Arweave, AO, AI - 유연한 보안을 갖춘 모듈식 프레임워크

Arweave Oasis 제공, 출처: 트윗 @ArweaveOasis

최근 업계 리서치 기관인 Messari에서 "Arweave, AO 및 AI - 모듈형 프레임워크와 유연한 보안"이라는 제목의 기사를 발표했습니다. 매우 유익하고 유용한 정보이며, AO와 AR 아키텍처를 이해하는 데 도움이 될 것입니다. AO 및 AR 아키텍처와 향후 전망을 이해하는 데 매우 유익합니다. 하지만 저작권 문제로 인해 기사 전체를 번역하여 독자들에게 제공할 수는 없습니다. 따라서 일부 내용을 발췌하여 의역하여 보여드리고자 합니다. 원본 콘텐츠는 메시리에서 구할 수 있습니다(유료).

5월 30일, 이 기사의 저자인 세스 블룸버그가 이 기사의 요약본을 X에 올렸는데, 그 내용은 다음과 같습니다.

• Arweave는 그동안 외부 앱과 에코시스템에 의존하여 데이터를 네트워크에 전송해 왔습니다. ao는 Arweave를 기반으로 구축된 새로운 네트워크입니다. AO는 Arweave를 기반으로 구축된 새로운 네트워크로, 이제 Arweave에 대한 지속적인 수요를 창출할 것입니다. AO는 Arweave의 성장 촉매제이자 애플리케이션 개발을 위한 새로운 플랫폼이 될 것입니다.

• AO의 가장 큰 기술적 가치 중 하나는 합의 메커니즘과 애플리케이션에 필요한 연산을 분리한다는 점이라고 생각합니다. 이를 분리함으로써 AO는 모듈식 아키텍처를 제공하고 개발자는 애플리케이션의 보안과 연산 능력을 확장할 수 있습니다.

• AO의 애플리케이션은 연산 공급자가 상태 업데이트 및 기타 메시지를 처리하도록 인센티브를 제공합니다. 이는 앱과 연산 공급자를 위한 새로운 시장을 창출합니다. 이를 통해 앱은 필요에 따라 적절한 수준의 리소스를 확보할 수 있습니다. 이는 대부분의 스마트 컨트랙트 플랫폼과 매우 다른 점입니다.

• AO는 가상머신에 구애받지 않는 플랫폼으로, 컴퓨팅 집약적인 앱을 배포할 수 있는 가능성을 열어줍니다. autonomous_af와 같은 팀들은 이미 DeFi 자동화를 개발하고 있습니다. 그러나 온체인 LLM(대규모 언어 모델링)은 완전히 다른 종류입니다.

이후 기사 전문을 읽어보시면 완전히 다른 형태로 구현된 분산화된 세계 컴퓨터로서의 AO에 관심을 갖게 될 것입니다. 몇 가지 주요 인사이트 포인트는 다음과 같습니다.

• AO는 영구 데이터 저장소 네트워크인 Arweave에 구축된 새로운 프로토콜입니다.

AO의 핵심 가치 제안 중 하나는 제한 없이 확장할 수 있다는 점입니다. AO의 핵심 가치 제안 중 하나는 확장성 제약 없이 애플리케이션(AO 용어로는 프로세스)을 완전히 병렬로 실행하고 네트워크 전체에서 글로벌 상태를 공유할 필요 없이 관련 상태를 로컬로 유지할 수 있다는 점입니다.

• AO의 모든 애플리케이션은 정의된 메시징(AO 용어로는 메시지) 표준을 통해 통신하며, 프로세스가 데이터를 읽고 쓸 수 있는 즉시 사용 가능한 솔루션을 제공합니다.

• AO의 고유한 기능 중 하나는 프로세스 보안을 유연하게 확장할 수 있다는 점입니다. 프로세스 개발자는 애플리케이션에 필요한 보안을 구성하고 애플리케이션의 상태를 계산하기 위한 추가 유효성 검사기(AO 용어로는 계산 단위 CU라고 함)에 대한 비용을 효과적으로 지불하여 보안을 확장할 수 있습니다.

