Aller au contenu principal
Accès ouvert déclaré 2026 preprint

Unified Cryptographic Proof-of-Execution and Eco-Compute Optimization for Decentralized Autonomous AI Infrastructure

0Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : de. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

ABSTRACT As autonomous artificial intelligence (AI) agents and edge compute micro-nodes assume central roles in critical digital systems, guaranteeing computational fidelity without compromising hardware efficiency or user privacy remains an imperative challenge. Existing attestation models heavily rely on centralized Trusted Execution Environments (TEEs), which exhibit side-channel vulnerabilities and restricted memory bandwidth. This paper presents a comprehensive, multi-layered architecture uniting zero-knowledge Proof-of-Execution (ZK-PoE) with hardware-abstracted eco- compute pipelines. Developed under the research mandate of XR6 Labs (HQ) — Research & Engineering, our implementation leverages layer-wise Polynomial Commitments (KZG) and succinct non-interactive arguments (zk- SNARKs) to verify matrix multiplication traces in real time. Empirical benchmarks across heterogeneous micro-node clusters reveal an 87.4% reduction in proof generation latency and an 88.2% drop in per-inference energy consumption relative to baseline zero-knowledge virtual machines (zkVMs). These results confirm the feasibility of sustainable, verifiable, and ethical AI compute deployment globall

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Unified Cryptographic Proof-of-Execution and Eco-Compute Optimization for Decentralized Autonomous AI Infrastructure
Date Crossref
30/08/2026
Éditeur
Cambridge University Press (CUP)
Type
posted-content

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Security and Verification in ComputingPhysical Unclonable Functions (PUFs) and Hardware SecurityAdversarial Robustness in Machine Learning

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.