数据看起来，测试网已经有一定的存储规模，执行的TPS不多，无法真实反应IRYS的高性能，而gas同理，需要在高数据流下检查其性能情况； 针对存储定价，针对永久存储，Arweave目前的价格是每GB 35美元左右，irys的价格优势明显； 临时存储服务，Filecoin的价格目前大概是每TB每月约为 0.01美元左右，其价格是动态的，irys目前并没有价格优势，其主要优势还是在于数据的可编程性； 总结：目前测试网具备一定的规模； 临时存储场景下，价格对比filecoin无明显优势，如无明显的AI需求，Filecoin还是具备一定价格优势； 永久存储对比Arweave价格明显； 目前性能的优势在测试网的低流量环境下无明显体现。 5. IRYS开发与生态 · 生态： 从官网信息可以看到，大部分的生态应用还是集中在AI应用层和infra层；这其中不乏BASE，APTOS等强大公链以及warden, Openledeger等优秀AI应用；consumer和DEFI也有一些项目接入，其整个生态已经比较完善，佐证了其在“存储+执行”这一特殊赛道的领导力； · APP开发： 多达54个repo，确实工具箱比较完备了，SDK支持python, rust,JS等主流语言；对开发者比较友好； · 文档： 分为两部分，分别是学习部分和build部分，其中学习部分主要是关于irys数据链的介绍，包括了架构，网络，协议等等，内容非常详细； build部分，主要是给开发者使用，分成了存储部分和可编程性两部分；从功能，SDK，API，CLI到quickstart，文档非常详细，这块可以说对阅读和使用者非常友好了； 另外就是看了一下，官方说明支持从测试网到主网的平滑数据迁移，意味着开发者和使用者可以将APP无缝完成从测试网到主网的迁移，好评。 6. 思考 感觉上IRYS在去中心化 AI 应用的存储和计算整合方面跟0G_labs项目是有一些共通性的。 两者都具备区块链在数据存储和计算整合方面的能力； · 机制差异： · IRYS通过其高性能执行层(IrysVM)将传统的静态数据转变为可编程的、主动的逻辑组件，解决传统区块链存储和计算分离而导致的性能问题； · 而0G_labs项目则通过模块化的架构设计，将数据可用层(DA),存储层(Storage)和计算层(Compute)分离, 模块之间协同作战，优化AI在链上的应用。 · 定位差异： · Irys 强调可编程数据和低成本实时性，适合普通开发者，中小型项目，更偏向于实时性要求高的小规模AI动态场景；但是其吞吐量比较 #0Glabs 的 50GB/s 偏低，在大规模AI场景下是无法处理的。 · @0G_labs 强调模块化 AI 操作系统和高吞吐量，适合大规模、企业级 AI 应用，更偏向于AI训练，AI推理等大规模数据量场景； · 合作可能： · 两者在某些层面是可以通过合作来提升潜力的，例如irys的可编程性存储可以作为0G storage的补充，0G 的 DA 和 Serving 框架可增强 Irys 的 AI 推理能力，通过生态整合互惠互利。 #0g #0GLabs #Irys #KaitoAI

最近都在晒KOL收入，作为一颗根正苗红的韭菜来说，看 看热闹，羡慕的同时，看看哪个KOL比较好舔啊，哪个 KOL还有红包发啊才是正经事。 明明嘴撸当个副业来搞，结果比上班还累，太卷了，一天 不写，排名框框往下掉，这两天掉的比阿三一年的飞机掉 的还多； 然后就是继续默默耕耘了，还是 #allora ； 学习了一下其核心机制Proof of Intelligence，感觉这个大 概会是以后DEFAI项目的基于贡献奖励的基础模块了； 1｜什么是POI POI的核心机制在于基于AI准确度贡献的一种奖励机制，这 点是其与POS和POW的本质区别所在； 在AI+web3逐步融合发展的情况下，如何衡量各个AI Agent或者AI 模型的贡献来进行贡献分配将是一个非常重要的问题，POI的出现将AI的贡献按照准确度分发将为其他的项目提供直接方案或者思路； 2｜POI核心机制 在 @AlloraNetwork 