AIMP — AI 网状协议

一种实验性的无服务器网络协议，用于在碎片化、低带宽网络中实现自主代理之间的弹性状态同步。构建于 Merkle-CRDT 和 加密身份 之上——无中央权威、无全局DNS、始终可写。

论文

作者资料： ResearchGate · ResearchHub

协议栈

新特性

v0.4.0 — 确定性语义拓扑

L3 v0.3.0 要求应用程序手动构建知识图谱（支持/矛盾边）。v0.4.0 通过自主边生成消除了这一瓶颈：

• 声明携带一个可选的 QuantizedEmbedding([u64; 4]) —— 一个 256 位的 SimHash，由应用程序端从规范嵌入模型计算得出。
• 在每个纪元边界，协议计算成对汉明距离（XOR + 位计数，每对约 1 ns），并为近距离对（d <= 30 位）发出支持边，为远距离对（d >= 200 位）发出矛盾边。
• 边强度随距离线性缩放，以基点为单位（d=0 → 10000 bps，d=30 → 1000 bps）。
• max_k_nearest 上限将边密度限制在 O(N)，防止信任传播膨胀。
• embedding_version: u32 隔离不相交的潜在空间，用于协议级别模型升级。
• 自动边通过 L2 散布具体化，并借助全息路由存活于垃圾回收。
• 死区（31-199 位）孤立了模糊声明——认识论上正确的隔离。

// 自主真理发现：10,000 条声明 → 50 毫秒扫描，O(N) 边
// 无浮点数。无协调。无中央权威。
let edges = auto_edge_generator.generate_edges(&epoch_claims);

v0.3.0 — 相关性感知信念聚合

L3 v0.2.0 假设所有证据源在统计上独立（朴素贝叶斯）。当物理上相关的传感器（例如，同一屋顶上的 100 个物联网设备）或语义相关的代理（例如，在同一数据集上微调的 LLM）报告一致观察结果时，这会产生病态的过度自信。

v0.3.0 引入了 网格单元相关性折扣：

• 每条声明携带一个可选的 CorrelationCell(u64) —— 空间、语义或时间邻近性的离散坐标。
• 在每个单元内，证据按强度排序并进行几何折扣：最强源保留 100% 权重；每个后续源接收 discount_bps^rank / 10000^rank（默认为 30%）。
• 以 30% 折扣，N 个相关传感器收敛到约单个传感器证据的 1.42 倍——无论 N 是多少。朴素方法会产生 N 倍放大。
• CRDT 结合性问题（几何衰减在部分合并上不可结合）通过架构解决：纪元归约按 (temporal_grid, fingerprint, correlation_cell) 分桶，确保在完整集合上进行原子计算。
• correlation_cell: None 的声明行为与 v0.2.0 完全相同（零回退）。
• 所有算术均为纯整数（i32/i64，基点）。无浮点数。零知识证明就绪。

// 100 个共址传感器，每个 70% 置信度：
// v0.2.0（朴素）：100 × 847 = 84,700 毫对数几率 → 约 100%（过度自信）
// v0.3.0（30%）：847 × Σ(0.3^i) ≈ 1,207 毫对数几率 → 约 77%（现实）

架构

aimp_node/          Rust 参考实现（Cargo 工作区成员）
  src/
    crdt/           Merkle-DAG 引擎、Actor 模型、竞技场分配器、法定人数共识
    crypto/         Ed25519 身份、BLAKE3 哈希、零信任防火墙
    network/        UDP 散布、Noise 协议 XX 会话、单对等点速率限制
    protocol/       线格式（MessagePack）、类型化负载枚举
    epistemic.rs    L3 认知层（v0.3.0）：对数几率、信任传播、相关性折扣
    semantic_topology.rs  L3 语义拓扑（v0.4.0）：SimHash 嵌入、自动边生成
    decision_engine.rs  可插拔确定性决策引擎（trait + 规则引擎 + 热重载）
    error.rs        统一 AimpError 类型层次结构
    dashboard/      Ratatui TUI
    config.rs       带验证的动态配置
    event/          结构化日志 + Prometheus 指标（计数器 + 直方图）
  tests/            集成测试
  benches/          Criterion 基准测试
aimp_testbed/       Python SDK（aimp-client）+ CLI 工具 + 混沌测试
deploy/             Systemd 服务、Firecracker 微VM、安装脚本
formal/             TLA+ 收敛性 + 法定人数安全性 + 信念收敛规范
docs/               论文 1（Typst 源 + PDF）
v0.2.0/             论文 2：认知层（Typst 源 + PDF）
v0.3.0/             论文 3：相关性感知聚合（Typst 源 + PDF）

