🤖 AI

DeXposure-Claw: An Agentic System for DeFi Risk Supervision

Questo articolo presenta DeXposure-Claw, un sistema agentico che integra un modello di fondazione di serie temporali su grafo con monitor deterministici e gate di confidenza per generare ticket di supervisione del rischio DeFi auditabili e allineati ai regolatori, minimizzando al contempo i falsi allarmi attraverso il framework di valutazione DeXposure-Bench.

Autori originali: Aijie Shu, Bowei Chen, Wenbin Wu, Cathy Yi-Hsuan Chen, Fengxiang He

Pubblicato 2026-06-19

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Aijie Shu, Bowei Chen, Wenbin Wu, Cathy Yi-Hsuan Chen, Fengxiang He

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate il mondo della Finanza Decentralizzata (DeFi) come una città enorme e caotica dove migliaia di diverse banche, exchange e app di prestito si stanno prestando denaro a vicenda. In questa città, se un piccolo negozio fallisce, può innescare un effetto domino che abbatte l'intero quartiere.

Il problema è che gli "ispettori della città" (i regolatori) stanno cercando di osservare questa città usando solo un binocolo e un taccuino. Nel momento in cui vedono un problema, è spesso troppo tardi.

Entra in scena DeXposure-Claw, un nuovo "super-assistente" progettato per aiutare questi ispettori. Ecco come funziona, suddiviso in parti semplici:

1. Il Problema: L' "Intern con Troppa Sicurezza di Sé"

I ricercatori hanno provato prima un'idea semplice: "Chiediamo semplicemente a un'IA intelligente (un Large Language Model) di guardare le transazioni quotidiane della città e dirci cosa c'è che non va".

Hanno scoperto che questo era pericoloso. L'IA si comportava come un intern entusiasta: guardava un piccolo indizio sfocato (come una singola transazione strana) e dichiarava con convinzione: "Questo è un disastro! Dobbiamo chiudere l'intera banca!". Faceva raccomandazioni enormi e spaventose basandosi su prove deboli, causando panico non necessario.

2. La Soluzione: Il "Detective con la Palla di Cristallo"

Invece di lasciare che l'IA indovini basandosi sui dati grezzi, i ricercatori hanno costruito una catena di montaggio in quattro fasi. Pensatela come a un'agenzia investigativa ad alta tecnologia:

Fase 1: La Palla di Cristallo (Il Previsore)
Prima che l'IA parli, un modello informatico specializzato (chiamato DeXposure-FM) osserva la storia della città e prevede come sarà la rete in futuro (tra 1, 4, 8 o 12 settimane). Non si limita a indovinare; calcola le probabilità. È come una previsione del tempo, ma per il rischio finanziario.
Fase 2: La Bacheca delle Prove (I Monitor)
Il sistema prende quella previsione futura e la sottopone a una serie di test rigorosi basati sulla matematica. Chiede: "Se la previsione meteo dice che sta arrivando una tempesta, quanti danni causerebbe?". Simula disastri (come il crollo di un ponte o la perdita di valore di una stablecoin) e crea una "Bacheca delle Prove" strutturata con avvisi specifici, numeri e punteggi di confidenza.
Fase 3: Il Detective (L'LLM)
Ora, l'IA (l'LLM) può parlare. Ma ecco il trucco: può guardare solo la Bacheca delle Prove. Non può guardare i dati grezzi e disordinati. Vede la previsione della palla di cristallo e i risultati dei test di stress. Successivamente, scrive un "Ticket di Supervisione": un rapporto che dice: "Raccomando di investigare il Protocollo X perché la palla di cristallo prevede una perdita del 20% se il ponte dovesse crollare".
Fase 4: I Guardiani della Sicurezza
Prima che il ticket venga inviato all'ispettore umano, due "guardiani" controllano il lavoro:

Il Guardiano della Salute dei Dati: "I dati che stiamo guardando sono freschi e puliti?" Se i dati sono vecchi o corrotti, il sistema passa alla "Modalità Sicura" e rifiuta di fare una raccomandazione allarmante.
Il Guardiano della Confidenza: "Siamo abbastanza sicuri?" Se la previsione è incerta, il sistema non raccomanderà un'azione ad alto rischio.

3. I Risultati: Una Migliore Copertura, Non una Sicurezza Perfetta

I ricercatori hanno testato questo sistema su cinque anni di dati reali. Ecco cosa hanno scoperto:

Funziona meglio che tirare a indovinare: Obbligando l'IA a guardare prima le previsioni della "Palla di Cristallo", il sistema ha trovato 3 volte più rischi reali rispetto ai vecchi metodi. Ha smesso di ignorare i problemi più grandi.
Non è ancora perfetto: Anche con la palla di cristallo, l'IA ha commesso errori. Circa il 37% - 44% delle volte, ha raccomandato un'azione ad alto rischio che si è rivelata superflua (un "falso allarme").
La Lezione: L'IA è bravissima a trovare potenziali problemi e a spiegare perché potrebbero accadere, ma non è abbastanza sicura da prendere la decisione finale da sola. I "Guardiani della Sicurezza" e la revisione umana sono ancora essenziali.

