💻 computer science

Self-Verifying Measurement Records: Hash-Linked Evidence Graphs for Hardware Benchmarking

Dit artikel stelt een manipulatiebestendige, via hashes gekoppelde transparantie-log voor hardware-benchmarking voor die gerapporteerde prestatiegegevens koppelt aan verifieerbaar bewijs met behulp van probabilistische identiteiten en cryptografische uitdagingen, wat offline, vertrouwensloze verificatie van resultaten over diverse GPU-architecturen mogelijk maakt terwijl rekening wordt gehouden met floating-point ruis en adversariële dreigingen.

Oorspronkelijke auteurs: Faruk Alpay, Baris Basaran

Gepubliceerd 2026-06-29

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Faruk Alpay, Baris Basaran

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

Stel je voor dat je een auto koopt en de verkoper overhandigt je een papiertje waarop staat: "Deze auto gaat 200 mijl per uur." Je moet hun woord erop houden. Je kunt het niet zelf testen omdat de auto weg is, de baan gesloten is en zelfs als dat wel kon, het motorblok misschien stiekem defect is op een manier die alleen onder specifieke omstandigheden naar voren komt.

Dit artikel stelt een nieuwe manier voor om hardwareprestaties (zoals hoe snel een computerchip is) te rapporteren, zodat je de persoon die het rapport heeft geschreven niet hoeft te vertrouwen. In plaats daarvan komt het rapport met zijn eigen "bewijs van leven" en "bewijs van waarheid" bij elk enkel getal.

Hier is hoe ze het doen, uitgelegd via eenvoudige analogieën:

1. Het "Onveranderlijke Dagboek" (De Evidence Graph)

Denk aan het prestatierapport niet als een statische PDF, maar als een digitaal dagboek waar elke invoer aan de volgende is gekoppeld met behulp van een speciale digitale slot (een hash).

Hoe het werkt: Als iemand een getal halverwege het dagboek probeert te veranderen (zoals "100 mijl" te veranderen in "200 mijl"), breekt het digitale slot en wordt de hele keten ongeldig.
Het voordeel: Je kunt het dagboek offline bekijken (zonder internet of de originele computer) en verifiëren dat de cijfers niet zijn vervalst. Het is als een notaris die elke pagina stempelt, maar de stempel is wiskundig en onmogelijk te vervalsen.

2. De "Steekproef" voor Wiskunde (Lineaire Kwantiteiten)

Wanneer de computer een enorme wiskundige berekening uitvoert (zoals het vermenigvuldigen van twee gigantische rasters met getallen), duurt het controleren van het hele antwoord veel te lang. De auteurs gebruiken een slimme truc die een "probabilistische identiteit" wordt genoemd.

De analogie: Stel je voor dat een bakker beweert dat hij 1.000 perfecte koekjes heeft gebakken. In plaats van alle 1.000 te proeven, pakt een inspecteur een willekeurige handvol, voegt een geheim "proefspecerij" toe (een willekeurige probe) en controleert of de smaak overeenkomt met het recept.
De crux: Als de bakker heeft gesjoemeld, zal de inspecteur hem bijna zeker betrappen. Als de inspecteur 8 keer controleert, is de kans dat een bedrieger ermee wegkomt minder dan 1 op 256.
De "Vloer"-kalibratie: Computers zijn niet perfect; ze maken kleine afrondingsfouten (zoals een weegschaal die een gram afwijkt). De auteurs hebben precies gemeten hoe "af" hun specifieke chips van nature worden. Ze hebben een "tolerantiezone" ingesteld op basis van deze natuurlijke fout. Als de wiskunde licht afwijkt, wordt dit geaccepteerd als normaal. Als het veel afwijkt, wordt het gemarkeerd als een leugen of een defecte chip.

3. De "Dubbele Controle" (Cross-Device Verificatie)

Om extra zeker te zijn, gebruikten ze twee identieke chips om tegelijkertijd exact dezelfde berekening uit te voeren.

De analogie: Het is alsof je twee identieke tweelingen hebt die dezelfde toets maken. Als ze beiden exact hetzelfde antwoord krijgen tot op de laatste decimaal, weet je dat het antwoord juist is. Als de een een ander antwoord krijgt, weet je dat een van de twee liegt of in de war is.
De bonus: Hoewel de tweelingen identiek zijn, rennen ze met een iets andere snelheid (zoals de ene tweeling iets sneller rent dan de andere). Het rapport legt dit kleine snelheidsverschil vast als een "vingerafdruk" voor die specifieke chip, wat bewijst dat het de echte versie is en geen nepversie.