战略优势

关键特性

核心引擎（v0.1.0）

• 通过 tokio::mpsc 实现零共享状态 CRDT 的 Actor 模型
• Slab/竞技场分配，O(1) 插入和 SoA 布局
• 通过 redb 实现持久存储，并使用 ChaCha20Poly1305 进行静态加密
• HKDF-SHA256 密钥派生，带域分离
• 带写时失效的缓存 Merkle 根
• 带 slab 内存回收的真正标记-清除垃圾回收
• 集成到 CRDT actor 中的基于纪元的垃圾回收跟踪

认知层（v0.2.0 — v0.4.0）

• 整数对数几率算术（i32，毫对数几率）——无浮点数，100% 确定性
• 两遍马尔可夫信任传播（支持 → 矛盾，无振荡）
• 抗女巫攻击声誉：新节点从 0 开始，需要委托，声誉花费
• 网格对齐的纪元归约与物化压缩（摘要存活于垃圾回收）
• 循环检测（排序 DFS）防止置信度膨胀循环
• v0.3.0：相关性感知聚合——共址传感器/LLM 的几何折扣
• v0.3.0：原子单元归约——按（纪元、指纹、单元）分桶以实现 CRDT 安全
• v0.4.0：确定性语义拓扑——SimHash 嵌入、自主边生成
• 比主观逻辑 / Dempster-Shafer 快 98-142 倍（跨架构位相同）

网络与安全

• Noise 协议 XX 加密会话（默认开启）
• 每对等点令牌桶速率限制（整数算术）
• 通过 HashSet + VecDeque 实现 O(1) 散布去重
• TTL 重放攻击检测，带断路器
• 会话 LRU 驱逐（TTL + 最大数量）
• 协议版本范围协商，支持滚动升级

决策引擎与共识

• 可插拔 DecisionEngine trait，带 RuleEngine 实现
• 从 aimp_rules.json 热重载规则（无需重启）
• BFT 法定人数投票，带持久化已验证决策
• 每个操作码的类型化 Payload 枚举（编译时安全）

可观测性

• Prometheus 计数器、计量器和延迟直方图
• 带子检查的复合 /health 端点，以及 HTTP 状态码
• 结构化 SystemEvent 日志，带 TUI 仪表盘

运维

• 统一 AimpError 类型层次结构（不再有 Box<dyn Error>）
• 配置验证（拒绝无效参数组合）
• 优雅关闭，带 5 秒超时
• Systemd 强化服务文件
• CI/CD：lint、测试、安全审查、文档、交叉编译发布

基准测试

使用 Criterion 在 Apple Silicon（M 系列）上测量，单线程，fast-crypto 模式：

系统级

模拟 5 节点集群，带反熵同步（进程内，Apple Silicon）：

网络损伤（netem 模拟）

在模拟丢包、延迟和分区条件下的收敛（5 节点，每节点 50 次突变）：

AIMP 在高达约 80% 丢包的情况下，仍能在几轮反熵内收敛，降级优雅。

跨平台（ARM64 资源受限）

Docker ARM64 Linux，RPi 类资源限制：

即使在 RPi Zero 类硬件上，吞吐量也比速率限制高出 3 个数量级。

与 Automerge v0.7 比较

相同硬件，相同操作，单线程，target-cpu=native：

使用 ring 的 AIMP 在突变性能上比 Automerge 快 1.37 倍（每次写入带 Ed25519），合并快 2.4 倍。Yrs 在突变上最快（无加密），但 AIMP 合并性能在 Yrs 的 26% 以内。