• AO의 확장성 기능으로 인해 VM에 구애받지 않는 아키텍처(이는 개발자가 단일 VM 환경에 국한되지 않고 특정 요구 사항에 따라 애플리케이션을 실행하기 위해 다양한 VM을 선택할 수 있도록 광범위한 VM을 지원하는 AO의 기능을 말합니다.) 및 기본 크론 작업 기능. 그리고 기본 크론 작업 기능(외부 도구나 타사 서비스에 의존하지 않고도 시간이 정해진 작업을 예약하는 기능을 기본적으로 지원한다는 의미)을 통해 많은 팀이 웹에서 자동화 도구와 AI 기반 제품을 구축하려고 합니다.

모듈성과 유연한 보안

저자들은 지난 몇 년 동안 등장한 두 가지 주요 인프라, 즉 모듈식 프레임워크와 유연한 보안을 요약합니다.

모듈형 프레임워크: 개발자가 일반적인 블록체인 모듈형 구성 요소(예: 실행, 데이터 가용성, 결제, 합의)를 선택하여 함께 결합할 수 있습니다. 이 백서에서는 베이스의 롤업과 셀레스티아 데이터 가용성 레이어가 대표적인 예로 사용됩니다.

유연하고 확장 가능한 보안: 일부 네트워크가 검증자 네트워크를 직접 가동하는 대신 보안을 임대하여 서비스를 보다 효율적으로 보호할 수 있는 기능을 말합니다. 저자는 아이겐레이어를 사례 연구로 사용하여 이에 대해 설명합니다.

모듈형 프레임워크의 목표는 각 구성 요소의 옵션과 전문화를 장려하는 것입니다. 예를 들어 개발자는 자신의 필요에 가장 적합한 실행 환경을 자유롭게 선택할 수 있습니다. 또한 유연한 보안 제공업체는 네트워크가 시스템의 경제적 보안을 더 잘 관리하고 미세 조정할 수 있도록 지원합니다.

AO는 두 가지 인프라 모델을 모두 활용하는 대표적인 예입니다. Arweave를 기반으로 구축된 이 새로운 시스템은 개발자가 실행 환경과 보안 모델을 유연하게 선택할 수 있도록 지원합니다.

단일화된 글로벌 상태 개념(예: 사용자 계정 잔액, 스마트 컨트랙트 데이터 등)을 가진 이더나 솔라나와 같은 체인과 달리, AO는 각 애플리케이션에 맞게 상태를 현지화합니다(AO 용어로는 프로세스라고 함). 로컬화된 상태는 애플리케이션이 계산을 더 쉽게 병렬화할 수 있도록 하여 병렬화되지 않은 환경에 비해 전반적인 성능 제약을 완전히 해소하고 계산을 위한 맞춤형 보안을 가능하게 합니다.

다른 롤업 에코시스템과 달리 AO는 모든 애플리케이션에 대해 통일된 글로벌 메시징 표준(메시지)을 정의합니다. 저자들은 이 접근 방식이 체인 간 통신에 IBC를 사용하는 코스모스 생태계와 개념적으로 유사하다고 주장합니다. 따라서 AO는 모듈식 프레임워크를 유지할 수 있으며, 생태계가 성장함에 따라 애플리케이션은 이 네이티브 통신 표준의 이점을 누릴 수 있습니다. 장기적으로 AO는 기존의 스마트 컨트랙트 플랫폼 모델에서 벗어나 독자적인 아키텍처를 구축하여 앱 개발 생태계의 번영을 촉진할 것입니다.

AO의 아키텍처

저자들은 AO와 아위브의 관계를 소버린 롤업과 데이터 가용성 레이어 간의 관계와 대략 유사하다고 봅니다. 그러나 AO는 스마트 컨트랙트 플랫폼과 유사한 일반적인 프레임워크를 제공하며, 확장 가능한 컴퓨팅 서비스를 통해 이러한 다양한 애플리케이션의 신뢰할 수 있는 상호운용성을 가능하게 하는 것이 주요 목표입니다.

애플리케이션 간의 상호운용성은 AO의 메시징 표준에서 비롯됩니다. 옵티미즘, 폴리곤, 아비트럼, zk싱크와 같은 생태계는 일반적으로 파편화된 사용자 경험을 해결하기 위해 상호운용성 솔루션을 개발하기 전에 체인의 경제 활동을 개발합니다. 대신 AO는 네이티브 상호운용성에서 그 여정을 시작할 것입니다.

