AIMP — AI Mesh Protocol

Um protocolo de rede experimental e sem servidor para sincronização resiliente de estado entre agentes autónomos em redes fragmentadas e de baixa largura de banda. Construído sobre Merkle-CRDTs e identidade criptográfica — sem autoridade central, sem DNS global, sempre escrevível.

Artigos

Perfis do autor: ResearchGate · ResearchHub

Pilha de Protocolo

Novidades

v0.4.0 — Topologias Semânticas Determinísticas

A L3 v0.3.0 exigia que as aplicações construíssem manualmente o grafo de conhecimento (arestas de Suporta/Contradiz). A v0.4.0 elimina este gargalo com geração autónoma de arestas:

• As afirmações carregam um QuantizedEmbedding([u64; 4]) opcional — um SimHash de 256 bits calculado no lado da aplicação a partir de um modelo de incorporação canónico.
• A cada limite de época, o protocolo calcula distâncias de Hamming aos pares (XOR + popcount, ~1 ns por par) e emite arestas de Suporte para pares próximos (d <= 30 bits) e arestas de Contradição para pares distantes (d >= 200 bits).
• A força da aresta escala linearmente com a distância em pontos base (d=0 → 10000 bps, d=30 → 1000 bps).
• Um limite max_k_nearest limita a densidade de arestas a O(N), evitando a explosão da propagação de confiança.
• embedding_version: u32 isola espaços latentes disjuntos para atualizações de modelo ao nível do protocolo.
• As auto-arestas são materializadas via gossip L2, sobrevivendo à GC via Roteamento Holográfico.
• Zona morta (31-199 bits) abandona afirmações ambíguas — isolamento epistemologicamente correto.

// Descoberta autónoma da verdade: 10.000 afirmações → digitalização de 50 ms, arestas O(N)
// Sem floats. Sem coordenação. Sem autoridade central.
let edges = auto_edge_generator.generate_edges(&epoch_claims);

v0.3.0 — Agregação de Crenças Sensível à Correlação

A L3 v0.2.0 assume que todas as fontes de evidência são estatisticamente independentes (Naive Bayes). Isto produz hiperconfiança patológica quando sensores fisicamente correlacionados (ex.: 100 dispositivos IoT no mesmo telhado) ou agentes semanticamente correlacionados (ex.: LLMs ajustados no mesmo conjunto de dados) reportam observações concordantes.

A v0.3.0 introduz Desconto de Correlação por Célula de Grelha:

• Cada afirmação carrega um CorrelationCell(u64) opcional — uma coordenada discreta para proximidade espacial, semântica ou temporal.
• Dentro de cada célula, a evidência é classificada por força e descontada geometricamente: a fonte mais forte retém 100% do peso; cada fonte subsequente recebe discount_bps^rank / 10000^rank (padrão 30%).
• Com desconto de 30%, N sensores correlacionados convergem para ~1.42x a evidência de um único sensor — independentemente de N. A abordagem ingénua produziria amplificação Nx.
• O desafio de associatividade do CRDT (decadência geométrica não é associativa entre mesclagens parciais) é resolvido arquitetonicamente: a redução de época agrupa por (temporal_grid, fingerprint, correlation_cell), garantindo computação atómica no conjunto completo.
• Afirmações com correlation_cell: None comportam-se de forma idêntica à v0.2.0 (regressão zero).
• Toda a aritmética é inteira (i32/i64, pontos base). Sem floats. Pronto para ZK.

// 100 sensores co-localizados, 70% de confiança cada:
// v0.2.0 (ingénuo):  100 × 847 = 84.700 mili-log-odds → ~100% (hiperconfiante)
// v0.3.0 (30%):    847 × Σ(0.3^i) ≈ 1.207 mili-log-odds → ~77% (realista)

Arquitetura

aimp_node/          Implementação de referência em Rust (membro do workspace Cargo)
  src/
    crdt/           Motor Merkle-DAG, modelo de ator, alocador arena, consenso de quórum
    crypto/         Identidade Ed25519, hash BLAKE3, firewall de confiança zero
    network/        Gossip UDP, sessões Noise Protocol XX, limitação de taxa por par
    protocol/       Formato de fio (MessagePack), enum de payloads tipadas
    epistemic.rs    Camada Epistémica L3 (v0.3.0): log-odds, propagação de confiança, desconto de correlação
    semantic_topology.rs  Topologia Semântica L3 (v0.4.0): Embeddings SimHash, geração automática de arestas
    decision_engine.rs  Motor de decisão determinístico plugável (trait + motor de regras + recarga a quente)
    error.rs        Hierarquia unificada de tipos AimpError
    dashboard/      TUI Ratatui
    config.rs       Configuração dinâmica com validação
    event/          Registro estruturado + métricas Prometheus (contadores + histogramas)
  tests/            Testes de integração
  benches/         Benchmarks Criterion
aimp_testbed/       SDK Python (aimp-client) + ferramenta CLI + testes de caos
deploy/             Serviço Systemd, microVM Firecracker, script de instalação
formal/             Especificação TLA+ de convergência + segurança de quórum + convergência de crenças
docs/               Artigo 1 (fonte Typst + PDF)
v0.2.0/             Artigo 2: Camada Epistémica (fonte Typst + PDF)
v0.3.0/             Artigo 3: Agregação Sensível à Correlação (fonte Typst + PDF)

