💻 computer science

Composable Attestation: A Generalized Framework for Continuous and Incremental Trust in AI-Driven Distributed Systems

Dit paper introduceert 'composable attestation', een algemeen cryptografisch raamwerk dat modulaire, schaalbare en continue integriteitsverificatie mogelijk maakt voor AI-gedreven gedistribueerde systemen en softwareleveringsketens door het gebruik van bewijsconstructies zoals Merkle-bomen.

Oorspronkelijke auteurs: Sheng Sun, Sarah Evans

Gepubliceerd 2026-03-04

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Sheng Sun, Sarah Evans

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Kern: Een Onbreekbaar Legpuzzel voor Vertrouwen

Stel je voor dat je een enorm, complex gebouw bouwt (zoals een AI-systeem of een groot computernetwerk). Dit gebouw bestaat uit duizenden onderdelen: bakstenen, ramen, elektriciteitskabels en zelfs de meubels.

In de oude wereld van beveiliging was het zo: als je één baksteen wilde vervangen, moest je het hele gebouw slopen en opnieuw laten keuren door een inspecteur. Dat kostte tijd, geld en energie. Als je een nieuwe vloer legde, moest je ook weer de fundering opnieuw controleren.

"Composable Attestation" (samenvoegbare attestatie) is een nieuwe manier om te bewijzen dat je gebouw veilig is, zonder alles telkens opnieuw te hoeven controleren. Het is alsof je een onbreekbaar legpuzzel hebt.

Hoe werkt het? (De Analogieën)

1. De Legpuzzel (Composability)

In plaats van het hele gebouw te inspecteren, krijgt elk onderdeel (elke baksteen, elk raam) zijn eigen stempel van goedkeuring.

De oude manier: De inspecteur kijkt naar het hele gebouw in één keer.
De nieuwe manier: Elke baksteen heeft een uniek stempel. Als je de bakstenen aan elkaar plakt, vormen die stempels samen een groter, geldig stempel voor de muur. Als je een raam toevoegt, plak je simpelweg het stempel van het raam aan het stempel van de muur. Je hoeft niet te kijken of de bakstenen er nog goed uitzien; je vertrouwt op de stempels die al daar waren.

2. De Volgorde maakt niet uit (Order Independence)

Stel je voor dat je een fruitmand maakt met appels, peren en bananen.

Of je nu eerst de appels doet, dan de peren, dan de bananen...
Of je eerst de bananen doet, dan de appels...
De inhoud van de mand is hetzelfde. In dit systeem is het bewijs van vertrouwen ook hetzelfde, ongeacht in welke volgorde de onderdelen zijn toegevoegd. Het systeem is slim genoeg om te zeggen: "Het maakt niet uit hoe je het hebt gemengd, de inhoud is veilig."

3. De "Toevoeging" zonder Herstart (Inclusion)

Dit is de magische truc. Stel je hebt een veiligheidsrapport voor een computerprogramma. Vandaag voeg je een nieuwe functie toe.

Oude manier: Het hele rapport is verouderd. Je moet het programma opnieuw opstarten en alles opnieuw scannen.
Nieuwe manier: Je neemt het oude rapport, plakt er een klein, nieuw bewijsje van de nieuwe functie bij, en klak! Je hebt een nieuw, geldig rapport. De oude onderdelen hoeven niet opnieuw gecontroleerd te worden. Dit is essentieel voor AI-systemen die continu leren en veranderen.

Hoe wordt dit technisch gedaan? (De Gereedschapskist)

De auteurs van het paper kijken naar drie verschillende manieren om deze "stempels" te maken, net zoals een timmerman verschillende gereedschappen heeft:

De Merkle-boom (De Organische Boom):
Denk aan een boom. De bladeren zijn de onderdelen (de bakstenen). Je plakt twee bladeren aan elkaar, dan twee takken, en zo vormt het een stam. De top van de boom (de wortel) is het eindbewijs. Als je één blad verandert, verandert de hele tak, en uiteindelijk de top. Dit is heel snel en efficiënt, net als het controleren van een lijst met bestanden.
De Cryptografische Verzamelaar (De Magische Koffer):
Stel je een koffer voor die oneindig groot kan worden, maar altijd even groot blijft. Je kunt er duizenden objecten in gooien, maar de koffer zelf blijft klein. Als je iets toevoegt, verandert de "sluiting" van de koffer. Je kunt bewijzen dat een specifiek object erin zit zonder de hele koffer open te maken. Dit is heel handig als je duizenden onderdelen hebt.
De Meerdere Handtekeningen (De Groepsfoto):
Stel dat elke onderdelenleverancier zijn eigen handtekening zet op zijn deel. In plaats van 100 handtekeningen op papier te plakken, worden deze samengevoegd tot één korte, krachtige handtekening. Als die ene handtekening klopt, dan kloppen alle 100 delen.