다양한 기사에서 AO의 아키텍처를 다뤘으며, 이 글에서는 저자의 관점을 바탕으로 다음과 같이 설명합니다.

프로세스

최종 사용자의 관점에서 프로세스는 애플리케이션으로 간주할 수 있습니다. 소비자가 AO를 기반으로 구축된 제품을 사용하는 경우 일반적으로 프로세스로 표시됩니다.

프로세스는 특정 시점의 상태를 나타내는 정렬된 일련의 로그(즉, 메시지)를 Arweave에 기록하는 것으로도 생각할 수 있습니다.

각 프로세스는 AO의 다른 프로세스와 독립적으로 실행되므로 서로 영향을 주지 않고 작업을 병렬화할 수 있습니다. 프로세스는 메시지를 통해 서로 상호 작용하며, AO는 실제로 메시지 전달 프로토콜이므로 메시지 개념이 그 중심 구조입니다.

메시지 및 메시지 단위(MU)

최종 사용자가 시작하든 다른 프로세스에 의해 시작되든 프로세스와의 상호작용은 메시지로 표현되며, AO의 각 메시지는 Arweave에서 데이터를 생태적으로 읽고 쓰는 데 사용되는 ANS-104의 특정 형식을 준수합니다. ANS-104에 대한 자세한 내용은 이 링크를 참조하세요.

저자들은 AO와 이더넷의 직접적인 차이점을 비교합니다. AO에서 프로세스는 메시지를 통해 다른 프로세스에 정보를 요청하고 데이터가 반환될 때까지 기다리는 방식으로 서로 상호 작용합니다. 그러나 이더넷에서는 애플리케이션(즉, 스마트 컨트랙트)이 EVM의 글로벌 특성으로 인해 다른 애플리케이션의 상태에 직접 액세스할 수 있습니다.

이 둘 사이에는 근본적인 차이가 있습니다. 모듈성의 관점에서 볼 때, 서로 다른 프로세스의 상호운용성을 미리 표준화하는 것이 유리하며, 대부분의 모듈형 네트워크(예: 옵티미즘의 슈퍼체인)는 유사한 표준을 개발하고 있습니다.

스케줄링 유닛(SU)

저자들은 스케줄링 유닛을 많은 롤업 시스템에서 시퀀서에 비유합니다. 시퀀서는 많은 롤업에서 다양한 작업(예: 트랜잭션 처리, 트랜잭션 시퀀싱, 영지식 증명 생성 등)을 담당하므로, 스케줄링 유닛은 일반적인 시퀀서의 하위 집합과 비슷합니다.

스케줄링 유닛과 관련된 두 가지 주요 프로세스 기능은 다음과 같습니다.

각 메시지가 고유하고 순서대로 처리되도록 보장합니다. 이는 이더리움과 같은 다른 블록체인 환경의 논스 증가와 개념적으로 유사합니다. 이는 프로세스가 제대로 작동하는 데 매우 중요합니다.

각 메시지가 Arweave에 기록되도록 합니다. 이를 통해 프로세스가 서로의 데이터에 액세스할 수 있습니다.

각 AO 프로세스에는 연결된 스케줄링 단위가 있습니다.

계산 단위(CU)

계산 단위는 AO 프로세스를 업데이트하기 위한 연산 능력을 제공합니다. 메시지 유닛은 컴퓨팅 유닛에 서비스 요구 사항을 알립니다.

컴퓨트 유닛(공급 측)과 특정 프로세스의 연산을 필요로 하는 사용자(수요 측) 사이에 마켓플레이스가 형성됩니다. 다시 한 번 말씀드리지만, 이 아키텍처는 기존 블록체인 모델과 다릅니다. 기존 플랫폼(예: 이더)의 노드는 트랜잭션을 처리해야 하는 반면, 컴퓨팅 유닛은 업데이트된 프로세스에 선택적으로 입찰할 수 있습니다.

계산이 완료되면 컴퓨팅 유닛은 서명된 계산 출력 증명을 원래 메시지 유닛에 반환합니다.