Vantagens Estratégicas

Características Principais

Motor Principal (v0.1.0)

• Modelo de Ator com CRDT de estado zero compartilhado via tokio::mpsc
• Alocação Slab/Arena com inserção O(1) e layout SoA
• Persistência durável via redb com encriptação ChaCha20Poly1305 em repouso
• Derivação de chave HKDF-SHA256 com separação de domínios
• Raiz Merkle em cache com invalidação na escrita
• GC real de marcação e varredura com recuperação de memória slab
• Rastreamento de GC baseado em épocas integrado ao ator CRDT

Camada Epistémica (v0.2.0 — v0.4.0)

• Aritmética de log-odds inteiros (i32, mili-log-odds) — sem floats, 100% determinística
• Propagação de confiança Markoviana em duas passagens (Suportes → Contradições, sem oscilação)
• Reputação resistente a Sybil: novos nós começam em 0, delegação necessária, gasto de reputação
• Redução de época alinhada à grelha com compactação materializada (Resumos sobrevivem à GC)
• Deteção de ciclos (DFS ordenada) evita loops de inflação de confiança
• v0.3.0: Agregação sensível à correlação — desconto geométrico para sensores/LLMs co-localizados
• v0.3.0: Redução atómica de células — agrupamento por (época, fingerprint, célula) para segurança CRDT
• v0.4.0: Topologias semânticas determinísticas — Embeddings SimHash, geração autónoma de arestas
• 98-142x mais rápido que Lógica Subjetiva / Dempster-Shafer (bit-identical entre arquiteturas)

Rede e Segurança

• Sessões encriptadas Noise Protocol XX (ativadas por padrão)
• Limitação de taxa por par com token bucket (aritmética inteira)
• Deduplicação de gossip O(1) via HashSet + VecDeque
• Deteção de ataques de replay TTL com disjuntor
• Evicção LRU de sessões (TTL + contagem máxima)
• Negociação de intervalo de versão do protocolo para atualizações contínuas

Motor de Decisão e Consenso

• Trait DecisionEngine plugável com implementação RuleEngine
• Regras recarregáveis a quente a partir de aimp_rules.json (sem necessidade de reinício)
• Votação de quórum BFT com decisões verificadas e persistentes
• Enum de Payload tipada por opcode (segurança em tempo de compilação)

Observabilidade

• Contadores, gauges e histogramas de latência Prometheus
• Endpoint /health composto com subverificações e códigos de estado HTTP
• Registo estruturado SystemEvent com painel TUI

Operações

• Hierarquia unificada de tipos AimpError (sem mais Box<dyn Error>)
• Validação de configuração (rejeita combinações de parâmetros inválidas)
• Encerramento gracioso com timeout de 5 segundos
• Ficheiro de serviço Systemd endurecido
• CI/CD: lint, teste, auditoria de segurança, docs, lançamentos cross-compilados

Benchmarks

Medidos com Criterion em Apple Silicon (série M), single-threaded, modo fast-crypto:

A Nível de Sistema

Cluster simulado de 5 nós com sincronização anti-entropia (in-process, Apple Silicon):

Degradação de Rede (simulação netem)

Convergência sob perda de pacotes, latência e partições simuladas (5 nós, 50 mutações/nó):

O AIMP converge até ~80% de perda de pacotes dentro de algumas rondas de anti-entropia, degradando-se graciosamente.

Multi-Plataforma (ARM64 com recursos limitados)

Docker ARM64 Linux com limites de recursos ao nível de RPi:

Mesmo em hardware classe RPi Zero, a taxa de transferência é 3 ordens de grandeza acima do limite de taxa.

Comparação com Automerge v0.7

Mesmo hardware, mesmas operações, single-threaded, target-cpu=native:

O AIMP com ring supera o Automerge por 1.37x em mutações (com Ed25519 por escrita) e 2.4x em mesclagem. O Yrs é o mais rápido em mutação (sem criptografia), mas a mesclagem do AIMP está dentro de 26% do Yrs.

# Ativar backend ring para máxima taxa de transferência
RUSTFLAGS="-C target-cpu=native" cargo run --release --features fast-crypto,fast-alloc

Execute benchmarks localmente:

cargo bench --manifest-path aimp_node/Cargo.toml             # Micro-benchmarks
cargo run --release -p aimp_node --example bench_convergence  # Benchmarks de sistema
cargo run --release -p aimp_node --example bench_netem        # Degradação de rede
docker build -f Dockerfile.bench -t aimp-bench . && \
  docker run --rm --memory=1g --cpus=1 aimp-bench             # ARM64 com recursos limitados

Verificação Formal (TLA+)

L2 — Convergência CRDT

O TLC explorou 46.063 estados (9.558 distintos) até profundidade 16 em <1 segundo com 10 trabalhadores paralelos e zero violações. Erros encontrados: 2 erros de correção (cabeçalhos fora de ordem, dupla votação no quórum). Ambos corrigidos.

