NAAI DEPIN AI算力的具体实现
Naai DePIN是一个支持分布式计算的移动 AI 算力公链，提供基于区块链技术的分布式计算与结果聚合机制。结果聚合模块，用于从区块链中获取各个从节点的计算结果，并按照智能合约中的结果聚合函数聚合所有从节点的计算结果。
1.分布式计算与结果聚合模块
Naai DePIN的移动 AI 算力生态中，主节点会根据其计算需求编写智能合约，智能合约包含以下两个核心功能：
分布式计算功能：定义如何在多个节点上执行分布式计算任务。
结果聚合功能：定义如何对从各个从节点获得的计算结果进行聚合。
智能合约还包含合约描述信息，用于帮助从节点了解合约的主要内容与执行要求。
2.智能合约发布与任务分配
主节点创建与发布合约： 主节点根据计算需求编写智能合约，并将其发布至区块链网络。
从节点认领合约： 区块链上的所有节点均可查看合约描述信息，从而判断自身是否具备足够的计算资源。拥有计算资源的节点将以从节点身份通过认领机制获取合约，并在本地存储合约的执行逻辑。
记录上链： 从节点的认领行为及相关操作会记录在区块链账本中，确保数据的透明性与不可篡改性。
3.从节点执行计算
分布式计算： 每个从节点根据智能合约中的分布式计算功能与其本地数据集执行计算任务。
上传结果： 各从节点将计算结果上传至区块链，主节点从区块链中获取所有从节点的计算结果。
4.结果聚合与过滤机制
结果验证与过滤： 为避免不诚实节点或数据错误导致异常结果，主节点通过以下机制过滤计算结果：
预定义算法过滤：主节点使用预定义的异常值检测算法对从节点计算结果进行筛选。
基于历史记录的权重计算：主节点可通过区块链账本获取从节点的历史计算记录（包括参与次数、数据量及时间戳），并根据如下公式计算每个从节点的权重 PPP：
其中：
nnn：节点参与的历史计算次数。
sis_isi：第 iii 次计算所涉及的数据量。
tit_iti：第 iii 次计算距当前时间的时间跨度。
异常值检测算法： 主节点基于局部异常因子（Local Outlier Factor，LOF）算法检测异常计算结果。具体步骤如下：
计算每个结果的局部可达密度。
使用权重 PPP 修正距离度量，提升筛选准确性。
如果某计算结果的局部异常因子超过预设阈值，则该结果会被标记为异常并过滤。
通过上述方法中的步骤即可确定各从节点的权重，主节点据此根据离群点检测算法以及各从节点的权重确定与各从节点计算结果对应的局部离群因子。
其中，在离群点检测算法中，设样本集为D，样本o与样本p的距离为d(o,p)，定义dk(o)为点o的第k个距离。
当dk(o)=d(o,p)时，满足以下条件：
(1)点集中存在k个点p′∈D\{o}，使得d(o,p′)≤d(o,p)；
(2)存在k-1个点p′∈D\{o}，使得d(o,p′)<d(o,p)；即p为与o距离最近的第k个点。定义 Nk(p) 为点 p 的第 k 个邻近度，满足 Nk(p) = {p′∈D\{o}|d(o,p′)≤dk(o)}。定义点 p 到点 o 的第 k 个可达距离为 dk(o,p) = max{dk(o),d(o,p)}。
定义局部可达密度为：
定义点 o 的局部异常值 LOFk(o) 由以下公式给出：
结合上述公式，可以计算出样本集D中每个样本的局部异常值，样本的局部异常值越大，则该样本是异常样本的可能性就越大。
基于上述异常检测算法，Naai DePIN超算公链将所有从节点的计算结果组合起来作为一个样本集，将每个从节点的计算结果作为样本集中的一个样本。在此基础上，选择POS算法对上述异常检测算法中的距离进行改进。设新的距离为POS距离：d′(o,p)，则新的距离为式中Pn表示第n个从节点的权重。对于每个从节点，通过将每个从节点计算结果对应的POS距离代入异常检测算法，找到每个从节点计算结果对应的局部异常因子。
3.结果聚合： 经过过滤的计算结果将按智能合约中的结果聚合函数进行汇总，以完成分布式计算任务的最终输出。
5.改进优势
数据安全与透明性：
所有节点操作均记录在区块链账本中，数据不可篡改，确保安全性与可信性。
通过分布式计算框架实现数据共享，有效防止数据泄露。
高效分布式计算：
通过引入智能合约，将区块链交易过程转换为计算框架，支持大规模数据的分布式计算。
提供结果过滤机制，有效排除异常节点，保证计算结果的可靠性。
灵活扩展性：
预定义算法与权重机制可根据实际需求灵活调整。
适用于多种分布式计算场景，如 AI 模型训练、图像处理和实时数据分析。
兼容现有公链
Naai DePIN支持EVM和SVM等主流智能合约平台，无缝运行AI应用
开发者可以通过智能合约高效开发和部署链上AI，为Web3 生态中的DeFi、NFT、GameFi等注入智能化能力，实现全面赋能。
6.应用场景
移动设备的 AI 模型训练：
通过调动分布式移动设备的闲置算力，训练深度学习模型。
实时图像处理：
各从节点独立处理本地数据，主节点整合结果，适用于无人驾驶或视频监控领域。
区块链智能城市：
结合 IoT 设备与分布式计算能力，实现智能城市的实时决策优化。
Naai DePIN移动 AI 算力生态通过区块链技术与分布式计算框架的结合，极大提升了算力资源的利用效率，赋能各行业的创新发展。
Last updated
