یک فرایند مالی که عامل هوش مصنوعی ساخته، ممکن است از نظر ساختار کامل به نظر برسد، همه مراحل لازم را داشته باشد و حتی برای لغزش قیمت هم محدودیت تعیین کند، اما باز هم معاملهای را مجاز کند که بهدلیل اثر خود سفارش روی بازار، زیان نامعقولی ایجاد میکند. مقاله تازه DeFiFlowBench این مسئله را با اجرای واقعی سناریوها در یک محیط آزمایشی بررسی کرده، نه فقط با سنجش درست بودن قالب خروجی یا شکل نمودار فرایند.
پژوهشگران ۲۰۷ درخواست طراحیشده توسط تیم خود را برای مبادله توکن، سفارش محدود، انتقال میان زنجیرهها و چند کار ترکیبی بررسی کردهاند. نتیجه اصلی برای مهندسان روشن است: درست بودن ساختار و وجود ظاهری کنترلهای ایمنی، بهتنهایی درباره پیامد اجرای معامله چیزی را تضمین نمیکند.
ظاهر درست یک فرایند، درباره نتیجه معامله کافی نیست
DeFiFlowBench ارزیابی را در چند مرحله انجام میدهد. ابتدا بررسی میکند گرهها و ارتباطهای لازم در فرایند وجود دارند یا نه. سپس کامل بودن پارامترهای اجرایی را میسنجد و در مرحله بعد سراغ کنترلهایی میرود که باید برای کاهش ریسک تعریف شده باشند.
بعد از این بررسیهای ایستا، یک آزمون جداگانه در محیط محلی سازگار با EVM انجام میشود. این بخش مهم است، چون ممکن است خروجی از آزمونهای ساختاری عبور کند اما در عمل نتیجه اقتصادی نامطلوبی داشته باشد. محیط آزمایشی مقاله از یک بازارساز خودکار سادهشده استفاده میکند و اگر اثر خود معامله بر قیمت از سقف ثابت ۵ درصد بیشتر شود، آن اجرا را ناایمن در نظر میگیرد.
نویسندگان گزارش میکنند که در حالتهای مختلف استفاده مستقیم یا هدایتشده از مدل زبانی، برای هر پیکربندی ۱۴ تا ۱۹ اجرای ناایمن در مجموعه آزمون نهایی دیدهاند. این اعداد فقط به محیط کنترلشده همین پژوهش مربوطاند و نباید به نرخ خطای سامانههای واقعی تعمیم داده شوند.
محدودیت لغزش قیمت، جلوی اثر خود سفارش را نمیگیرد
نکته فنی مهم مقاله تفاوت میان لغزش قیمت و اثر قیمت ناشی از حجم معامله است. حداقل خروجی که بر پایه قیمت اعلامشده محاسبه میشود، میتواند از تغییر بازار بین زمان دریافت قیمت و اجرای معامله محافظت کند. اما همان محدودیت لزوماً جلوی سفارشی را نمیگیرد که بهدلیل بزرگی خودش قیمت را بهشدت جابهجا میکند.
به همین دلیل، عاملی که فقط یاد گرفته برای معامله محدودیت لغزش قیمت تعیین کند ممکن است از نظر ظاهری «ایمن» به نظر برسد، در حالی که اثر اقتصادی اصلی همچنان بدون کنترل مانده است.
DeFiFlowBench برای این موضوع یک کنترل جداگانه روی اثر قیمت در نظر میگیرد. پژوهشگران همچنین سناریوهایی را آزمودهاند که خود فرایند از قبل آستانهای بیش از حد آزاد دارد؛ چون افزودن مقدار پیشفرض زمانی کمکی نمیکند که یک مقدار نامناسب از قبل وجود داشته باشد.
Koan-Safe کنترل را از تولیدکننده جدا میکند
پیشنهاد پژوهشگران با نام Koan-Safe سه بخش را از هم جدا میکند: برداشت نیت کاربر، تولید فرایند پیشنهادی و یک لایه مستقل برای اعمال محدودیتها. این لایه میتواند اجزای حفاظتی جاافتاده را به ساختار اضافه کند و در صورت نبود مقدار مشخص، محدودیتهایی مانند سقف لغزش قیمت، کنترل اثر قیمت، تعداد تأییدهای انتقال میان زنجیرهای و زمان انقضای سفارش را تعیین کند.
