Salut tout le monde, je suis Ning Fan.

Récemment, ça a chauffé dans le milieu – le groupe de renseignement de Google a balancé une info de ouf : en mai 2026, ils ont détecté pour la première fois un programme d'attaque zero-day développé de manière autonome par l'IA. Les hackers utilisent des modèles d'IA pour dénicher les failles et créer du code malveillant, prêts à lancer une invasion massive du réseau. Il y a à peine deux mois, en avril 2026, Vercel a révélé un incident encore plus flippant : les attaquants n'ont pas hacké directement le système de Vercel, mais ont d'abord pris le contrôle d'un outil tiers utilisé par un employé, et à partir de là, ils ont pu accéder à Google Workspace et se faufiler jusqu'aux systèmes internes et aux données sensibles.

Ces deux éléments mis ensemble, 宁凡 pense qu'ils pointent tous deux vers la même question : les sorties du système IA sont-elles vraiment fiables ? Pouvez-vous vérifier ce qu'il a fait ?

C'est le cœur de ce que 凡凡 veut discuter aujourd'hui - le moteur de preuve à connaissance nulle DeepProve de @#OpenLedger . Ce n'est pas du tout le même niveau que les preuves d'attribution ou Datanets, cette fois-ci c'est une arme cryptographique hardcore.

DeepProve est essentiellement un système qui combine les preuves à connaissance nulle et l'inférence d'IA. Pour le dire en langage courant : l'IA peut générer une 'preuve' mathématiquement vérifiable sans exposer les paramètres internes du modèle ou les données d'entrée - prouvant que ce résultat d'inférence a été généré selon des règles établies, en utilisant un modèle spécifié, et en suivant le bon chemin. 凡凡 l'a surnommé 'le code de sécurité de l'IA'. Vous n'avez pas besoin de faire confiance à cette IA, vous devez simplement vérifier cette preuve cryptographique pour déterminer si la sortie est fiable et si elle a été altérée.

Pourquoi 凡凡 pense-t-il que ce sujet est particulièrement important maintenant ?

Un détail mentionné dans le rapport de Google : le code d'attaque généré par l'IA contenait un 'score CVSS illusoire' et une série de commentaires de type manuel. C'est cette caractéristique qui a permis aux équipes de sécurité de détecter le problème. En d'autres termes, si l'IA n'avait pas fait d'erreurs en ajoutant des commentaires superflus, cette attaque n'aurait peut-être jamais été découverte. Et la prochaine fois ? Que se passera-t-il si l'IA devient plus rusée ?

Donc, le problème que DeepProve cherche à résoudre n'est pas une augmentation d'efficacité ou une réduction de coûts - il s'agit de quelque chose de plus fondamental : avant même que l'IA ne produise une sortie, vous avez un moyen cryptographique de vérifier sa fiabilité. C'est aussi un niveau souvent sous-estimé dans l'ensemble technologique d'OpenLedger - il ne suffit pas de savoir quelles données l'IA a utilisées et qui les a fournies, il faut également valider sur le plan mathématique que 'ce résultat d'inférence a été calculé comme annoncé'. Les deux premiers niveaux reposent sur des preuves d'attribution, le troisième niveau repose sur cette chaîne d'outils cryptographiques DeepProve.

Ce qui est encore plus fort, c'est que DeepProve n'est pas isolé. Il est lié à Inference Labs dans l'écosystème - Inference Labs génère les preuves cryptographiques du processus d'inférence, OpenLedger ancre ces preuves sur la chaîne. En résumé, le modèle entier que 凡凡 résume est : la propriété intellectuelle du modèle AI central est protégée, le processus d'inférence est vérifiable, et les données sensibles ne sont jamais exposées. Réaliser cela simultanément est pratiquement impossible dans une architecture d'IA traditionnelle.

D'un point de vue écosystémique, la capitalisation totale des projets construits sur OpenLedger a déjà dépassé 10,7 milliards de dollars, couvrant plusieurs domaines allant de la DeFi à l'intelligence des données environnementales - DeepProve de Lagrange offre une vérifiabilité on-chain pour les agents IA dans la DeFi, Ambios génère des données environnementales en temps réel via un réseau de capteurs décentralisés, Morpheus utilise le langage naturel pour générer des contrats intelligents optimisés pour la sécurité.

Quel rôle joue OPEN dans ce jeu ? 凡凡 ne tourne pas autour du pot : tout l'écosystème est tissé grâce à OPEN. Les contributeurs fournissent des données et reçoivent des OPEN en retour, les développeurs de modèles s'inscrivent et déploient en utilisant OPEN comme Gas, les appels d'inférence sont réglés en OPEN et automatiquement répartis entre les fournisseurs de données, les développeurs de modèles et l'infrastructure - quel est le rôle d'OPEN ici ? 凡凡 ne tourne pas autour du pot : tout l'écosystème est tissé grâce à OPEN. Les contributeurs fournissent des données et reçoivent des OPEN en retour, les développeurs de modèles s'inscrivent et déploient en utilisant OPEN comme Gas, les appels d'inférence sont réglés en OPEN et automatiquement répartis entre les fournisseurs de données, les développeurs de modèles et l'infrastructure - OPEN est le sang de toute l'économie 'AI vérifiable', pas seulement un token de gouvernance.

Imaginez, si en 2024 ces cas d'agents IA piratés - comme celui où des millions de dollars ont été volés - avaient un système IA fonctionnant sur l'architecture DeepProve, chaque opération sur la chaîne aurait une preuve cryptographique vérifiable, l'attaquant aurait-il pu faire aussi facilement ? L'attaque zero-day interceptée par Google était une chance - parce que l'IA ne sait pas encore trop se cacher. Mais l'IA évolue chaque jour, et notre ligne de défense ne peut pas compter sur la chance.

凡凡 dit toujours : la narration la plus sexy de Web3 n'est pas de recréer un casino, mais d'utiliser la technologie pour résoudre des problèmes du monde réel. La sortie d'IA vérifiable et crédible n'est vraiment plus une option aujourd'hui, mais une question incontournable. DeepProve a-t-il fait le bon mouvement ? Le temps nous le dira.

Que pensez-vous ? L'ère des attaques autonomes par IA est arrivée, est-ce que cette voie de validation par cryptographie des sorties d'IA est viable ? Discutons dans les commentaires, 凡凡 est en ligne. N'oubliez pas de suivre @OpenLedger et l'histoire de $OPEN , avançons ensemble ! #OpenLedger