NEAR تستهدف أمان البروتوكول بعد تشغيل توليد إثباتات الذكاء الاصطناعي بقيمة 112 دولارًا

أوضحت بروتوكول NEAR خططها لتطبيق التحقق الرسمي المدعوم بالذكاء الاصطناعي على بروتوكولها والعقود الذكية الأساسية بعد الإبلاغ عن حل 672 مشكلة رياضية بتكلفة نموذج وقت التقديم تبلغ 111.85 دولارًا.

ملخص

• تخطط NEAR لتطبيق التحقق الرسمي المدعوم بالذكاء الاصطناعي على بروتوكولها والعقود الذكية الأساسية.
• أفادت NEAR AI بأنها حلت 672 مشكلة من PutnamBench بتكلفة نموذج وقت التقديم تبلغ 111.85 دولارًا.
• يتطلب التحقق الإنتاجي نماذج برمجية دقيقة، ومتطلبات محددة، وإثباتات تغطي التنفيذ المنفذ.
• يكمل التحقق الرسمي الاختبار ومراجعات الشيفرة، مع ضمانات محدودة للخصائص والافتراضات المحددة.

قالت بروتوكول NEAR في إعلانها بتاريخ 16 أكتوبر إن أبحاثها تهدف إلى تقليل العمل المتخصص وتكاليف الحوسبة المرتبطة بإثبات أن البرمجيات تتبع القواعد المحددة.

يثبت التحقق الرسمي أن البرمجيات تتبع القواعد المحددة.
هدفنا هو جعله في متناول المزيد من المطورين. تقدم NEAR AI في توليد الإثباتات الآلية يقربنا من ذلك.
التالي: تطبيقه على بروتوكول NEAR والعقود الذكية الأساسية. https://t.co/MqFxz4B166 --- بروتوكول NEAR (@NEARProtocol) 19 أكتوبر 2026

يغطي التطبيق المخطط بروتوكول الشبكة والعقود الأساسية، إلى جانب الأدوات لمطوري النظام البيئي. وصفت NEAR التحقق الإنتاجي كهدف، بينما يتعلق عملها المنجز بمعايير توليد الإثباتات الرياضية الآلية.

تخطط NEAR لنقل توليد الإثباتات إلى البرمجيات الإنتاجية

وفقًا لإعلان NEAR، يتضمن تطبيق البحث على البرمجيات العاملة ثلاث مراحل. يجب على المطورين تمثيل برنامج رياضيًا، وتحديد الخصائص التي يجب أن تلبيها، وبناء إثباتات تظهر أن تلك الخصائص صحيحة.

تظهر نتائج المعايير الأخيرة لـ NEAR AI تقدمًا في المرحلة الثالثة. يقول الإعلان إن العمل الإنتاجي لا يزال يتطلب نماذج دقيقة لسلوك البرمجيات وارتباطًا واضحًا بين الإثباتات والتنفيذ الذي يعتمد عليه المستخدمون.

في توضيحها، تميز NEAR بين إثبات يغطي قاعدة محاسبية معينة وضمان أن التطبيق بالكامل آمن. يمكن أن يحافظ العقد على الأرصدة أثناء التحويلات بينما يتطلب إثباتًا منفصلًا بأن الحسابات المصرح بها فقط يمكنها بدءها.

ربط المؤسس المشارك لـ NEAR، إيلليا بولوسوخين، البحث بالمخاطر الناتجة عن البرمجيات والأدوات التي ينتجها الذكاء الاصطناعي والتي تساعد المهاجمين في تحديد نقاط الضعف.

"مستقبل الذكاء الاصطناعي، والرمز الذي ينتجه الذكاء الاصطناعي، مثير -- ولكن فقط عندما نحقق ضمانات قابلة للتحقق رياضيًا لسلوكه."

يعيد الإعلان إنتاج البيان من كتابات بولوسوخين حول أمان البرمجيات. تقول NEAR إن التحقق الرسمي يجب أن يكمل الاختبار ومراجعة الشيفرة وممارسات الأمان التشغيلية.

نتيجة 111.85 دولار تقيس إثباتات الرياضيات

يبلغ إعلان NEAR أن وكيلها الذكي حل 672 مشكلة Lean من PutnamBench، وهو معيار يعتمد على مسابقة الرياضيات الجامعية Putnam. كانت التكلفة المتوسطة المبلغ عنها حوالي 0.17 دولار لكل مشكلة وفقًا لأسعار النموذج المستخدمة في التقديم.

تصف مستودع المشروع العام النتيجة بأنها 670 مشكلة من المنبع بالإضافة إلى نسخ مصححة لمشكلتين ذات صياغات رسمية معيبة. تقول NEAR إن الإنفاق المبلغ عنه لا يشمل التكلفة الكاملة لتطوير النظام ولا يقدر سعر التحقق من عقد الإنتاج.