در ۷۵ درخواست نهایی، نویسندگان برای نسخه ترکیبی Koan-Safe امتیاز ۰٫۶۷ را در شاخص ایمنی ایستا گزارش میکنند؛ بهترین مبنا ۰٫۳۳ بوده است. در خروجیهای ذخیرهشده این نسخه، آزمون محلی اصلاحشده هیچ اجرای ناایمنی ثبت نکرده است. در آزمایشی که همان خروجی پیشنهادی حفظ شد اما لایه اعمال محدودیت کنار گذاشته شد، ۱۴ تا ۱۷ اجرای ناایمن گزارش شده است.
این نتایج امیدوارکنندهاند، اما دامنه محدودی دارند. محیط آزمایش، کل نمودار تولیدشده را روی یک پروتکل واقعی اجرا نمیکند و توکنها، نقدینگی و مسیرها ساده شدهاند. خود مقاله نیز تأکید میکند که امتیاز بالا یا نبود خطای مشاهدهشده، ضمانت عمومی برای امنیت نیست.
مهمتر از تعمیر ساختار، وجود سقف سیاستی مستقل است
بخش مهمتر پژوهش زمانی ظاهر میشود که مقدار موجود از ابتدا بیش از حد آزاد باشد. Koan-Safe برای پارامترهای غایب مقدار محافظهکارانه میگذارد، اما هر عددی را که مدل یا کاربر قبلاً تعیین کرده بهطور خودکار محدود نمیکند.
برای همین، پژوهشگران یک سقف سیاستی جداگانه را روی مجموعهای ۳۶ حالته آزمودهاند. این کنترل از خطاهایی جلوگیری میکند که صرفاً با کامل کردن ساختار حل نمیشوند.
برداشت Aipolix این است که این اصل فراتر از DeFi کاربرد دارد: همان سامانهای که فرایند را تولید میکند نباید بهتنهایی حدود مجاز اجرای آن را هم تعریف کند. عامل میتواند پارامتر پیشنهاد دهد، اما مرز نهایی اجرا باید محدودیتهایی مستقل و غیرقابلتضعیف داشته باشد.
در امور مالی این محدودیت میتواند سقف اثر قیمت باشد. در مدیریت زیرساخت میتواند دامنه مجاز تغییر، منابع حفاظتشده یا بازه زمانی اجرای تغییر باشد. در سامانههای داده هم میتواند حداکثر دامنه افشا را مشخص کند. اصل مشترک این است که درست بودن معنایی یا ساختاری یک اقدام، جای کنترل پیامد خارجی آن را نمیگیرد.
شواهد هنوز مقدماتیاند
DeFiFlowBench نسخه اول یک پیشچاپ arXiv است و نتیجه آن هنوز با داوری علمی یا بازتولید مستقل تأیید نشده است. مجموعه آزمون را خود تیم پژوهش ساخته و محیط اجرا عمداً از دنیای واقعی سادهتر است. این آزمایش نشان نمیدهد که فرایند دقیقاً نیت کاربر را برآورده میکند یا در برابر نقدینگی واقعی، رفتار پروتکلهای عملیاتی و شرایط رقابتی بازار همچنان ایمن خواهد ماند.
مقاله مخزن Koan را بهعنوان محل کد معرفی میکند. این مخزن یک پلتفرم اجرایی DeFi را توضیح میدهد، اما در نمای فعلی آن، اجزای مربوط به مجموعه آزمون و Koan-Safe به اندازه روششناسی مفصل مقاله برای بررسی مستقل در دسترس و روشن نیستند. این موضوع فعلاً ارزش بازتولیدپذیری نتیجه را محدود میکند.
ارزش فوری پژوهش برای تیمهای فنی بیشتر در طراحی معماری است: ارزیابی عامل باید پیامد واقعی اجرا را بسنجد و مرز نهایی اجرا باید محدودیتهایی داشته باشد که خروجی تولیدشده نتواند آنها را بهسادگی کاهش دهد.