中，工作者是按照主题生成预测，然后allora系统会在收集预测结果后，进行遗憾计算，就是将旧误差和新误差进行对比，来计算工作者的遗憾值； 而在最终的合成预测时，就会根据这个遗憾值来赋予各个工作者不同的权重来进行最后的加权计算； 而在最后的奖励分配时，还引入了“Shapley 值”来进一步计算每个工作者的实际贡献，就是缺失了某个工作者后整体准确度的变化情况； 通过这种层层推进的设计，将奖励实际分配给结果更准确的AI，这种设计相比POS和POW更加适应于AI时代； 3｜实际使用情况 目前Proof of Intelligence (POI) 已从专有共识机制演变为可复用的基础设施模块和 SDK； 其中Lightchain AI和ChainOpera AI已经集成POI，未来会有更多的AI项目接入。 #allora #alloranetwork @AlloraNetwork #Kaito

今日总结： 1. #0GLabs 官方宣布85%的空投给前6个月的积极建设者，而且明确肯定超过100人；只是不知道能覆盖多少人，希望能像前期的 @MagicNewton @defidotapp 一样能来个阳光普照，毕竟大项目要有大格局吗，哈哈； 15%给8.26-9.5之间的TOP888 yapper，这数字真吉利啊，而且时间还很充足，估计都要躁动起来； 官宣之后，热度猛涨，mindshare目前已经涨到前四，明天起来估计会冲前三甚至第一； 2. #Anoma 测试网马上结束，参与测试网的估计要麻了； 本人在小孩桌，不知道有没有一碗汤喝一下； 3. #KAITO 的AI还是相当智能，昨日手写了一篇关于 @0G_labs 的 INFT相关文章，而且还拿到了华语区负责人 @Jtsong2 的评价，分数一天涨了11分，希望 @KaitoAI 尽快将我从小孩桌挪回大人桌，谢谢 4. 听说腰部的KOL都是月入40W+的，胸部KOL至少月入 50W+，脖子部KOL就得80W+， 头部KOL得月入 100W+， 真是好令人羡慕啊 5. 听说币圈大V有瓜吃，嗯，坐等时间发酵。 #KAITO #0GLabs

《portal对比传统跨链桥安全对比分析》 1. 攻击数据统计 基于行业内的安全统计报告， 包括Chainalysis, Elliptic, Immunefi等公司的统计， 跨链桥因黑客攻击造成的累计损失总金额已超过 35 亿美元。 这个数字目前仍在持续增长，好消息是单次攻击的规模慢慢在减小，但攻击的频率依然很高； 再来看一下DeFi安全领域的占比： 跨链桥攻击是整个 DeFi 领域中损失最惨重的单一类别； 尤其以2021和2022年最为惨重，跨链桥被盗资金一度占据了DeFi领域所有被盗资金总额的50%～70%； 攻击事件数量： 已知的、造成显著资产损失的跨链桥攻击事件已超过60起，算上未统计的，小众的攻击，只会更加夸张。 2. 为何安全攻击集中在跨链桥 这也是大家都集中关注的点，那么多项目，为何跨链桥是黑客们重点关注的对象？弄清楚这个问题，我们需要从两个方向来看，其一，为何黑客会盯上跨链桥？其二，跨链桥的风险有哪些？ 统计了一下，原因大概有如下几点： 巨大的资金池效应：跨链需求是巨大的，我们来看一组数据，根据defillama专业的统计数据，单日的跨链金额就高达1000M，而单月更是高达13.5B；这种巨额的资金效应自然引发黑客的重点关注； 技术复杂性风险：跨链桥本身就需要与多种不同机制的公链进行交互，其组件繁多，包括部署在多种公链上的智能合约，以及部署在链下的验证者节点、预言机等模块，还有用于验证签名的多种密码学机制的加密层，其完全可以称之为一个巨大的工程；工程中的任何一个步骤或者模块出现问题，都可能导致巨大的财产损失。 中心化风险：跨链桥的运作模式是将大量原生资产（如BTC、ETH）锁定在源链的一个智能合约地址中，然后在目标链上生成等量的映射资产；这种模式使得跨链桥在设计上就存在中心化的风险，一旦源链的智能合约被攻击，所有锁定的资产都可能面临风险；另外很多跨链桥的验证者节点数量有限，且往往由少数实体控制，这进一步增加了中心化风险。 项目风险：部分项目可能过早上线，未经过充分的安全审计和测试就投入使用，导致潜在的安全漏洞被黑客利用。 3. 