如何验证不可信 GPU 主机真跑了你付费的模型?Gonka 的三类作弊与防御设计
autoimago · reddit · 2026-09-17
开源项目 Gonka 的贡献者发布设计笔记,讨论去中心化推理网络中「陌生人 GPU 是否真的跑了指定模型」的验证难题——逐请求重跑会让网络成本翻倍,所以只能抽样。文中梳理了三类作弊手法与当前防御,并列出未解决的问题。
三类作弊与防御:
- 偷换小模型/低精度量化 → 随机让 1–10% 的任务由其他主机重跑校验;开放问题:隐蔽量化能否藏在浮点噪声里?
- 虚报算力 → 用「Proof of Work 2.0」Sprint 轮实测真实模型计算量;开放问题:Sprint 与真实服务能力的贴合度?
- 偶发作弊 → 信誉评分,失败越多被抽查率越高;开放问题:期望损失威慑对高价值请求够不够?
请社区攻击的问题:
- 匹配:输出在不同 GPU/内核间非比特级一致,什么容差不可被利用?
- 成本偏斜:MoE 路由和 40 万 token 长 prompt 使请求成本差异巨大,抽查该不该按成本加权?
- 保证 vs 威慑:抽样够不够,还是某些请求必须上 TEE 或零知识证明?
验证代码在 inference-chain/ 目录,安全漏洞通过 HackerOne 赏金提交。
「Infra」频道最新
- huggingface_hub 1.32：UV 脚本头可声明运行时镜像，一键在 HF Jobs 运行 — vanstriendaniel · 2026-09-17
- 开源 Qwen-1B-RLCD:并行解码让 JSON 推理快 5 倍 — JiliJeanlouis · 2026-09-17
- Fathom 按查询自适应读位宽,百万 token KV 扫描提速 1.67 倍 — Vivek Kalyanarangan · 2026-09-17
- 单张 24GB 跑 35B MoE:SSD 流式推理引擎 Edge0 达 20 token/s — Edge0 · 2026-09-17
- Daytona 实测 NVIDIA Vera CPU,获官方博客引用 — mattturck · 2026-09-17
- 长鑫 LPDDR5X 首进旗舰机，努比亚豆包 AI 手机 5999 元起售 — pstAsiatech · 2026-09-17