4. De "Stress Test" (Fysieke Limieten)

De auteurs wilden weten: Kan een hacker de chip foppen om een foutief antwoord te geven zonder dat wij het merken?

Het experiment: Ze probeerden de chip te "stressen" door hem heet te laten draaien en het stroomverbruik te laten fluctueren (zoals een stroompiek).
Het resultaat: De chip ging niet kapot of gaf foutieve antwoorden. In plaats daarvan vertraagde hij simpelweg om zichzelf te beschermen. Dit suggereert dat "stille fouten" (waarbij een chip een fout antwoord geeft zonder te klagen) zeldzaam zijn en meestal alleen voorkomen bij defecte chips, en niet bij gezonde chips die onder normale stress staan.

5. De "Tijdmachine" (Reconstructie)

Wat gebeurt er als de computerchip kapot gaat of wordt weggegooid? Kunnen we het oude rapport dan nog vertrouwen?

De oplossing: Het rapport bevat "seeds" (zoals een recept) waarmee iedereen de berekeningen op een andere computer opnieuw kan uitvoeren.
De beperking: Je kunt de wiskunde en de logica perfect opnieuw verifiëren. Je kunt echter de snelheid van de oude chip niet perfect opnieuw verifiëren, omdat die snelheid afhankelijk was van de specifieke fysieke conditie van die dode chip (de hitte, de leeftijd, de specifieke fabricage-eigenschappen). De "waarheid" van de wiskunde overleeft; de "snelheid" van de oude machine is verloren aan de tijd.

Samenvatting

Dit artikel bouwt een zelfverifiërend bonnetje voor computerprestaties.

Geen Vertrouwen Nodig: Je vertrouwt niet de fabrikant; je vertrouwt de wiskunde en de digitale sloten.
Steekproeven: Het gebruikt willekeurige wiskundige trucs om leugens direct te betrappen.
Dubbele Getuigen: Het gebruikt twee chips om elkaar te bevestigen.
Eerlijkheid: Het geeft toe dat hoewel de wiskunde voor altijd als waar bewezen kan worden, de specifieke snelheid van een chip een vluchtig moment is dat niet perfect gereproduceerd kan worden.

Het doel is niet om de chips sneller te maken, maar om de cijfers die we over hen lezen onmogelijk te vervalsen en gemakkelijk te verifiëren.

Technische Samenvatting: Zelfverifiërende Meetgegevens voor Hardware Benchmarking

Probleemstelling
Hardwareprestatiebenchmarks worden traditioneel aanvaard op basis van vertrouwen. Gerapporteerde getallen (bijv. FLOP/s-snelheden) zijn losgekoppeld van hun onderliggende bewijs: de specifieke apparaatstatus, driverversie en exacte inputvormen gaan vaak verloren tegen de tijd dat een resultaat wordt gepubliceerd. Bovendien is hardware niet onfeilbaar; fleet-studies wijzen uit dat een kleine maar constante fractie van de cores (ongeveer één op duizend) foutieve rekenkundige resultaten kan produceren zonder foutmeldingen te geven. Bijgevolg mist een gerapporteerd prestatiegetal bewijs van zowel de oorsprong van de meting als de correctheid van de onderliggende berekening. Het artikel behandelt dit als een integriteitsprobleem, met als doel een meetrecord te creëren dat bestand is tegen manipulatie en onafhankelijk controleerbaar is zonder dat de lezer de producent hoeft te vertrouwen.

Methodologie
De auteurs stellen een hash-gelinkte bewijsgraaf voor, een transparantielog voor hardwaremetingen waarbij elke gerapporteerde hoeveelheid wordt gekoppeld aan de observatie en verificatie ervan via content-hashes. Het systeem werkt via verschillende onderling verbonden mechanismen:

