DeXposure-Claw: An Agentic System for DeFi Risk Supervision
Dieses Paper stellt DeXposure-Claw vor, ein agentisches System, das ein Graph-Zeitreihen-Foundation-Modell mit deterministischen Monitoren und Confidence-Gates integriert, um prüfbare, regulatorisch konforme DeFi-Risikoüberwachungstickets zu generieren und gleichzeitig Fehlalarme durch das DeXposure-Bench-Evaluationsframework zu minimieren.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Welt der Dezentralisierten Finanzen (DeFi) als eine riesige, chaotische Stadt vor, in der tausende verschiedene Banken, Börsen und Kredit-Apps Geld untereinander verleihen. In dieser Stadt kann es passieren, dass der Bankrott eines einzigen kleinen Ladens einen Dominoeffekt auslöst, der das gesamte Viertel zu Fall bringt.
Das Problem ist, dass die „Stadtinspektoren“ (Regulierungsbehörden) versuchen, diese Stadt nur mit einem Fernglas und einem Notizblock zu überwachen. Bis sie ein Problem erkennen, ist es oft schon zu spät.
Hier kommt DeXposure-Claw ins Spiel, ein neuer „Super-Assistent“, der diesen Inspektoren helfen soll. So funktioniert er, unterteilt in einfache Teile:
1. Das Problem: Der „übermotivierte Praktikant“
Die Forscher versuchten zuerst eine einfache Idee: „Lass uns einfach eine intelligente KI (ein Large Language Model) die täglichen Transaktionen der Stadt analysieren lassen und sie uns sagen lassen, was schiefläuft.“
Sie fanden heraus, dass dies gefährlich war. Die KI verhielt sich wie ein übermotivierter Praktikant. Sie sah einen winzigen, verschwommenen Hinweis (wie eine einzige seltsame Transaktion) und sagte voller Selbstvertrauen: „Das ist eine Katastrophe! Wir müssen die ganze Bank schließen!“ Sie gab große, beängstigende Empfehlungen basierend auf schwachen Beweisen ab und verursachte unnötige Panik.
2. Die Lösung: Der „Detektiv mit der Kristallkugel“
Anstatt die KI auf Basis von Rohdaten raten zu lassen, bauten die Forscher ein vierstufiges Fließband. Stellen Sie sich das wie eine hochtechnisierte Detektivagentur vor:
Schritt 1: Die Kristallkugel (Der Prognostiker)
Bevor die KI spricht, betrachtet ein spezialisiertes Computermodell (genannt DeXposure-FM) die Historie der Stadt und sagt voraus, wie das Netzwerk in der Zukunft aussehen wird (in 1, 4, 8 oder 12 Wochen). Es rät nicht einfach nur; es berechnet Wahrscheinlichkeiten. Es ist wie eine Wettervorhersage, aber für das Finanzrisiko.Schritt 2: Das Beweisboard (Die Monitore)
Das System nimmt diese Zukunftsprognose und lässt sie durch eine Reihe strenger, mathematischer Tests laufen. Es fragt: „Wenn die Wettervorhersage einen Sturm ankündigt, wie groß wäre der Schaden?“ Es simuliert Katastrophen (wie den Einsturz einer Brücke oder den Wertverlust eines Stablecoins) und erstellt ein strukturiertes „Beweisboard“ mit spezifischen Warnmeldungen, Zahlen und Konfidenzwerten.Schritt 3: Der Detektiv (Das LLM)
Nun darf die KI (das LLM) sprechen. Aber hier ist der Haken: Sie darf nur das Beweisboard betrachten. Sie darf nicht auf die rohen, chaotischen Daten zugreifen. Sie sieht die Vorhersage der Kristallkugel und die Ergebnisse der Stresstests. Daraufhin schreibt sie ein „Aufsichtsticket“ – einen Bericht mit dem Inhalt: „Ich empfehle eine Untersuchung von Protokoll X, da die Kristallkugel vorhersagt, dass bei einem Brückeneinsturz ein Verlust von 20 % droht.“Schritt 4: Die Sicherheits-Gatekeeper
Bevor das Ticket an den menschlichen Inspektor gesendet wird, prüfen zwei „Gatekeeper“ (Torwächter) das Dokument:
- Der Daten-Gesundheits-Gate: „Sind die Daten, die wir betrachten, aktuell und sauber?“ Wenn die Daten alt oder fehlerhaft sind, geht das System in den „Sicherheitsmodus“ und verweigert die Abgabe einer beängstigenden Empfehlung.
- Der Konfidenz-Gate: „Sind wir uns sicher genug?“ Wenn die Vorhersage wackelig ist, wird das System keine weitreichenden Maßnahmen empfehlen.
3. Die Ergebnisse: Bessere Abdeckung, keine perfekte Sicherheit
Die Forscher testeten dieses System über fünf Jahre anhand echter Daten. Hier ist, was sie herausfanden:
- Es funktioniert besser als Raten: Indem sie die KI zwangen, zuerst die „Kristallkugel“-Prognosen zu betrachten, fand das System dreimal mehr tatsächliche Risiken als die alten Methoden. Es verpasste nicht mehr die großen Probleme.
- Es ist immer noch nicht perfekt: Selbst mit der Kristallkugel machte die KI noch Fehler. In etwa 37 % bis 44 % der Fälle empfahl sie eine weitreichende Maßnahme, die sich letztlich als unnötig herausstellte (ein „Fehlalarm“).
- Die Lehre: Die KI ist großartig darin, potenzielle Probleme zu finden und zu erklären, warum sie auftreten könnten, aber sie ist nicht sicher genug, um die endgültige Entscheidung im Alleingang zu treffen. Die „Safety Gates“ (Sicherheits-Gates) und die menschliche Überprüfung sind weiterhin essenziell.
Das Fazit
DeXposure-Claw ist wie ein Teleskop und eine Wettervorhersage für einen menschlichen Inspektor, statt nur eines Fernglases. Es hilft ihm, Risiken viel früher zu erkennen und sie besser zu erklären. Die Forscher stellen jedoch klar: Die KI ist der Assistent, nicht der Chef. Sie liefert die Beweise und den Entwurf des Berichts, aber ein Mensch muss immer noch den entscheidenden Knopf drücken.
Das System ist darauf ausgelegt, auditierbar zu sein, was bedeutet, dass jede Empfehlung mit einem vollständigen „Beleg“ versehen ist, der genau zeigt, welche Zahlen und Vorhersagen zu der Entscheidung geführt haben, damit Menschen die Arbeit jederzeit überprüfen können.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.