datahaven: AI トレーニングデータと ML モデルを EigenLayer で保護した検証可能な分散型ストレージネットワーク

解決する課題

DataHaven は、プロダクション規模の AI トレーニングデータ、機械学習モデル、Web3 アプリケーション向けに設計された、検証可能な分散型ストレージネットワークを提供します。暗号証明を用いてデータが改ざんされていないことと常に利用可能であることを保証することで、サードパーティのストレージプロバイダーへの信頼という問題を解決します。

仕組み

DataHaven はストレージと検証を分離します。ファイルはチャンク化され、Merkle ツリーにハッシュ化され、そのルートがオンチェーンにアンカーされることで改ざん検知可能な検証が行われます。ネットワークは二層プロバイダーモデルを採用しています:

• メインストレージプロバイダー (MSP): ユーザーのアップロード、バケット管理、データ取得を担当します。
• バックアップストレージプロバイダー (BSP): 分散レプリケーションによる冗長性を確保し、定期的なプルーフチャレンジを受けてデータを保持し続けていることを証明します。

セキュリティは EigenLayer を介した Ethereum のリステークにより提供され、バリデータは不正行為に対してスラッシュされます。システムは Snowbridge を通じた信頼不要なクロスチェーンメッセージングで Ethereum と統合され、Frontier パレットにより EVM 互換性もサポートします。

対象ユーザー

• AI/ML 研究者・開発者: トレーニングデータセットやモデル重みを、整合性の暗号証明と共に保存し、検証可能な AI パイプラインを構築したい方。
• DePIN プロジェクト: IoT センサーログなど、データ系譜の証明が必要な分散型物理インフラを構築する開発者。
• Web3 アプリケーション開発者: 資産ドキュメントやコンプライアンス記録など、改ざん不可能な永続ストレージを必要とするユーザー。

ハイライト

• 検証可能なストレージ: 中間者を信頼せずにデータ整合性を検証できる Merkle 証明を使用。
• EigenLayer セキュリティ: Ethereum のリステークを活用した経済的セキュリティとバリデータスラッシュ。
• 二層プロバイダーモデル: パフォーマンス (MSP) と信頼性 (BSP) のバランスを実現。
• クロスチェーン統合: Snowbridge による Ethereum との信頼不要ブリッジと完全な EVM 互換性。

---

要約: EigenLayer で保護された、AI トレーニングデータ、ML モデル、Web3 アプリケーション向けの検証可能な分散型ストレージネットワークで、暗号証明によりデータ整合性を保証します。

タイトル:

datahaven: AI トレーニングデータと ML モデルを EigenLayer で保護した検証可能な分散型ストレージネットワーク