跨链桥重大攻击事件分析 我们来回顾一下过去发生的几起重大跨链桥攻击事件，以便更好地理解其安全风险。 著名案例1：Wormhole 被盗 3.26 亿美元 (2022年2月) 攻击详情： 输入验证不足。Wormhole 在 Solana 链上的智能合约有一个 verify_signatures 函数，用于验证来自守护者（Validators）的签名，从而授权铸造代币。攻击者利用了该合约的一个漏洞，他们调用该函数时传入了一个伪造的系统账户地址，而非 Solana 官方的指令账户地址。由于合约未能严格验证传入账户的权威性，导致攻击者成功地绕过了签名验证过程，凭空为自己铸造了 12 万枚 wETH（当时价值 3.26 亿美元）。 著名案例2：Poly Network 被盗 6.11 亿美元 (2021年8月) 攻击详情： 逻辑错误。Poly Network 的一个核心系统合约中，存在一个可以修改公钥列表的特权函数，这个函数本应只能由管理员调用。然而，由于合约逻辑上的一个缺陷，攻击者发现他可以通过跨链消息，调用这个本不应被外部调用的特权函数，从而将合约的“守护者”公钥修改为自己的地址。获得控制权后，他便可以随心所欲地转移合约中锁定的所有资产。 著名案例3：Ronin Bridge 被盗 6.24 亿美元 (2022年3月) 攻击详情： Ronin 桥由 9 个验证者节点控制，任何一笔提款交易都需要其中 5 个节点的签名批准。攻击者通过复杂的社会工程学攻击，成功控制了 Sky Mavis 公司（Ronin 的开发者）的 4 个验证者私钥，以及 Axie DAO 的 1 个验证者私rayed。凑齐了 5/9 的签名授权后，攻击者分两次批准了两笔巨额提款交易，盗走了 17.36 万 ETH 和 2550 万 USDC。这次攻击完美暴露了验证节点不够分散以及私钥管理不善所带来的中心化风险。 著名案例4：Harmony Horizon Bridge 被盗 1 亿美元 (2022年6月) 攻击详情：Horizon 桥采用了一个 2/5 的多签钱包来验证交易。攻击者通过入侵工程师的电脑等方式，窃取了其中两个私钥。拿到两个签名后，他们就可以批准任何伪造的提款消息，从而盗取资产。虽然根本原因是私钥安全问题，但其表现形式是批准了伪造的跨链消息。 著名案例5：Nomad Bridge Bridge 被盗 1.9 亿美元 (2022年8月) 攻击详情：Nomad 团队进行了一次常规合约升级导致引入了智能合约的漏洞，攻击者只要构造格式正确的消息就可以被合约执行，由此引发了一系列的群体性洗劫； 另外Multichain (原 Anyswap) 在 2023 年7月发生的事件，导致超过 1.25 亿美元 资产被异常转移，后续项目停摆，总计超过 10 亿美元 的资产被无限期锁定。 事件详情：2023年7月，在Multichain CEO失联后，超过1.25亿美元的加密资产从Multichain在Fantom、Moonriver和Dogechain上的跨链桥被异常转出。这些交易拥有合法的签名，看起来像是正常的跨链操作，但显然未经授权。 后续经调查，原因在于Multichain所谓的“去中心化”验证者网络，其正常运行所必需的MPC节点私钥分片，实际上都存储在由CEO一人控制的云服务器上； 4. 跨链桥安全风险点统计 那么从以上重大事件中，就可以得知目前跨链桥的风险点集中在如下方向： 1️⃣智能合约漏洞 (Smart Contract Vulnerabilities) 由于跨链桥两端的智能合约（资金池、金库、验证逻辑合约等）掌管着巨额资产，因此也是最容易被利用的攻击方向 从历史数据来看，智能合约的核心机制，逻辑错误，验证不足等等都会成为攻击点； 2️⃣私钥泄露与中心化风险 (Private Key Compromise) 许多跨链桥，尤其是采用多重签名（Multi-sig）或 PoA (Proof-of-Authority) 共识的桥，其安全性高度依赖于一小组验证者或管理员的私钥。一旦这些私钥被盗，整个桥的资产安全将毁于一旦。 攻击者往往通过网络钓鱼、服务器入侵、社会工程学或内部作恶等方式，窃取控制跨链桥资金池或验证节点的多数私钥。 