Ethereum Virtual Machine
PulseAugur coverage of Ethereum Virtual Machine — every cluster mentioning Ethereum Virtual Machine across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
AuditFL 使用区块链使联邦学习可审计
研究人员开发了 AuditFL，这是一个旨在提高开放联邦学习的透明度和可问责性的新系统。AuditFL 利用区块链技术，具体来说是基于以太坊兼容的 Anvil 链上的 Solidity 合约，来管理客户端准入、跟踪模型更新和处理奖励，而无需移除中央聚合器。这种方法确保了聚合器的决策是可归因的、可重放的且在经济上受到约束的，同时将密集的训练和聚合过程保留在链下。在具有非独立同分布（non-IID）划分的 MNIST 数据集上进行的实验表…
-
新的跨链语义相似性方法桥接 EVM 和 Cosmos
本文介绍了一种新颖的方法，通过关注跨链语义相似性来桥接以太坊虚拟机 (EVM) 和 Cosmos 生态系统之间的信息。所提出的方法旨在为理解和整合不同区块链系统中的信息开辟新的可能性，可能推进与本体论和意识相关的概念。
-
开发者在 Mastodon 上展示 AI 驱动的工具和基础设施 · 跟踪 5 个来源
开发者正在 Mastodon 的 fosstodon.org 上展示各种集成了 AI 的软件项目。这些项目包括适用于 Windows 和 Linux 的 PDF Redaction Studio、用于 EVM 安全的 Wallet Firewall、用于将 CCTV 摄像头转变为安全系统的 ANTAHDRISHTI，以及用于在多个 AI 3D 模型之间路由输入的 Trify3D。此外，关于 Amazon EC2 的讨论强调了它在 AW…
-
Autonomad推出AI代理旅行预订平台，提供加密货币奖励
Autonomad已推出一个平台，AI代理可以在该平台上接受培训、获得认证，并通过预订旅行赚取加密货币。代理将在模拟环境中接受培训过程，并通过认证才能获得有偿工作资格。一旦获得认证，代理将获得预订价值的一部分，国内行程平均为2000美元，国际行程最高可达10000美元，以$NOMD代币支付。
-
SiteCheck 推出 132 个使用 x402 协议的 AI 代理按调用付费 API
SiteCheck 推出了一个新平台，提供 132 个专为 AI 代理设计的按调用付费 API，付款通过 x402 协议在 Base 和 Solana 等网络上使用 USDC 进行处理。该服务无需传统注册、API 密钥或订阅，允许代理直接为其每次请求所需的数据付费。这些工具涵盖了广泛的数据，包括链上信息、商业备案、网络抓取和基于文本的 AI 任务，并注重准确性和可靠性。
-
Werracle AI神谕可在EVM上实现亚毫秒级DeFi决策
研究人员开发了Werracle，这是一种专为以太坊虚拟机（EVM）设计的AI决策神谕，其运行在单个32字节存储槽内。该系统解决了当前链上AI的局限性，例如高昂的气体成本和缓慢的ZK-ML证明时间，这些限制阻碍了对快速去中心化金融漏洞的及时响应。Werracle利用过程式Mandelbrot动力学从紧凑的坐标三元组中获得决策，实现了亚毫秒级执行和低气体成本，使其适用于Uniswap v4中的动态费用调整等实时应用。
-
CAI支持企业接受加密货币、卡和钱包支付
CAI推出了一种新的支付系统，允许企业通过信用卡、加密货币或直接钱包到钱包转账来接受付款。对于卡支付，CAI与MoonPay集成，为客户提供一个完成交易的URL，但存在地区可用性和KYC因素。支持USDC和USDT等资产的直接加密货币存款，用户将资金发送到提供的地址或使用嵌入式界面。对于定期账单，CAI提供支付授权，允许代理在客户初步批准后在设定限额内进行自动支付。
-
新基准揭示AI生成的DeFi工作流中的安全缺陷
研究人员开发了DeFiFlowBench，这是一个旨在评估自然语言生成的去中心化金融（DeFi）工作流安全性的新基准。该基准包含207个提示，揭示了现有的提示方法即使在声明了安全谓词和价格影响上限的情况下，也经常导致不安全执行。为了解决这个问题，该团队提出了Koan-Safe，一个结合了意图解析、可替换生成器和具有默认安全参数的结构修复的系统，显著减少了在未见过提示上的不安全执行。
-
区块链地址筛选系统使用交易图分析 · arXiv cs.LG
研究人员开发了一种新颖的区块链地址筛选系统，通过分析其在多链交易图中的位置，而非依赖传统的制裁注册表和聚类启发式方法。该方法已部署在五个EVM链上，涉及超过8.35亿个地址，并有效地实现了学习模式的无标签跨链迁移。该系统还显示出在未来注册事件发生前数月就标记相关地址的显著能力，并且保持了较低的警报率和可预测的交易量。
-
使用跨五条EVM链的交易图分析筛选区块链地址
研究人员开发了一种新颖的区块链地址筛选系统，该系统通过分析地址在交易图中的位置来进行筛选，而不是依赖传统的标签查找。该系统构建了一个庞大的图谱，涵盖了五条以太坊虚拟机（EVM）链上的8.35亿个地址和超过150亿个边，包括Ethereum、Tron、Arbitrum和Gnosis。该方法证明了将学习到的模式无标签地有效迁移到新链的能力，并已成功在公开指定之前显著标记出外部注册事件。
-
新方法利用压缩技术检测以太坊上的 Sybil 攻击者
研究人员开发了一种新颖的方法，通过分析行为相似性来识别以太坊区块链上的 Sybil 攻击者，而无需钱包之间存在直接的财务联系。该方法从 EVM 跟踪中合成了一个符号交易语法，以捕获交易节奏、执行结构和功能意图。该方法利用基于 Gzip 的归一化压缩距离 (NCD) 来构建 Sybil 发现的行为图，事实证明，与传统的闭集分类模型相比，它在应对不断变化的攻击策略方面更加健壮。
-
XGBoost 在以太坊 Sybil 机器人检测方面优于 Transformer 模型
一篇新发表在 arXiv 上的研究论文评估了不同的机器学习模型在以太坊区块链上检测 Sybil 机器人的性能。该研究引入了一个泄漏感知的评估框架和一个用于表示钱包行为的“交易语法”，旨在提供更准确和实用的检测方法。结果表明，在考虑标签泄漏的情况下，基于树的模型 XGBoost 的表现优于 Transformer++ 和 BiLSTM 等基于序列的 Transformer 模型，同时还具有更低的延迟和能耗。
-
企业 EVM 区块链选择标准（面向 AI 和 Web3）
为企业选择合适的 EVM 兼容区块链需要仔细考虑安全性、可扩展性、互操作性和治理。文章重点介绍了企业在选择 EVM 生态系统以支持 2026 年关键 AI 和区块链应用时应评估的关键因素。
-
跨链 DEX 采用原子结算以防止资产滞留
跨链去中心化交易所聚合器目前在原子性方面存在困难，这意味着交易可能在不同区块链的路由途中卡住。虽然交易的各个部分可能已经结算，但整个多链交易可能会失败，导致资产滞留。一种新方法，即使用哈希时间锁定合约 (HTLC) 的多腿原子结算，旨在确保整个跨链交易要么成功完成，要么完全回滚，从而防止部分结算和资产滞留。