# 启用 ring 后端以获得最大吞吐量
RUSTFLAGS="-C target-cpu=native" cargo run --release --features fast-crypto,fast-alloc

本地运行基准测试：

cargo bench --manifest-path aimp_node/Cargo.toml             # 微基准测试
cargo run --release -p aimp_node --example bench_convergence  # 系统基准测试
cargo run --release -p aimp_node --example bench_netem        # 网络损伤
docker build -f Dockerfile.bench -t aimp-bench . && \
  docker run --rm --memory=1g --cpus=1 aimp-bench             # ARM64 受限环境

形式化验证（TLA+）

L2 — CRDT 收敛

TLC 在不到 1 秒内探索了 46,063 个状态（9,558 个不同），深度为 16，使用 10 个并行工作器，零违规。发现的错误： 2 个正确性错误（乱序头、法定人数双重投票）。两者均已修复。

L3 — 信念收敛

穷举有界验证：199,902 个配置（5 个属性，最多 N=6 个节点）。发现的错误： 1 个信任传播公式错误（t_{k+1} = t_k + At_k 与正确的 t_{k+1} = t_0 + At_k）。已修复。

快速开始

1. 运行节点

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

2. Python CLI

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. 运行测试与基准测试

make test                     # 基于属性的测试 + 集成测试
make bench                    # Criterion 基准测试
make lint                     # 格式化 + clippy
make docs                     # 生成 rustdoc

边缘部署

AIMP 设计为作为 单个静态二进制文件 运行，零运行时依赖。无需 Docker、无需容器运行时、无需 JVM。

快速部署（裸金属）

# 下载适用于您架构的二进制文件
curl -LO https://github.com/fabriziosalmi/aimp/releases/latest/download/aimp_node-aarch64-linux
chmod +x aimp_node-aarch64-linux

# 安装为 systemd 服务
sudo deploy/install.sh ./aimp_node-aarch64-linux

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

从源码交叉编译

make install-cross-targets   # 一次性操作：安装 musl 目标
make edge-arm64              # ARM64（RPi 4/5、Jetson、Graviton）
make edge-armv7              # ARMv7（RPi 2/3、工业 PLC）
make edge-x86                # x86_64（边缘网关）
make edge-all                # 全部三种

Firecracker 微VM（多租户隔离）

对于运行多个不可信工作负载的边缘网关：

sudo make microvm-rootfs     # 构建约 15MB 的 Alpine rootfs，包含 AIMP
firecracker --no-api --config-file deploy/firecracker/vm-config.json

启动时间：约 125ms。内存：64MB。vCPU：1。

Systemd 服务

包含的服务文件（deploy/systemd/aimp-node.service）提供：

配置

配置从以下位置加载（优先级从高到低）：

1. CLI 参数（--port、--name）
2. 环境变量（AIMP_PORT、AIMP_NOISE_REQUIRED、AIMP_PEER_RATE_LIMIT、...）
3. aimp.toml 文件（可选）
4. 硬编码默认值

数据流

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]

相关工作

AIMP 建立在以下分布式系统研究领域的概念之上：

• CRDT — Shapiro 等人，《收敛和交换复制数据类型的综合研究》（INRIA，2011）
• Merkle-CRDT — Kleppmann & Howard，《拜占庭最终一致性与点对点数据库的基本限制》（2022）
• BFT 共识 — Castro & Liskov，《实用拜占庭容错》（OSDI，1999）
• 贝叶斯聚合 — Jaynes，《概率论：科学的逻辑》（2003）；用于信念融合的对数几率算术
• 信任网络 — Kamvar 等人，《P2P 网络中声誉管理的 EigenTrust 算法》（WWW，2003）
• 主观逻辑 — Jøsang，《主观逻辑：不确定性推理的形式体系》（Springer，2016）
• Copula — Nelsen，《Copula 导论》（Springer，2006）；用于相关证据的相关性建模
• Noise 协议 — Perrin，《Noise 协议框架》（2018）；通过 snow crate 用于 XX 握手模式
• 散布协议 — Demers 等人，《复制数据库维护的流行病算法》（1987）
• Merkle 树 — Merkle，《基于传统加密函数的数字签名》（CRYPTO，1987）
• 向量时钟 — Mattern，《分布式系统的虚拟时间与全局状态》（1988）

许可证

MIT — Fabrizio Salmi，2026。