3️⃣验证者共识操纵 对于去中心化的跨链桥，其安全性依赖于一个诚实的验证者网络。验证者负责监控源链事件，并将其诚实地报告给目标链。如果这个共识过程被操纵，后果不堪设想。 攻击者通过控制大多数验证者节点（例如超过 2/3 的权益），或者利用验证者软件中的漏洞，向目标链提交一个虚假的、从未在源链上发生过的事件（例如一笔伪造的存款），从而欺骗目标链上的合约释放或铸造代币。 4️⃣ 跨链消息伪造 (Cross-Chain Message Forgery) 这类攻击往往是目标链上的合约在验证来自源链的消息的漏洞，攻击者可以伪造一个“合法”的消息来欺骗合约的方式完成。 5. Portal对传统跨链桥安全风险点的处理 Portal安全提升的核心思想，并非是在传统跨链桥模型上“加固”，而是彻底抛弃了“授权-验证”模型，回归到比特币原教旨的“点对点加密验证”模型。 1️⃣ 针对“智能合约漏洞”的安全提升 Portal直接抛弃了智能合约这一巨大资金池的行为，其跨链是通过比特币原生脚本实现的，而用户交互等复杂逻辑都在链下的去中心化网络中实现，其核心思想与传统的跨链桥完全不同，从根本上杜绝智能合约的漏洞风险。 2️⃣针对“私钥泄露”的安全提升 在 Portal 的模型中，用户始终掌握着自己资金的私钥。在portal网络中，是没有中心化的私钥管理机制的，交易都是点对点的； 另外就是针对权限，portal网络中没有管理员类角色，负责处理订单的节点，作用只是广播订单，无权限进行用户资产处理。 3️⃣针对“共识操纵”的安全提升 Portal 采用了原子互换，其不依赖于任何外部验证者，交易的合法性是由交易双方直接在各自的区块链上进行加密验证的，从根本上消除了验证者这一角色，也就不存在共识操纵的风险。 4️⃣针对“消息伪造”的安全提升 portal的原子互换中，是不存在需要验证其“权威性”的复杂跨链消息的。 其验证机制与原始跨链桥有着本质上区别：传统跨链桥需要验证跨链消息的签名是否权威，而原子互换的验证仅仅是哈希值的简单验证，这种验证是完全点对点的，且不依赖任何第三方，因此不存在伪造的可能性。 6. 总结 Portal对比传统跨链桥安全处理，是核心思想上的转变，其本质是通过回归比特币的“点对点加密验证”模型，抛弃了传统跨链桥的处理机制，从而消除了许多传统模型中的安全隐患。 #BTC #Portal #portaltobitcoin #KAITO #KaitoAI @PortaltoBitcoin #Bridge

最近 @0G_labs 项目动作频繁, 不管从HUB更新，还是项目YAPPER排行榜的门槛调整，OG项目方对于社区都是越来越重视了； 0G的技术革新也是吸引了很多媒体的关注，看一下这篇采访，创始人 @michaelh_0g 的很多观点都是富有远见和建设性的； 1）0G chain称之为"Solana for AI" , 这里创始人将0G chain在AI的地位类比于Solona在公链的地位， 除了都具备高性能的交易处理能力，个人觉得还有一个相似之处就是相比于solana可以说是meme发展的温床，其将meme的创造和发展推向了一个高潮；而0G chain的模块化架构设计，其对于web3的AI来说，也是提供了一个优秀的发展平台，借助于0G chain专为AI生态设计的高性能AI操作系统(DeAIOS)，AI生态将在web3发展壮大； 2）创始人对于AI发展的瓶颈，不同于传统认为的GPU/CPU计算资源，其更偏向于数据可用性，价格和带宽的限制；原因就在计算资源随着英伟达等厂商对于芯片的快速发展，GPU/CPU计算资源呈现规模化的发展；但是AI对于数据的要求是海量的，而目前数据的呈现是碎片化和中心化的，目前是没有基础设施能够支持AI快速的的规模化的处理这些数据，带宽成为了数据传输的关键限制； 0G项目通过DA层来提供高速、无限可扩展的数据可用性，通过优化算法，共识机制来减少对带宽的依赖，而经济层面又通过去中心化的存储来大幅度降低成本，其这种模块化的高性能AI操作系统为AI的训练，推理，运行提供了优秀的发展土壤。 而最近0G在1G的低带宽下成功在DiLoCoX 框架下训练的1070亿参数的大模型充分证实了 0G的技术的成熟性，DeAIOS已经为AI在web3的快速发展做足了准备； #0GLabs #KaitoAI

