분산형 여신국을 위한 지분증명 활용

Using Proof-of-Stake for a Decentralized Credit Bureau

Spectrum에서는 이해관계 증명 메커니즘을 사용하여 모델러, 제작자, 사용자 및 검증자로 구성된 네트워크를 만들고 인센티브를 제공하고 있습니다. 체인링크(LINK) 및 그래프(GRT) 모델과 유사한 아이디어는 나쁜 행위자를 찾아내어 억제하는 피드백 메커니즘이 내장된 분산형 시장을 구축하는 것입니다.

이 기사는 코인데스크의 “스테이킹 위크”의 일부입니다. James McGirk는 Spectrum Finance의 선임 작가이자 Lonely ROCKs의 공동 설립자입니다.

Google tag.cmd.push(함수 () {google tag.display (‘js-dfp-tag-ez4’; });

우리의 다중 자산 신용 위험 오라클(MACRO) 점수는 온체인 대출에 대한 지갑의 청산 가능성을 예측하는 세 자릿수 점수를 산출하기 위해 약 100개의 온체인 신호 무게를 측정하는 기계 학습 모델입니다.점수는 FICO 점수와 유사하며 300점(청산 위험이 매우 높음을 나타냄)에서 850점으로 매우 낮은 위험을 나타냅니다. 이는 기존의 신용 보고서에서 얻을 수 있는 것과 매우 유사합니다. 단지 Experian, Transunion 및 Equifax에 의존하여 지출을 감시하는 대신 지갑을 선택하는 것입니다.

온체인 신용 점수의 약속은 옵트인(opt-in)이고, 완전히 투명하며, 결국 경쟁 시장을 유인함으로써 점수를 생성하는 알고리즘의 생산이 분산될 수 있다는 것입니다. 넷플릭스는 2000년대에 이 기술을 개척했고 결국 추천 알고리즘을 10% 향상시킨 데이터 과학자 팀에게 백만 달러의 현상금을 지급했습니다.

참고 항목: 위험을 무릅쓰는 것은 크게 오해를 받고 있습니다. | 의견

검증자 네트워크의 전통적인 모델은 블록을 생성하고 보상을 검증한 것에 대해 검증자 노드에 보상을 지급하는 것이며, 노드가 잘못된 행동을 했을 때 지분을 빼앗고 악의적으로 행동하거나 다른 블록체인을 위반할 경우 이를 슬레이싱(slashing)이라고 합니다. 유효성 검사를 사용하여 경연을 장려할 수도 있습니다. 예를 들어, 네트워크를 모델러(정확한 모델을 만들어 상금을 받는 기계 학습 엔지니어)와 모델러가 해결해야 할 데이터 과학 과제를 만드는 크리에이터(creator)로 나눌 수 있습니다. 이 경우 온체인 정보에서 생성된 정확한 신용 점수입니다.

Google tag.cmd.push(함수()) { googletag.display(‘js-dfp-tag-F9w’; };

암호 경제학이 작동하면 전 세계 사람들이 아이디어를 반복하는 온정적인 환경이 조성됩니다. 신용도 평가는 블록체인을 기반으로 구축함으로써 스마트 계약이 오프체인 처리(예: 제로 지식 머신 러닝)를 시스템에 구축할 수 있기 때문에 거의 모든 데이터 세트를 암호화하고 주어진 처리 능력과 시간(종양 탐색, 의료 기록 추론, 보험 관련)에 대해 작업할 수 있습니다젊은이들, 보석금 계산은 심지어 햄버거를 제공하기 위해 로봇 운영 체제를 훈련시키기도 합니다.