في المستودع، أفاد الفريق أن إعادة استخدام نفس الاستخدام بأسعار DeepSeek غير الذروة المدرجة لاحقًا ستكلف 331 دولارًا. تشمل منهجيتها محاولات غير ناجحة، على الرغم من أن المؤلفين يحددون تجربة موازية منفصلة باستخدام Kimi التي استبعدوها من حساب التكلفة.

يصف المستودع الفحوصات ضد الإثباتات غير المكتملة والتغييرات على البيان الرياضي الذي يتم إثباته. ويبلغ أن أطول تشغيل استمر لأكثر من ثلاثة أيام.

بالإضافة إلى PutnamBench، تقول NEAR إن فريقها حقق المركز الأول من حيث إجمالي الحلول في قائمة تصنيف Lean Eval v1. يحدد الإعلان مقياس التصنيف، مميزًا إياه عن الحلول الأولى والحلول الفريدة.

وفقًا لـ NEAR، فإن معايير الرياضيات تمارس قدرة مطلوبة للتحقق من البرمجيات لأن المطورين يترجمون متطلبات البرمجيات إلى بيانات رياضية. تفصل الشركة تلك النتائج عن عمل إثبات خصائص الشيفرة المنفذة.

تعتمد الإثباتات الرسمية على القواعد التي يختارها المطورون

في مثال النقل الخاص بـ NEAR، يقوم اختبار تقليدي بفحص معاملة محددة، مثل نقل خمسة رموز بين حسابين. يمكن أن يثبت الإثبات أن كل نقل ناجح تغطيه النموذج الرياضي يحافظ على الرصيد المدمج للحسابات.

يشرح الإعلان أن المطورين يختارون أولاً متطلبًا، ويعبرون عن سلوك البرمجيات ذي الصلة رياضيًا، ويقدمون إثباتًا مقترحًا إلى مدقق. تعتمد الضمانة الناتجة على التعريفات والافتراضات المستخدمة.

تستخدم طريقة NEAR Lean، وهي لغة برمجة مفتوحة المصدر ومساعد إثبات. يمكن لوكيل الذكاء الاصطناعي اقتراح إثبات، وتشغيل Lean، وفحص ملاحظاته، وتنقيح المحاولة، بينما يتحقق نواة Lean مما إذا كان الإثبات يتبع قواعده المنطقية.

لا تحدد المحاولة غير الناجحة بالضرورة وجود عيب في البرمجيات، وفقًا لـ NEAR. قد يكون المتطلب خاطئًا، أو قد تنتهك التنفيذ، أو قد يفشل الوكيل في العثور على إثبات صالح.

لقد وثقت التحقق الرسمي بالفعل تطبيقات داخل نظام NEAR البيئي. يصف تقييم Certora في 30 مارس لبروتوكول Templar، وهو بروتوكول إقراض تم نشره على NEAR، المراجعة اليدوية لعقوده المكتوبة بلغة Rust والتحديد الرسمي والتحقق من عقد السوق الخاص به. تحدد صفحة تقييم Certora الخصائص المثبتة والقضايا المكتشفة كمواضيع للتقرير الكامل.

فرق البلوكشين الأخرى سعت إلى التحقق المدعوم بالذكاء الاصطناعي

في مايو، وصفت Aptos Labs دعمها للتحقق الرسمي المدعوم بالذكاء الاصطناعي الذي ينطوي على الإرسال الديناميكي في عقود Move. وفقًا لتغطية الإعلان، تستخدم سير العمل المعلن مواصفات تم إنشاؤها بواسطة الذكاء الاصطناعي مع Move Prover.

ناقش المؤسس المشارك لإيثريوم فيتاليك بوتيرين مجموعة مماثلة من أدوات الذكاء الاصطناعي والإثباتات التي تم التحقق منها بواسطة الآلة. كما أفادت crypto.news سابقًا، حددت تعليقاته في مايو التطبيقات عبر خارطة طريق إيثريوم، بما في ذلك الإجماع، والتشفير المقاوم للكم، وأنظمة المعرفة الصفرية.

حذر بوتيرين من أن إثبات طبقة واحدة لا يثبت أن النظام بأكمله يعمل كما هو مقصود. تناول نقاشه التحقق من المواصفات عالية المستوى من خلال التنفيذ منخفض المستوى.

لقد تناولت أبحاث الأمان المنفصلة لـ NEAR التوقيع المقاوم للكم. اختار اقتراح Near One في مايو دعم توقيع FIPS-204، باستخدام معيار ML-DSA المعتمد من المعهد الوطني للمعايير والتكنولوجيا في الولايات المتحدة.

وصف الاقتراح في مايو هدف شبكة اختبار لنهاية الربع الثاني من عام 2026. قالت Near One إن برامج المحفظة، والمحافظ المادية، ونقاط النهاية، وواجهات برمجة التطبيقات ستحتاج إلى تغييرات منسقة لدعم مخططات التوقيع الجديدة.