听劝的项目它就是好项目： 刚刚发现，我的 #warden 排名也回来了 然后去 #KAITO 官网看了一下，小孩桌已经取消了 项目方听劝啊，确确实实在为真实贡献者考虑； 最近 @wardenprotocol 项目方也踏踏实实在前行，Agent 集成了DeBridge，Jupitor和Messari； 测试了一把Messari的功能，咨询了一下 @0G_labs 项目的 生态系统调研，结果还是非常专业的，从项目概述，核心 技术，生态亮点(社区激励，合作方，融资，成长)， 大事件时间线等等方向给出了全面的分析，从分析到生成 报告很流畅，就是这收费确实有点贵，单次 $0.25; 最后想说的是，根据 chainalysis.com/reports/ 上面的加密行业安全报告，AI确实给行业带来很快的发 展，尤其是在DEFI行业，DEFAI的概念正在逐步的落实， 但是同时DeFi 平台相比于其他更容易受到攻击，其中一部 分原因在于其开发者倾向于优先考虑快速增长和产品上 市，而非实施和维护强大的安全措施；AI的不确定性如果 在DEFI中不严加约束范围，很容易造成不可逆的损失；因 此DEFAI的发展需要精耕细作，#warden 的SPEX 配合上 新兴技术的发展，例如 @tenprotocol 的TEE，ZKS的发 展，给DEFI行业带来更安全的保障；因此慢一点，稳一稳 才能发展的更好； #0g_labs #KaitoAI @0G_labs

浅谈INFT的发展 1. 何为iNFT？ 简单来说，iNFT是将人工智能与传统的NFT进行融合的新兴产业，它能够将传统NFT的静态的数字资产转变为由AI生成的动态、互动且具有“个性”的有一定智慧的实体。 作为传统NFT的进一步发展体，iNFT通过AI技术将NFT从传统的静态图片，视频等数字艺术品范畴扩大为具备执行力，互动，情感等一些列动态元素的智能体，例如Ai Agent就可以作为INFT的智慧体； 在技术架构上，iNFT与NFT也是截然不同，不同于NFT的简单的链上存储，INFT不仅拥有链上存储，而拥有者链下数据：例如链上的NFT代币仅作为所有权凭证，而具备执行能力的AI模型则运行在链下。 2. iNFT在现实场景中的应用 iNFT自提出以后，在真实场景中已经有了各种应用，主要包括： 游戏与娱乐：通过AI加持，NPC角色可以根据玩家的习惯进行更加精细化的调教，成为更具个人特色的NPC；而这些NPC，可能也可以像皮肤一样在游戏内进行交易，使其具备更加通用价值； RWA：现实世界资产（RWA）领域，AI Agent的快速发展使得智能投资顾问成为一种新型发展趋势；而AI Agent本身就是INFT的一种，其可以为用户提供投资策略；另外也可以直接为大客户生成专属的AI Agent； 随着技术的发展，INFT越越来越多的渗透到各个行业中。 3. iNFT市场规模 INFT作为NFT的进一步发展，其市场潜力是巨大的；据相关统计，2023年，全球NFT市场估值为269亿美元 ，并预计在2030年增长至2117亿美元； 再来看一下NFT目前在各个领域中的实际规模： 参考coinlaw.io/nft-market-gro…的统计数据，如下： 工具类：专门用于生成AI驱动NFT的工具市场占比超10%； 游戏类：2025年，游戏类NFT占全球NFT交易量的25%； RWA：虚拟地产等现实世界资产（RWA）类NFT占比超10%，市值超过14亿美元； 而工具类，游戏类，RWA等相关NFT会随着技术革新发展，慢慢的转向INFT，INFT的增长潜力是巨大的。 4. iNFT的限制 尽管iNFT前景广阔，但INFT目前存在着如下问题： 所有权与版权问题：不同于传统NFT的简单所有权，INFT的所有权是个复杂的问题，INFT的所有权归属到底是持有者，还是算法提供者，这很难界定； 中心化风险：目前推动iNFT的AI模型和算力资源集中于云服务提供商，因此INFT的创建和维护成本都很高，另外云服务提供商的集中化也使得INFT的安全性存疑； 转移困境： 传统NFT通过智能合约就进行所有权转移；但是INFT不同，其不仅仅是链上的存储凭证，其链下核心的AI模型，数据，记忆等等，是无法通过传统NFT的方式进行有效转移的。 