Attestia — 概念
Attestia 的工作原理
Attestia 将媒体验证转变为开放的、激励驱动的信任层。每次提交都会从 Attestia 的内置 Deepfake 检测器立即获得真实性信号；然后，独立证明者添加自己的评论，加权结果锚定在链上，任何人都可以验证它。
协议流程 — 将鼠标悬停在每个节点上以获取详细信息
01
Submitter
Submit Media Content
pays: Attestation Credits (AC)
Uses Attestation Credits (AC) to request verification of a media item.
02
Decentralized Storage
Store & Preserve Content
tamper-proof · always available
The media is stored in a decentralized network — no single party controls it, and no one can alter or delete it.
Attester 网络
03
Attestia
深度换脸检测
即时·引导证明者
Attestia 的内置 Deepfake 检测器充当引导证明器：它在存储媒体时立即运行（无审查窗口），并在独立证明器加入时提供第一个真实性信号。
03·A1
独立Attester
检索并评分
窗口期：30 分钟 |密封的
03·A2
独立Attester
检索并评分
证明者：N ≥ 3 |密封的
独立证明者从去中心化存储中检索媒体，在 30 分钟内运行自己的分析，并提交密封的链下分数。分数将保持隐藏状态，直到窗口关闭以防止模仿。
04
Score Aggregator
Aggregate & Anchor Consensus
ZK proof → on-chain
All attester scores are aggregated via verifiable computation with a ZK proof. Consensus result anchored on-chain as a final immutable attestation.
05
Smart Contracts
Slash / Reward
aligned: rewarded | outliers: slashed
Attesters whose scores align with consensus are rewarded. Outliers are penalised. Submitter receives the final on-chain verdict.
01Submitter
提交媒体内容
支付：证明学分 (AC)
02去中心化存储
存储和保留内容
防篡改 · 始终可用
03Attester 网络
Attestia
深度换脸检测
即时·引导证明者
独立Attester
检索并评分
窗口期：30 分钟 |密封的
独立Attester
检索并评分
证明者：N ≥ 3 |密封的
04分数汇总器
聚合与锚定共识
ZK 证明 → 链上
05智能合约
削减/奖励
对齐：奖励|异常值：削减
设计原则
为什么采用这种架构？
Attestia 中的每个结构选择都回答了现有验证系统的特定故障模式。
链下分数、链上锚
Attester 评估保持密封，直到窗口关闭 - 这可以防止后来的参与者复制早期的参与者（“羊群”问题）。只有最终的聚合通过 EAS 上链：不可变、公开且可与任何外部应用程序组合。
加密经济激励措施
质押、奖励和削减不是可选的附加服务。它们有意让诚实参与变得理性，让操纵变得昂贵。不诚实行为的预期损失总是超过任何单一任务的预期收益。
市场，而不是委员会
没有单一的模型或组织可以定义基本事实。 Attestia 将初始人工智能真实性信号与独立证明者评论相结合，然后将它们聚合。
随着越来越多的证明者贡献，系统变得越来越去中心化：高质量的贡献者获得权重和奖励，而不可靠的信号随着时间的推移失去影响力。
随着越来越多的证明者贡献，系统变得越来越去中心化：高质量的贡献者获得权重和奖励，而不可靠的信号随着时间的推移失去影响力。
角色和机制
谁参与——以及如何参与。
Submitters 支付验证费用；本地证明者和独立证明者在不同的规则下提供分数。钱包注册为提交者或独立证明者，但不能同时注册为两者。
角色·01
Submitters
登记资产核验的媒体机构、平台或个人。他们使用证明积分 (AC) 进行支付——该费用根据内容类型而变化，并起到对抗垃圾邮件的作用，为每个验证请求提供经济权重。
支付：证明学分 (AC)接收：链上判决角色·02
Attestia 本机 Attester
Attestia 的内置 Deepfake 检测器会立即对每个提交进行评分，作为聚合的基线输入，而不是最终裁决。当很少有独立证明者参与时，其在共识中的权重最高，并随着 N 的增长而降低。它不会进行质押、赚取证明者奖励或面临削减。
运行：提交时权重：随 N 减小角色·03
独立证明者
去中心化的评估者检索媒体，运行自己的分析（机器学习模型、启发式方法、领域专业知识），并在时间窗口内提交密封的真实性分数。他们抵押抵押品：与联合共识保持一致可以获得奖励；重大偏差可能会引发削减。
权益：USDC 抵押品赚取：USDC奖励风险：削减机制·04
通过 EAS 进行链下证明
每个评估都是一个结构化的 EAS 证明 - 绑定内容哈希、资产 ID、真实性分数、深度伪造风险分数和链对齐时间戳的签名数据。将分数保持在链外可以保护证明者隐私并防止羊群效应；加密承诺仍然使它们具有防篡改和可独立验证的特点。
格式：EAS 链下机制·05
原生+独立聚合
共识将原生分数 xA（参与计划中的权重 wA(N)）与独立分数的声誉加权平均值结合起来。随着 N 的增加，wA 下降——信任从引导信号转向去中心化的市场判断。