In Breve

DeXposure-Claw è come dare a un ispettore umano un telescopio super-potenziato e una previsione del tempo, invece di un semplice paio di binocoli. Aiuta a vedere i rischi molto prima e a spiegarli meglio. Tuttavia, i ricercatori sono chiari: l'IA è l'assistente, non il capo. Fornisce le prove e la bozza del rapporto, ma un essere umano deve comunque premere il grilletto per qualsiasi azione seria.

Il sistema è progettato per essere verificabile, il che significa che ogni raccomandazione arriva con una completa "ricevuta" che mostra esattamente quali numeri e previsioni hanno portato a quella decisione, in modo che gli umani possano sempre controllare il lavoro.

Riepilogo Tecnico: DeXposure-Claw

Problematica

La finanza decentralizzata (DeFi) crea un'esposizione creditizia rapida e interconnessa tra protocolli di prestito, exchange decentralizzati, stablecoin e bridge. Crisi recenti (ad esempio, Terra/Luna, FTX, SVB/USDC) dimostrano che gli shock possono propagarsi attraverso queste reti più velocemente di quanto i supervisori umani possano ispezionare manualmente i dati grezzi on-chain.

Il documento sostiene che l'applicazione diretta di agenti basati su Large Language Model (LLM) general-purpose ai dati grezzi on-chain sia rischiosa per la supervisione ad alto rischio. Tali agenti tendono a "sovra-interpretare" prove deboli, incomplete o obsolete, producendo razionali plausibili che innescano interventi non necessari ad alta severità. Inoltre, le attuali valutazioni del rischio sistemico classificano i protocolli in base alle variazioni frazionarie dell'esposizione, il che evidenzia sproporzionatamente protocolli piccoli e di scarsa rilevanza e non riesce ad allinearsi alle priorità dei regolatori riguardanti la perdita assoluta. Vi è una mancanza di framework di valutazione che misuri i tassi di falso intervento rispetto a una verità di base (ground truth) allineata ai regolatori.

Metodologia: Pipeline DeXposure-Claw

Gli autori introducono DeXposure-Claw, un sistema agente basato su previsioni progettato per indirizzare le decisioni degli LLM attraverso evidenze strutturate e deterministiche anziché dati grezzi. Il sistema opera con una cadenza settimanale ed è scomposto in quattro livelli distinti:

Livello 1: Forecasting (DeXposure-FM)
- Un modello di fondazione per serie temporali su grafi prevede le reti di esposizione future ( $G_{t+h}$ ) a partire dallo snapshot settimanale corrente ( $G_t$ ).
- Genera una distribuzione predittiva, inclusi i probabilità di esistenza degli archi ( $\pi$ ) e i pesi attesi degli archi ( $\mu$ ), costruiti in un grafo di pesi previsti ( $\hat{G}_{t+h}$ ).
- Genera campioni Monte Carlo per quantificare l'incertezza predittiva.
Livello 2: Monitoraggio e Analisi degli Scenari
- Monitor Deterministici: Cinque metriche funzionali (Top-1 PageRank, concentrazione HHI, densità della rete, PageRank Gini, Degree Gini) sono calcolate sul grafo previsto. Gli avvisi scattano quando queste statistiche deviano da una linea di base mobile di un numero prestabilito di deviazioni standard.
- Scenari di Stress: Cinque shock standardizzati (fallimento di un singolo protocollo, fallimento di un cluster di bridge, de-peg di una stablecoin, shock del settore dei prestiti, stress correlato ai top-10) vengono applicati al grafo previsto e ai campioni Monte Carlo. Il sistema calcola il Conditional Value-at-Risk (CVaR) per ogni scenario.
- Salute dei Dati: Un punteggio scalare ( $DH_t$ ) viene calcolato sulla base di freschezza dei dati, incompletezza, topologia e controlli di discrepanza.
- Output: Un pacchetto di evidenze tipizzate contenente avvisi, attribuzione (top-K archi), stime di incertezza, perdite da scenario e punteggi di salute dei dati.
Livello 3: Redazione dei Ticket (LLM)
- L'LLM riceve solo il pacchetto di evidenze strutturate dal Livello 2 (non transazioni grezze).
- Redige una lista classificata di ticket di supervisione, assegnando un livello di severità (Monitor, Investiga, Raccomanda-Riduzione, Contingenza), un set di protocolli target e un razionale che cita campi di evidenza specifici.
- L'LLM è limitato alla redazione; non ha autorità di rilascio.
Livello 4: Gate di Sicurezza (Safety Gates)
- Gate di Salute dei Dati: Se $DH_t < 0.7$ , il sistema entra in "modalità sicura", sopprimendo i ticket di livello di intervento (Raccomanda-Riduzione, Contingenza) e rilasciando solo i ticket di tipo Monitor o Investiga.
- Gate di Confidenza: Se la confidenza media degli avvisi è inferiore a 0.6, i ticket di livello di intervento vengono bloccati.
- Ogni ticket rilasciato è accompagnato dal suo intero pacchetto di evidenze e dagli stati dei gate per fini di auditabilità.