5. 0G针对iNFT的技术解决方案 针对INFT的一系列限制与困境，0G Labs通过其模块化的架构和新兴的技术标准对INFT的发展有效的奠定了基础。 完整的转移方案：0G 提出 了ERC-7857 标准，其定义了一套完整的iNFT转移流程，其能够保证INFT的转移不仅仅是链上的存储凭证转移，还包括了完整的链下数据的转移； 数据可追溯性：0G的数据可用性层和存储层，为AI模型的训练数据提供了一个去中心化、可验证的永久记录。这为未来建立一个可追溯的模型来源和数据来源的框架提供了可能； 6. iNFT的具体转移步骤 加密与承诺（Encryption & Commitment）： Ai Agent的隐私数据会进行加密，然后将这个加密数据生成一个原始证明，以供后续转移使用； 安全转移启动（Secure Transfer Initiation）： 当INFT进行出售时，原始加密的数据会在一个安全的沙盒环境中进行解密，以保证其数据的完整性和隐私性。 为接收者重新加密（Re-encryption for Receiver）： 预言机为接收者（iNFT的新主人）生成一个新的加密密钥。 它使用这个新密钥重新加密元数据，并将新的加密数据和其哈希值发布到去中心化存储系统（如 0G Storage） 。 密钥交付（Key Delivery）： 为了确保只有新主人能访问元数据，新的加密密钥会被用接收者的公钥进行加密 。 这个加密的密钥会作为 NFT 转移过程的一部分被交付给接收者 。 验证与完成（Verification & Finalization）： 智能合约会验证多个证明 ： 发送者（旧主人）的访问权限证明。 预言机验证元数据匹配的证明。 接收者签署的确认凭证，表明他们可以访问新加密的元数据 。 如果所有证明都有效，NFT 的所有权就会被转移，同时接收者获得加密的密钥 。 权限授予（Access Granted）： 接收者使用自己的私钥解密收到的元数据密钥 。 一旦获得密钥，接收者就可以完全访问 AI 代理人被加密的智能部分 ，从而完全掌控和使用这个 iNFT。 7. INFT未来 INFT的发展已经将NFT的逻辑改变，后续随着AI在各行业的蓬勃发展，可预见的是INFT也会逐步渗透到各个行业，并且INFT可能也会是元宇宙与真实世界链接的桥梁，其赛道相比于RWA更加宽阔， 可以预见的是INFT后面将会呈现爆发式增长；0G作为INFT的技术方案先驱者，已经为INFT的发展成熟奠定了坚实的基础，INFT的发展壮大也会为0G打开生态发展的天花板； #0GLabs #INFT #KaitoAI #Starboard @0G_labs @Galxe

昨天一堆人因为falcon暴富，本着贼不走空的原则，想着既然没有空投，那就在二级市场捡点便宜货吧； 没想到啊没想到，便宜货没见到，捡到的一坨粑粑；早上起来，直接腰斩，然后就爆出来DWFlabs的操作手法， 这么久了，操盘手法还是那么的熟练，而我，还是那颗韭菜，原来一切都没有变过； 然后人不能总是坏消息嘛，总得有点好消息，好消息来了，今天支付宝碰一碰，碰到了2.8块钱的大红包，也算冲喜了，😂 说回正经事，就是在大家的帮助下，终于挤进了allora的周榜，太难了，写了得有6，7篇了，今天继续奶，希望奶进月榜； 在我的认知中，#allora 未来将成为DEFI的智能层，与预言机 一样，成为DEFI基础设施不可或缺的一部分； 预言机如chainlink是链上获取链下实时价格的桥梁，为allora将成为链上获取未来预测价格的通道； 来看一下目前DEFI的几个问题： 根据Elliptic/Galaxy 的累计报告，预计 2025 年DeFi收益率流失超$15B，其中因静态策略无法实时适应市场波动而损失超过$5B； 而根据CoinLaw 的 Uniswap 统计报告，截止2025年8月，其无常损失(IL)已经高达2B以上； 而cienceDirect 的 AMM 