AO 보안 모델

보안 모델에 대한 섹션에서는 현재 이용 가능한 정보가 적으며, 더 자세한 내용은 AO 백서가 발행될 때까지 기다려야 합니다. 하지만 백서의 저자는 나름대로의 이해를 제시합니다.

그는 AO가 이 분야에서 이더와 매우 다른 길을 걸어왔다고 생각합니다. 이더 생태계에서는 이더 지분 증명 메커니즘에 의해 보안이 보장되기 때문에 간단한 송금과 복잡한 탈중앙 금융 상호작용 모두 동일한 수준의 보안을 공유하며, 이는 종종 자원 낭비로 이어집니다.

AO의 보안 프레임워크에서는 모든 데이터가 Arweave의 SPoRes 합의 메커니즘을 사용하여 보호되지만, 다양한 요구와 목표에 따라 보안 수준을 맞춤화할 수 있는 유연성도 있습니다.

현 시점에서 확실한 정보는 없지만, 생태계 내 일반적인 합의는 지분 증명 메커니즘(예: AO 토큰의 담보화 및 페널티)이 AO의 보안을 위해 사용될 가능성이 높다는 것입니다. 완전히 탈중앙화된 영구 저장 네트워크인 Arweave와 확장성과 유연성을 높인 AO 컴퓨팅 플랫폼을 통해 PoS 메커니즘은 개발 요구사항에 부합하는 것이 분명합니다.

따라서 AO는 각 구성 요소 역할에 따라 다소 다른 스테이킹 서약 체계를 제안할 수 있으며, 그에 상응하는 페널티 메커니즘을 적용할 수 있습니다.

• 계산 유닛 - 계산 유닛은 서명에 대한 출력 증명을 서약합니다. 누구든지 계산 유닛의 출력에 이의를 제기할 수 있으며, 악의적인 행동이 증명되면 서약이 삭감될 수 있습니다.

• 메시지 유닛 - 메시지 유닛은 시스템에서 전달하는 메시지에 대해 스스로 서약합니다. 잘못된 메시지를 전달하고 서명한 것이 발견되면 서약이 슬래시될 수 있으며, 잘못된 서명이 컴퓨트 유닛의 잘못된 동작으로 인한 것이라면 메시지 유닛은 컴퓨트 유닛에 대해 슬래시 이벤트를 발생시킬 수 있습니다.

• 스케줄링 유닛 - 스케줄링 유닛이 메시지를 제대로 시퀀싱하지 못하거나 Arweave에 메시지를 업로드하지 못하면 Slashed가 발생할 수 있습니다. 후자의 Slash 이벤트는 데이터 가용성 보장과 설계가 유사합니다.

결국, 프로세스는 어떤 의미에서 자체 보안 모델을 설계할 수 있습니다. 예를 들어, 프로세스의 코드를 실행하는 동안 신뢰할 수 없는 것으로 간주되는 계산 단위나 메시징 단위를 무시하기로 결정할 수 있습니다.

이미지 src="https://img.jinse.cn/7236120_watermarknone.png" title="7236120" alt="CRX9zrFiLKHBtjK8XqVPjUHdsD3C54vo9vdEzD0N.jpeg">

이 다이어그램은 기존 스마트 컨트랙트 플랫폼의 보안 일관성과 AO 플랫폼의 보안 커스터마이징 가능성을 보여줍니다. 예를 들어 친구 간의 소액 송금은 B2B의 대량 거래 보안과 일치하지 않아도 되는 등, AO는 비즈니스마다 다른 수준의 보안을 맞춤화할 수 있습니다.

AO와 AI의 미래

저자는 AO와 AI의 미래 결합에 대한 자신의 견해를 추가로 밝힙니다. 그는 AI를 두 가지 방식으로 분류할 수 있다고 주장합니다.

설정 가능한 로봇과 같이 완전히 결정론적이고 완전히 매개변수화된 경우와 ChatGPT 또는 LLM 애플리케이션과 같이 비결정론적이고 적응적인 경우.

저자들은 AO의 발전은 DeFi 자동화 도구와 같은 전자가 출발점이 될 것이라고 생각합니다.