L3 — Convergência de Crenças

Verificação exaustiva limitada: 199.902 configurações (5 propriedades, até N=6 nós). Erros encontrados: 1 erro na fórmula de propagação de confiança (t_{k+1} = t_k + At_k vs correto t_{k+1} = t_0 + At_k). Corrigido.

Início Rápido

1. Executar o Nó

cargo run -- --port 1337 --name node1

2. CLI Python

cd aimp_testbed
pip install -e .
aimp-cli health --target 127.0.0.1 --metrics-port 9090
aimp-cli infer "Check valve pressure in sector north"

3. Executar Testes e Benchmarks

make test                     # Testes baseados em propriedades + integração
make bench                    # Benchmarks Criterion
make lint                     # Formatação + clippy
make docs                     # Gerar rustdoc

Implantação na Borda

O AIMP foi projetado para ser executado como um único binário estático com zero dependências em tempo de execução. Sem Docker, sem runtime de contentor, sem JVM.

Implantação Rápida (bare metal)

# Descarregue o binário para a sua arquitetura
curl -LO https://github.com/fabriziosalmi/aimp/releases/latest/download/aimp_node-aarch64-linux
chmod +x aimp_node-aarch64-linux

# Instale como serviço systemd
sudo deploy/install.sh ./aimp_node-aarch64-linux

# Iniciar
sudo systemctl start aimp-node
curl localhost:9090/health

Cross-Compilar a partir do Código Fonte

make install-cross-targets   # Uma vez: instalar alvos musl
make edge-arm64              # ARM64 (RPi 4/5, Jetson, Graviton)
make edge-armv7              # ARMv7 (RPi 2/3, PLCs industriais)
make edge-x86                # x86_64 (gateways de borda)
make edge-all                # Todos os três

MicroVM Firecracker (isolamento multi-inquilino)

Para gateways de borda a executar múltiplas cargas de trabalho não confiáveis:

sudo make microvm-rootfs     # Constrói rootfs Alpine ~15MB com AIMP
firecracker --no-api --config-file deploy/firecracker/vm-config.json

Tempo de arranque: ~125ms. Memória: 64MB. vCPU: 1.

Serviço Systemd

O ficheiro de serviço incluído (deploy/systemd/aimp-node.service) fornece:

Configuração

A configuração é carregada de (maior prioridade primeiro):

1. Argumentos CLI (--port, --name)
2. Variáveis de ambiente (AIMP_PORT, AIMP_NOISE_REQUIRED, AIMP_PEER_RATE_LIMIT, ...)
3. Ficheiro aimp.toml (opcional)
4. Valores predefinidos

Fluxo de Dados

graph TD
    UDP[UDP Socket] -->|Envelope| RL[Rate Limiter]
    RL -->|Allowed| NP[Noise Protocol]
    NP -->|Decrypt| FW[Security Firewall]
    FW -->|Valid| BP[Backpressure Semaphore]
    BP -->|Permit| Parser[Protocol Parser]
    Parser -->|AimpData| CRDT[CRDT Actor]
    CRDT -->|Mutation| DAG[Merkle-DAG + redb]
    DAG -->|Prune| GC[Epoch GC]
    CRDT -->|Evaluation Req| DE[Decision Engine]
    DE -->|Decision + Evidence| CRDT
    CRDT -->|Quorum Vote| QM[QuorumManager]

Trabalhos Relacionados

O AIMP baseia-se em conceitos das seguintes áreas de investigação de sistemas distribuídos:

• CRDTs — Shapiro et al., "A Comprehensive Study of Convergent and Commutative Replicated Data Types" (INRIA, 2011)
• Merkle-CRDTs — Kleppmann & Howard, "Byzantine Eventual Consistency and the Fundamental Limits of Peer-to-Peer Databases" (2022)
• Consenso BFT — Castro & Liskov, "Practical Byzantine Fault Tolerance" (OSDI, 1999)
• Agregação Bayesiana — Jaynes, "Probability Theory: The Logic of Science" (2003); aritmética de log-odds para fusão de crenças
• Redes de Confiança — Kamvar et al., "The EigenTrust Algorithm for Reputation Management in P2P Networks" (WWW, 2003)
• Lógica Subjetiva — Jøsang, "Subjective Logic: A Formalism for Reasoning Under Uncertainty" (Springer, 2016)
• Cópulas — Nelsen, "An Introduction to Copulas" (Springer, 2006); modelação de correlação para evidência dependente
• Noise Protocol — Perrin, "The Noise Protocol Framework" (2018); usado via a crate snow para padrão de handshake XX
• Protocolos de Gossip — Demers et al., "Epidemic Algorithms for Replicated Database Maintenance" (1987)
• Árvores Merkle — Merkle, "A Digital Signature Based on a Conventional Encryption Function" (CRYPTO, 1987)
• Relógios Vetoriais — Mattern, "Virtual Time and Global States of Distributed Systems" (1988)

Licença

MIT — Fabrizio Salmi, 2026.