Jest 5:00 rano, piję moją trzecią kawę i wpatruję się w węzeł, który wygląda idealnie na papierze, ale właśnie został oznaczony przez weryfikator Fabric jako sygnały powtórzeń. Jest w tym coś dziwnie satysfakcjonującego — jak w końcu dostrzeganie pęknięcia w kawałku wypolerowanego marmuru. Potwierdza to, że nie byłeś po prostu cyniczny; czerwone flagi były prawdziwe.
Po przeżyciu wystarczającej liczby tych cykli, zdajesz sobie sprawę, że oszustwa w sieciach robotów zwykle nie zdarzają się wewnątrz samego robota — są w warstwie dowodowej. Kiedy logi są powiązane z nagrodami, te logi stają się towarem. A wszędzie tam, gdzie jest towar, ktoś będzie próbował go podrabiać.
Symulacja logów to najstarszy ruch w książce. Oszuści skryptują sekwencję, która wygląda dokładnie tak, jak myśli człowiek, że robot powinien działać: stałe tempo, "naturalne" drobne błędy i piękna latencja.
Ale operacje w rzeczywistym świecie są chaotyczne. Mają utratę pakietów, przesunięcia czasowe i dziwne luki, które nie mają sensu na arkuszu kalkulacyjnym. Myślę, że Fabric jest na dobrej drodze, ponieważ wchodzi w tę chaotyczność. Używa krzyżowych kontroli — porównując logi zadań z śladami wykonania i ograniczeniami fizycznymi — aby upewnić się, że dane nie mogły być "wcześniej przygotowane" w skrypcie.
Ataki powtórkowe są jeszcze bardziej irytujące, ponieważ dane są technicznie "prawdziwe." To ważny ślad z wczoraj, po prostu odtworzony dzisiaj pod nowym ID, aby podwójnie skorzystać z nagród. Jeśli nie zablokujesz danych w konkretnym kontekście, to jest niebezpieczne.
Fabric radzi sobie z tym, zmuszając każdy dowód do związania z jednorazowym wyzwaniem. Dodajesz ścisły przedział czasowy i ograniczenia sesji, lub zostawiasz drzwi szeroko otwarte na powtórki.
Nic z tego nie ma znaczenia, jeśli tożsamość urządzenia jest "miękka." Jeśli możesz uruchomić tysiąc wirtualnych węzłów i karmić je tym samym strumieniem, sieć się załamuje. Dlatego poziom sprzętowy, który Fabric sugeruje — używając elementów zabezpieczających lub monotonicznych liczników — jest tak istotny. Musisz sprawić, by klonowanie tożsamości było droższe niż sama nagroda.
Najbardziej bolesna lekcja, jaką się nauczyłem? Nigdy nie nagradzaj "czystych" logów. Prawdziwe roboty przetrwają, zarządzając niepowodzeniem, a nie unikając go. Jeśli system płaci za gładkość, operatorzy spędzą cały swój czas na polerowaniu maski oszustwa. Powinniśmy nagradzać "uczciwy szum."
Zaufanie nie powinno wynikać z twierdzeń projektu; pochodzi z ograniczeń, które budują. Kiedy dowód jest związany z czasem, tożsamością i losowymi audytami, rynek w końcu zmusza się do płacenia za prawdziwą pracę.
Pytanie brzmi: kiedy nastąpi kolejna gorączka złota, czy będziemy mieli cierpliwość, aby trzymać się tych ograniczeń, czy znowu zaczniemy wierzyć w "idealne" krzywe?
@Fabric Foundation #ROBO $ROBO