// Ex.co 스크립트 및 중간 아티클 배치( 함수 (d, s, n) {varjs, fjs = d.getElementsByTagName(s)[0]; js = d.createElements(s), js.className = n; js.s.src = “/player.ex.co/player/4c49b82f-103d-41ce-9191-ffa4d1f737fb”; fj.parentNode.Inservo, ‘Ex.co’s’s’s’document’를 실행합니다.inser.inter, place;.getElementsByClassName(‘비디오 자리 표시자’)[0]; varexcoDiv = document.createElement(‘div’); excoDiv.id = ‘4c49b82f-103d-41ce-9191-fa4f’fb’; if(video&document.getElementById){cf}, faf7f}, fafnff}, fafnedefnedefgetelementBybfgetelementBybf}

At Spectral, we’re creating and incentivizing a network of modelers, creators, users and validators using proof-of-stake mechanics. The idea — similar to Chainlink (LINK) and The Graph’s (GRT) models — is to build a decentralized marketplace with a built-in feedback mechanism that ferrets out and discourages bad actors.

This article is part of CoinDesk’s “Staking Week.” James McGirk is a senior writer at Spectral Finance and the co-founder of Lonely ROCKS.

googletag.cmd.push(function() { googletag.display(‘js-dfp-tag-ez4’); });

Our multi-asset credit risk oracle (MACRO) score is a machine learning model that weighs approximately 100 on-chain signals to produce a three-digit score predicting a wallet’s likelihood of liquidation on an on-chain loan.The score is similar to the FICO score, and ranges from 300 (representing a very high risk of liquidation) to 850, representing a very low risk. It’s very similar to what you’d get from a traditional credit report, only instead of relying on Experian, Transunion and Equifax to keep tabs on your spending, you opt-in with your wallet.

The promise of an on-chain credit score is that it’s opt-in, completely transparent, and eventually, production of the algorithm generating the scores can be decentralized by incentivizing a competitive marketplace. Netflix pioneered the technique in the 2000s when they offered and eventually paid a million-dollar bounty to a team of data scientists who improved their recommendation algorithm by 10%.

See also: Staking Risks Are Vastly Misunderstood | Opinion

The traditional model of a validator network is to pay rewards to a validator node for producing blocks and validating rewards, and punishing nodes – which is called slashing – by taking away their stake when they misbehave, which entail failing to maintain the node, behaving maliciously or other blockchain malfeasance. You can also use validation to incentivize a contest. For example, you can divide a network into modelers (who are machine learning engineers earning bounties by creating accurate models) and creators, who create data science challenges for the modelers to tackle, in this case an accurate credit score generated from on-chain information.

We also have validators, who vet the models for quality, and, after the contest ends, we have users who pay to use scores (i.e. machine learning inferences) generated from the winning models. The idea is to use crypto to nourish a flourishing ecosystem that grows extremely accurate machine learning models as a byproduct.

googletag.cmd.push(function() { googletag.display(‘js-dfp-tag-F9w’); });

Cryptoeconomics, when it works, creates a hothouse environment where ideas are iterated upon by people all over the world. Creditworthiness assessment is just one use case, by building on a blockchain, smart contracts can build off-chain processing (such as zero-knowledge machine learning) onto the system, so nearly any data set can be encrypted and worked on given enough processing power and time — whether it’s tumor hunting, medical records inferences, insurance payouts, bail calculations even training robotic operating systems to serve hamburgers.

// Run Ex.co Script and mid-article placement (function (d, s, n) { var js, fjs = d.getElementsByTagName(s)[0]; js = d.createElement(s); js.className = n; js.src = “//player.ex.co/player/4c49b82f-103d-41ce-9191-ffa4d1f737fb”; fjs.parentNode.insertBefore(js, fjs); }(document, ‘script’, ‘exco-player’)); // Ex.co placeholder div var element = document.getElementsByClassName(‘video-placeholder’)[0]; var excoDiv = document.createElement(‘div’); excoDiv.id = ‘4c49b82f-103d-41ce-9191-ffa4d1f737fb’; if (element && document.getElementById(‘4c49b82f-103d-41ce-9191-ffa4d1f737fb’) == undefined) { element.append(excoDiv); }