디파이 자동화

AO의 초기 디파이 자동화 프로젝트 중 하나는 @autonomous_af로, 이 팀은 사용자가 지정된 토큰을 달러 비용 평균(DCA) 기반으로 구매할 수 있는 "DCA 에이전트"를 구축했습니다.

DCA 에이전트 제품은 다음과 같은 모델을 따릅니다.

사용자는 슬리피지 허용 오차, 특정 디파이 풀, DCA 거래 빈도, DCA 거래당 금액과 같은 기타 매개변수뿐만 아니라 DCA가 매수하기를 원하는 토큰을 정의할 수 있습니다.

DCA 에이전트는 수신 알림(예: 시간 제한 작업)에 응답하고 사전 정의된 조건이 충족되면 DCA 거래를 실행합니다.

사용자는 최종적으로 DCA 에이전트를 일시 중단하거나 영구적으로 비활성화할 수 있습니다.

이러한 에이전트는 규칙 기반 방식으로 작업을 수행하고 기본 스크립트에 정의된 지침을 효과적으로 따른다는 점을 명확히 하는 것이 중요합니다. 이는 완전 결정론적 및 파라메트릭 AI로 분류할 수 있습니다.

이 시점에서 실제로 Arweave의 설립자 @samecwilliams는 현재 주류 금융 시스템에서 많은 양의 거래가 투자자가 아닌 다양한 로봇에 의해 운영된다는 비슷한 견해를 밝혔습니다. 자동화된 거래. 따라서 이는 디파이 상호 작용 시나리오에 자연스럽게 부합합니다. 사실 이러한 목표를 달성하는 가장 안전한 방법은 에이전트에 엄격한 규칙과 운영을 설정하는 것입니다. 이렇게 하면 이러한 상품을 기존 금융 상품 및 기능(예: 손절매 설정, 은행 계좌에서 DCA 상품 설정 등)과 동일한 수준으로 효과적으로 만들 수 있으며, 이는 사용자 경험 관점에서 좋은 일입니다.

디파이 자동화를 넘어

위에서 언급한 단순한 AI 외에도 현재 기술 업계에서 AI에 대한 주류 접근 방식은 LLM 모델을 사용한 Chatgpt와 같은 비결정론적 적응형 AI에 초점을 맞추고 있습니다.

이러한 유형의 시스템은 분명히 'DCA 에이전트'보다 더 발전된 시스템입니다. 하지만 비용도 매우 비쌉니다. 일반적으로 LLM 제품은 필요한 연산 능력을 제공하기 위해 GPU가 필요하며, GPU 컴퓨팅은 일반적인 CPU 컴퓨팅보다 더 비쌉니다. LLM 기본 모델을 자체 호스팅하는 데 드는 비용은 한 달에 약 2만 달러에 달할 수 있습니다. 저자들은 일부 신생 AI 스타트업의 경우 AI 컴퓨팅에만 전체 비용의 80%를 지출한다는 수치를 제시합니다.

따라서 AO에서 LLM을 사용하는 앱을 구축하려는 경우, 재정적 비용을 고려하지 않을 수 없습니다. 하지만 다른 스마트 컨트랙트 플랫폼과 달리 AO의 아키텍처는 개발자가 프로세스의 보안 수준을 확장하고 미세 조정할 수 있게 해줍니다. 대부분의 LLM 생성 메시지는 가치가 낮기 때문에 이 아키텍처는 AO 개발자에게 큰 도움이 될 것입니다.

마지막 생각

저자는 AO 조직에 대한 자신의 생각을 다음과 같이 밝히며 마무리합니다.

AO의 독특한 아키텍처는 DeFi에서 AI 기반 애플리케이션에 이르기까지 애플리케이션 개발을 위한 매력적인 플랫폼을 제공합니다.

비동기 메시징과 병렬 컴퓨팅이 결합되어 일반적인 스마트 컨트랙트 애플리케이션보다 더 풍부하고 복잡한 애플리케이션을 만들 수 있습니다.

지원되는 프로세스의 확장성과 유연한 보안 또한 AO의 고유한 특징이며, 특히 LLM 기반 제품은 이러한 특성을 잘 활용할 수 있습니다.