风险研究，DEFI 领域的年度无常损失(IL)高达 $20-50 亿美元； 而这些问题，在传统的DEFI市场中，是无法解决的；AI+DEFI的出现，给了这些问题新的解决方案； 通过allora的AI代理网络进行更加精确的未来价格预测，使得DEFI能够动态调整策略，适应市场变化，从而优化收益率； 根据相关数据统计，通过AI模型生成的动态优化策略可获取20-30% 额外回报； 另外就是关于无常损失，通过预测性的AI优化，可以减少IL并提升 DeFi 回报 0.75%-4.77%； 这些数据都代表着未来AI+DEFI化的趋势，而不管是动态优化策略，还是减少无常损失的方案中，基于现在价格的未来价格预测，都是不可或缺的基础； 而allora正是基于AI的未来价格预测，来实现这些功能的基础设施； 最后来看看allora目前跟DEFI项目的合作情况： 1） @steerprotocol ，支持Arbitrum、Base、Polygon 和 Sei网络，自主 LP 位置调整，减少无常损失（IL）。 2） @plumenetwork , 将Allora 网络集成到 Plume 生态，支持 RWA 项目进行AI预测，提升 DeFi 中的资产管理。 3） @hemi_xyz , 与 Hemi 生态合作，提供 AI 驱动的价格预测，增强 DeFi 代理的决策能力。 4) Cycle Network , 聚焦提升 DeFAI 应用的 AI 能力，支持链抽象智能合约的预测优化。 5) @synternet_com , 通过 Syntoshi 集成 Allora 的集体代理，直接添加预测 feeds 到 DeFi 代理。 6） @StoryProtocol , 集成allora AI 模型，支持 DeFi dApps 的 AI 驱动叙事和预测功能。 7) @NEARProtocol , 生态合作，提供AI驱动的预测服务，提升 DeFi 应用的智能化水平。 以目前的DEFI市场发展预测， DeFi从静态协议向动态、智能系统的转型是趋势，而当前价格+未来价格预测的技术组合，是实现这一转型的关键技术； 作为预测市场的领导者，可以预见的是 allora未来将拿下市场中的大部分份额，如果chainlink在预言机中的地址一样，其应用将无处不在； #alloranetwork #KAITO @AlloraNetwork

V神 @VitalikButerin 刚刚提了一嘴需要开源且可验证的自 动驾驶，吓得我抓紧查了一下最近的自动驾驶概念的项 目，果不其然，都不认识，😂 TIPS: @vohvohh 有提到 Toyota Blockchain Lab 与 Avalanche @avax 合作发布了白皮书和原型项目—— Mobility Orchestration Network (MON) cc @Nao_Ueno @takuma_2b5d4 但是我查到了一些关于车辆自动驾驶的一些信息； 1️⃣V2X车联网需求上升：自动驾驶的数据共享需求在上升，因自动驾驶的安全性，越来越多的数据如位置信息，交通状况等都需要共享以帮忙AI更好的规划路线； 2️⃣CAVs的快速发展：在 CAVs（连接自动车辆）中，结合传感器数据和V2X数据的端到端驾驶自动化发展越来越快，ML模型的决策影响L3的发展； 3️⃣安全法规：SAE J2735、欧盟 EN 302 663都对数据的安全隐私提出更高要求； 从这三个需求分析，#brevis 的高性能 ZK大概率未来会扩 展到车辆自动驾驶领域，brevis的高性能ZK将在如下方向 发挥重要作用： 🔥CAVs的ML模型验证：在CAVs中，Brevis的off-chain计算，可以高速验证ML模型结果的输出，保证数据的合规和安全。 🔥数据隐私处理：V2X的大量数据处理，例如位置信息，交通信息等，可通过brevis的ZK技术实现隐私化处理，使其符合安全法规，并同时保证了数据的实时证明； 🔥V2X车联网通信的边缘化发展：Brevis 的低开销实时证明可支持边缘设备，例如车载ECU生成 ZK 证明，以支撑V2X的高速发展。 #Brevis #BrevisZK @brevis_zk #KAITO #ETH