Waarom is dit belangrijk voor AI?

Kijk naar een Kunstmatige Intelligentie (AI) die een auto bestuurt of een ziekenhuis helpt.

De AI bestaat uit: hardware (chips), software (code), data (trainingsmateriaal) en het model zelf.
Deze onderdelen veranderen constant. De AI leert elke dag bij.

Met de oude methodes zou je elke keer dat de AI iets leert, de hele auto moeten laten keuren. Dat is onmogelijk.
Met Composable Attestation kan de AI:

Nieuwe kennis toevoegen.
Een nieuw bewijsje genereren voor die nieuwe kennis.
Dit aan het oude bewijs plakken.
Zeggen: "Kijk, ik ben nog steeds veilig, ik heb alleen dit nieuwe stukje toegevoegd."

Samenvatting

Dit paper introduceert een slimme, flexibele manier om te bewijzen dat complexe systemen (zoals AI) veilig en betrouwbaar zijn. Het is als het hebben van een onbreekbaar, zelf-updatend paspoort voor een computer. Je hoeft niet het hele paspoort opnieuw te maken als je een nieuwe reis toevoegt; je plakt gewoon een nieuwe stempel erbij.

Dit zorgt voor meer vertrouwen, minder kosten en een systeem dat kan blijven groeien en veranderen zonder zijn veiligheid te verliezen.

Titel

Composabele Attestatie: Een Geïntegreerd Kader voor Continue en Incrementele Vertrouwen in AI-gedreven Gedistribueerde Systemen.

1. Het Probleem

Moderne gedistribueerde systemen, met name die gericht op kunstmatige intelligentie (AI) en open-source software (OSS) supply chains, bestaan uit talloze dynamische componenten (hardware, software-afhankelijkheden, modelparameters, runtime-configuraties). Deze componenten veranderen vaak autonomisch en continu.

De bestaande methoden voor attestatie (het genereren van cryptografisch bewijs van de staat van een systeem) hebben de volgende beperkingen:

Monolithische verificatie: Traditionele systemen vereisen vaak een volledige her-attestatie van het hele systeem bij elke wijziging in een enkel component.
Schaalbaarheidsproblemen: Dit is inefficiënt en kostbaar in dynamische omgevingen waar componenten frequent worden bijgewerkt.
Gebrek aan modulariteit: Er is geen mechanisme om individuele componenten onafhankelijk te verifiëren terwijl tegelijkertijd de integriteit van het totale systeem bewezen blijft.

2. Methodologie

Het paper introduceert een formeel wiskundig model voor composabele attestatie. Dit model definieert een generiek raamwerk waarbij attestaties van subcomponenten kunnen worden samengevoegd tot een verifieerbaar bewijs voor het gehele systeem.

Formele Definitie:

Laat $S = \{C_1, C_2, ..., C_n\}$ een verzameling componenten zijn.
De attestatie-functie $A$ genereert een bewijs $\pi$ : $A: S \rightarrow \pi$ .
De verificatie-functie $V$ controleert de geldigheid: $V: (\pi, S) \rightarrow \{0, 1\}$ .

Kern-eigenschappen van het model:
Het framework vereist dat de attestatiesystemen voldoen aan zes fundamentele eigenschappen:

Composability (Composabiliteit): Attestaties van subsets ( $S_1, S_2$ ) kunnen cryptografisch worden samengevoegd tot een attestatie van de vereniging ( $S_1 \cup S_2$ ).
Order Independence (Onafhankelijkheid van volgorde): Het resultaat is invariant ten opzichte van de volgorde waarin componenten worden verwerkt.
Transitivity (Transitiviteit): Als een nieuw systeem $S'$ een geldige attestatie heeft, impliceert dit automatisch de geldigheid van de attestaties van de oorspronkelijke componenten $S$ .
Determinism (Determinisme): Identieke sets componenten leveren altijd identieke bewijzen op.
Inclusion (Inclusie): Nieuwe componenten kunnen incrementeel worden toegevoegd aan het bewijs zonder het hele systeem opnieuw te hoeven berekenen.
Dynamic Component Verification: Verificatie tijdens uitvoering zonder onderbreking van lopende berekeningen.