Framework di Valutazione: DeXposure-Bench

Gli autori hanno sviluppato un harness di valutazione a sei assi, DeXposure-Bench:

b1_forecast: Qualità della previsione del grafo temporale.
b2_warning: Tempo di preavviso (lead time) degli early-warning in streaming.
b3_calibration: Calibrazione dell'incertezza predittiva.
b4_stress: Fedeltà degli scenari di stress.
b5_decision: Qualità dei ticket di supervisione (Precisione, Recall, F1, Tasso di Falso Intervento).
b6_robustness: Robustezza rispetto a dati degradati.

Fondamentalmente, l'asse decisionale (b5) utilizza una verità di base di perdita assoluta allineata ai regolatori. Inveve delle variazioni frazionarie, la verità di base identifica il top 5% dei protocolli per perdita assoluta di esposizione su un orizzonte di 4 settimane. Ciò consente la misurazione diretta del Tasso di Falso Intervento (FIR).

Risultati Chiave

Gli esperimenti sono stati condotti su cinque anni di dati di esposizione DeFi settimanali (2020–2025), con un set di test congelato del 2025.

Forecasting (RQ1): Sebbene un semplice baseline di "persistenza" (assumendo che il grafo rimanga invariato) abbia ottenuto un MAE di stima puntuale inferiore su alcune metriche, mancava strutturalmente di segnali di trend e di incertezza calibrata. DeXposure-FM ha fornito i necessari segnali di trend e una calibrazione conforme (copertura PI di 0.913 per un target di 0.90) che l'agente ha consumato.
Grounding vs. Dati Grezzi (RQ2): Indirizzare l'LLM attraverso evidenze previste (m6) invece di snapshot grezzi (m2) ha aumentato il punteggio F1 dei ticket dallo 0.0184 allo 0.0241 (+31%). Questo miglioramento è stato guidato dalla copertura: il sistema basato su previsioni ha identificato un set più ampio di protocolli sotto stress a parità di precisione.
Sovra-intervento: Nonostante il guadagno in F1, l'LLM ha sovra-interpretato il forecaster. Il Tasso di Falso Intervento (FIR) per l'intero stack (m6) è stato di 0.448, il che significa che circa il 45% dei ticket di livello di intervento era errato. L'uso di un modello più forte (Opus 4.7) non ha ridotto significativamente questo tasso (FIR 0.437); anzi, era leggermente superiore.
Gate di Sicurezza (RQ3): I gate di sicurezza (Livello 4) sono stati il meccanismo principale per controllare il rischio. Rimuovendo il gate di confidenza, il FIR è salito a 0.429 su dati puliti. In presenza di dati degradati, il gate di salute dei dati ha soppresso i falsi allarmi, portando il FIR a 0.000 in modalità sicura.
Efficienza del Modello: Sostituire il modello decisionale con una variante più economica (Claude Sonnet 4.6) ha migliorato il punteggio F1 (da 0.0234 a 0.0288) mantenendo un FIR simile, suggerendo che la selezione del modello sia una scelta di efficienza piuttosto che di sicurezza.

Significato e Rivendicazioni

Il documento sostiene che DeXposure-Claw dimostra che gli agenti LLM non dovrebbero ragionare direttamente sui dati grezzi on-chain in contesti ad alto rischio. Senza evidenze strutturate e controlli di escalation, gli agenti intervengono eccessivamente.

Recall Auditabile: Il sistema è posizionato come un'opzione di "recall e spiegazione auditabile" per la supervisione con intervento umano (human-in-the-loop), non come un sostituto di sistemi basati su regole più conservativi.
Sicurezza tramite Gate, non Modelli: Lo studio conclude che l'azione sicura ad alta severità deriva dai gate di salute dei dati e di confidenza e dalla revisione umana, non dal modello decisionale stesso. Il ruolo dell'LLM è redigere i razionali ed espandere la copertura, ma la sua tendenza a sovra-interpretare le evidenze è un fallimento persistente che deve essere limitato dai gate.
Standard di Valutazione: Il documento introduce un nuovo standard per valutare gli agenti finanziari utilizzando una verità di base di perdita assoluta e misurando esplicitamente il Tasso di Falso Intervento, affrontando una lacuna negli existing benchmark che spesso privilegiano l'accuratezza di rilevamento rispetto alle priorità di perdita rilevanti per i regolatori.

Gli autori segnalano limitazioni, tra cui il focus su un singolo dominio (credito inter-protocollo DeFi), la risoluzione settimanale (che potrebbe mancare shock sub-orari) e il potenziale dell'influenza dei dati di pre-addestramento sulla qualità delle spiegazioni su eventi storici noti. Enfatizzano che il sistema è uno strumento di supporto alle decisioni, non un agente di rischio autonomo.