AIMP — AI Mesh Protocol

Un protocole de réseau sans serveur expérimental pour la synchronisation d'état résiliente entre agents autonomes dans des réseaux fragmentés à faible bande passante. Construit sur les Merkle-CRDTs et l'identité cryptographique — aucune autorité centrale, aucun DNS global, toujours accessible en écriture.

Publications

#	Version	Titre	Lien
1	v0.1.0	Merkle-CRDT Protocol (L1/L2)	ResearchGate
2	v0.2.0	Epistemic Layer (L3)	ResearchGate
3	v0.3.0	Correlation-Aware Aggregation (L3)	ResearchGate
4	v0.4.0	Deterministic Semantic Topologies (L3)	ResearchGate

Profils d'auteur : ResearchGate · ResearchHub

Pile de protocoles

Couche	Version	Objectif
L1/L2	v0.1.0	Merkle-DAG CRDT, signature Ed25519, transport Noise Protocol, quorum BFT
L3	v0.2.0	Couche épistémique : log-odds entiers, propagation de confiance en deux passes, réputation résistante aux Sybil
L3	v0.3.0	Agrégation sensible à la corrélation : remise géométrique pour capteurs/LLMs corrélés
L3	v0.4.0	Topologies sémantiques déterministes : génération autonome d'arêtes via SimHash 256 bits

Nouveautés

v0.4.0 — Topologies sémantiques déterministes

L3 v0.3.0 exigeait que les applications construisent manuellement le graphe de connaissances (arêtes Supports/Contradicts). v0.4.0 élimine ce goulot d'étranglement grâce à la génération autonome d'arêtes :

Les affirmations portent un QuantizedEmbedding([u64; 4]) optionnel — un SimHash de 256 bits calculé côté application à partir d'un modèle d'embedding canonique.
À chaque frontière d'époque, le protocole calcule les distances de Hamming par paires (XOR + popcount, ~1 ns par paire) et émet des arêtes Supports pour les paires proches (d <= 30 bits) et des arêtes Contradicts pour les paires éloignées (d >= 200 bits).
La force des arêtes évolue linéairement avec la distance en points de base (d=0 → 10000 bps, d=30 → 1000 bps).
Un plafond max_k_nearest borne la densité d'arêtes à O(N), empêchant l'explosion de la propagation de confiance.
embedding_version: u32 isole les espaces latents disjoints pour les mises à niveau de modèle au niveau du protocole.
Les arêtes automatiques sont matérialisées via le gossip L2, survivant au GC via le Holographic Routing.
La zone morte (31-199 bits) isole les affirmations ambiguës — une isolation épistémologiquement correcte.

// Autonomous truth discovery: 10,000 claims → 50 ms scan, O(N) edges
// No floats. No coordination. No central authority.
let edges = auto_edge_generator.generate_edges(&epoch_claims);

v0.3.0 — Agrégation de croyances sensible à la corrélation

L3 v0.2.0 suppose que toutes les sources de preuves sont statistiquement indépendantes (Naive Bayes). Cela produit une hyper-confiance pathologique lorsque des capteurs physiquement corrélés (par exemple, 100 appareils IoT sur le même toit) ou des agents sémantiquement corrélés (par exemple, des LLMs affinés sur le même jeu de données) rapportent des observations concordantes.

v0.3.0 introduit la remise de corrélation par cellule de grille :

Chaque affirmation porte un CorrelationCell(u64) optionnel — une coordonnée discrète pour la proximité spatiale, sémantique ou temporelle.
Au sein de chaque cellule, les preuves sont classées par force et remisées géométriquement : la source la plus forte conserve 100 % du poids ; chaque source suivante reçoit discount_bps^rank / 10000^rank (30 % par défaut).
Avec une remise de 30 %, N capteurs corrélés convergent vers ~1,42x les preuves d'un seul capteur — quel que soit N. L'approche naïve produirait une amplification de Nx.
Le défi de l'associativité des CRDT (la décroissance géométrique est non-associative à travers les fusions partielles) est résolu architecturalement : la réduction par époque regroupe par (temporal_grid, fingerprint, correlation_cell), garantissant un calcul atomique sur l'ensemble complet.
~~Les affirmations avec correlation_cell: None se comportent de manière identique à la v0.2.0 (zéro régression).~~ Remplacé — voir ci-dessous.
Toute l'arithmétique est en entiers uniquement (i32/i64, points de base). Aucun flottant. Prêt pour ZK.

Changement radical dans la v0.5.0. correlation_cell: None ne signifie plus « indépendant, poids complet ». Omettre le champ était strictement avantageux — mesuré, la dissimulation rapportait 70,3x par rapport à la divulgation honnête, donc un participant rationnel ne déclarait jamais de cellule et la remise ci-dessus était trivialement contournée. L'indépendance doit désormais être substantifiée plutôt qu'affirmée : l'indépendance non vérifiée est bornée, tandis que l'indépendance soutenue par un cluster d'embedding distinct s'accumule toujours à poids complet. Voir la section L3 sous Nouveautés et aimp_node/tests/insider_asymmetry.rs.

// 100 co-located sensors, 70% confidence each:
// v0.2.0 (naive):  100 × 847 = 84,700 milli-log-odds → ~100% (hyper-confident)
// v0.3.0 (30%):    847 × Σ(0.3^i) ≈ 1,207 milli-log-odds → ~77% (realistic)

Architecture

aimp_node/          Rust reference implementation (Cargo workspace member)
  src/
    crdt/           Merkle-DAG engine, actor model, arena allocator, quorum consensus
    crypto/         Ed25519 identity, BLAKE3 hashing, zero-trust firewall
    network/        UDP gossip, Noise Protocol XX sessions, per-peer rate limiting
    protocol/       Wire format (MessagePack), typed payload enum
    epistemic.rs    L3 Epistemic Layer (v0.3.0): log-odds, trust propagation, correlation discounting
    semantic_topology.rs  L3 Semantic Topology (v0.4.0): SimHash embeddings, auto-edge generation
    decision_engine.rs  Pluggable deterministic decision engine (trait + rule engine + hot-reload)
    error.rs        Unified AimpError type hierarchy
    dashboard/      Ratatui TUI
    config.rs       Dynamic configuration with validation
    event/          Structured logging + Prometheus metrics (counters + histograms)
  tests/            Integration tests
  benches/          Criterion benchmarks
aimp_testbed/       Python SDK (aimp-client) + CLI tool + chaos testing
deploy/             Systemd service, Firecracker microVM, install script
formal/             TLA+ convergence + quorum safety + belief convergence specification
docs/               Paper 1 (Typst source + PDF)
v0.2.0/             Paper 2: Epistemic Layer (Typst source + PDF)
v0.3.0/             Paper 3: Correlation-Aware Aggregation (Typst source + PDF)

aimp

Populaires