Cryptografische Constructies:
Het paper onderzoekt drie hoofdconstructies om deze eigenschappen te implementeren:

Merkle-bomen: Gebruikt voor efficiënte aggregatie en verificatie. Door het sorteren van bladeren (lexicografisch) wordt orde-onafhankelijkheid bereikt.
Cryptografische Accumulators: Bieden bewijzen met constante grootte, ongeacht het aantal componenten. Ze zijn van nature commutatief (orde-onafhankelijk) en ondersteunen efficiënte updates.
Multi-Signature Schemes: Aggregeren van handtekeningen van meerdere entiteiten tot één compact bewijs (bijv. BLS-handtekeningen).
Geïntegreerde Constructie: Een hybride aanpak die Merkle-bomen combineert met accumulators en multi-signatures voor hiërarchische verificatie, selectieve openbaarmaking en maximale beveiliging.

3. Belangrijkste Bijdragen

Formalisering: De eerste rigoureuze wiskundige definitie van de eigenschappen die nodig zijn voor composabele attestatie in dynamische AI-systemen.
Inclusie-concept: De introductie van "attestation inclusion", wat het mogelijk maakt om nieuwe componenten toe te voegen zonder volledige her-attestatie, wat cruciaal is voor continue systemen.
Vergelijkende Analyse: Een diepgaande analyse van de trade-offs tussen Merkle-bomen, accumulators en multi-signatures in termen van prestaties, beveiliging en functionaliteit.
Toepasbaarheidskader: Een concrete toepassing van het model op AI-systemen, inclusief Large Language Models (LLM's) en Federated Learning.

4. Resultaten en Analyse

Eigenschapsverificatie: De analyse toont aan dat alle onderzochte constructies voldoen aan de gedefinieerde eigenschappen, zij het via verschillende mechanismen.
- Merkle-bomen: Bieden $O(\log n)$ complexiteit voor inclusiebewijzen.
- Accumulators: Bieden $O(1)$ grootte voor bewijzen, maar updatekosten kunnen variëren.
- Multi-signatures: Bieden efficiënte aggregatie ( $O(1)$ voor sommige schema's zoals BLS), maar vereisen soms verwerking van alle componenten bij verificatie.
Beveiliging: De beveiliging is gebaseerd op diverse cryptografische aannames (hash-kolliresistentie, Strong RSA, discrete logaritme), wat de algehele robuustheid verhoogt.
Efficiëntie: Het incrementele karakter (Inclusie) vermindert de rekenkosten aanzienlijk bij dynamische updates, in tegenstelling tot traditionele monolithische benaderingen.

5. Betekenis en Toepassingen

Dit werk is van groot belang voor de toekomst van veilige, gedistribueerde AI-systemen:

AI Model Integriteit: Het stelt organisaties in staat om de integriteit van datasets, modelparameters en runtime-omgevingen granulier te verifiëren. Bijvoorbeeld, bij een LLM kan de attestatie worden opgebouwd uit bewijzen voor de hardware (TPM), het besturingssysteem, de modelgewichten en de bibliotheek-afhankelijkheden.
Federated Learning: Het faciliteert de verificatie van bijdragen van clients zonder hun privacy te schenden en maakt dynamische deelname van nieuwe clients mogelijk.
Runtime Trust: Het ondersteunt continue trust-assurance tijdens de uitvoering van taken, wat essentieel is voor systemen die zich voortdurend aanpassen.
Toekomstige Standaardisatie: Het paper pleit voor standaardisatie en verdere onderzoek in hybride constructies en privacy-bewijzen (zoals Zero-Knowledge Proofs) om de interoperabiliteit en beveiliging van AI-supply chains te waarborgen.

Conclusie:
Composabele attestatie biedt een fundamentele verschuiving van statische, monolithische verificatie naar een dynamisch, modulair en cryptografisch onderbouwd model. Dit is een noodzakelijke stap om vertrouwen te kunnen bouwen in complexe, zich voortdurend ontwikkelende AI-ecosystemen.