Structuur van de bewijsgraaf: Het record is een acyclische graaf waarbij knopen observaties (ruwe metingen), reducties (zuivere functies zoals medianen of dispersies) en claims (de uiteindelijke gerapporteerde getallen) vertegenwoordigen. Randen zijn content-hashes (SHA-256). Een offline audit kan de gehele graaf verifiëren door hashes en reducties opnieuw te berekenen, zonder toegang nodig te hebben tot de oorspronkelijke hardware of het netwerk.
Verificatie van lineaire grootheden (Matrixproducten): Voor lineaire operaties zoals matrixvermenigvuldiging ($C=AB$) gebruikt het systeem een probabilistische identiteitscontrole (Freivalds' algoritme). Een willekeurige probe-matrix $X$ $X$ wordt gebruikt om de residu te berekenen: $\|A(BX) - CX\|$ $∥ A (B X) - C X ∥$ .
- Gecalibreerde tolerantie: In plaats van een theoretische grens wordt de acceptatietolerantie ( $\tau$ ) afgeleid van floating-point foutanalyse en gekalibreerd op de specifieke gemeten "residu-vloer" (het laagste residu dat geobserveerd is bij correcte runs) van het apparaat. Dit onderscheidt legitieme precisieverlies door afronding van echte fouten.
- Multi-stage transcript: Verificatie wordt vastgelegd als een sequentie van stadia (verwerven, getuigen, beslissen, repareren). Als een resultaat de tolerantie overschrijdt, wordt het gemarkeerd, gerepareerd via herberekening met hogere precisie, en opnieuw getuige afgenomen.
Verificatie van niet-lineaire grootheden: Voor operaties die geen goedkope algebraïsche controles missen (bijv. attention-mechanismen, atomaire accumulaties), gebruikt het systeem:
- Algebraïsche bewakers: Het deconstrueren van attention in matrixproducten (gecontroleerd via Freivalds) en een softmax-invariant (het controleren van rij-sommen).
- Gewogen checksums: Voor atomaire accumulaties detecteert een gewogen somcheck consistente fouten die run-to-run divergentiecontroles zouden missen.
- Reproduceerbaarheidsklassen: Grootheden worden geclassificeerd als bit-stabiel ( $S_0$ ) of begrensd door gemeten divergentie ( $S_{nd}$ ).
Cross-Device Corroboratie: Door gebruik te maken van twee identieke kaarten, meet het systeem het differentieel $D[q] = q(\text{card}_1) - q(\text{card}_0)$ . Deterministische kernels leveren een nul-differentieel op, wat een bit-voor-bit onafhankelijke getuige biedt. Doorvoer-differentialen dienen als een per-onderdeel vingerafdruk.
Beveiligingsverbeteringen: Om te voorkomen dat een tegenstander een vastgelegde probe-seed exploiteert (die fouten in de null-ruimte van de probe zou kunnen verbergen), afleidt het systeem de probe-seed van een Fiat-Shamir challenge gebaseerd op de geclaimde output. Dit zorgt ervoor dat de uitdaging afhankelijk is van de output die geverifieerd moet worden.

Belangrijkste Resultaten
De auteurs hebben de constructie gedemonstreerd op Blackwell (RTX PRO 6000 Max-Q) en Hopper-architecturen, evenals op consumenten- en serverconfiguraties.

Residu-vloeren: De studie heeft de residu-vloer van matrixproducten over verschillende precisies (FP16, TF32, BF16, FP8) en formaten gemeten. Deze vloeren bleken architectuuronafhankelijke invarianten te zijn (stabiel over verschillende Blackwell-apparaten), maar verschilden van de doorvoer van het apparaat.
Detectiecapaciteiten:
- Een enkele bit-flip in een matrixproduct werd met een hoge waarschijnlijkheid ( $1 - 2^{-k}$ ) afgewezen.
- Consistente fouten in niet-lineaire operaties (die de reproduceerbaarheidscontroles passeren) werden gevangen door algebraïsche bewakers.
- Een FP8-product dat de FP16-gekalibreerde tolerantie overschreed, werd succesvol gemarkeerd en gerepareerd via FP32-accumulatie.
Device-onafhankelijkheid: De "overdraagbare invarianten" (residu-vloeren en numerieke klassen) werden succesvol gereconstrueerd op verschillende apparaten (RTX 5090, RTX PRO 6000 Server) met behulp van vastgelegde seeds, waarbij 100% van deze specifieke claims werd teruggevonden. Device-lokale metrieken (doorvoer) waren niet terugvindbaar, zoals verwacht.
Fysieke Stress-testen: Onder thermische verzadiging en $di/dt$ power virus stress bleef de residu-vloer invariant, en er werden geen natuurlijke stille fouten waargenomen in 139.264 controles. Dit suggereert dat stille fouten zeldzaam zijn (defecte onderdelen) of geprivilegieerde toegang vereisen, in plaats van geïnduceerd te worden door standaard tenant-workloads.
Beveiligingsanalyse: De Fiat-Shamir challenge slaagde erin het aanvalsoppervlak te sluiten waar een probe-bewuste tegenstander 50% van een fout in de null-ruimte zou kunnen verbergen. Een gecoördineerde aanval over 4 bit-identieke getuigen werd eveneens gevangen door de output-afgeleide uitdaging.

Betekenis en Claims
Het artikel beweert de verschuiving van een "vertrouwensmodel" naar een "bewijsmodel" voor hardware benchmarking te realiseren. De primaire betekenis ligt in:

Tamper-Evident Records: Het bieden van een structuur waarbij een lezer de correctheid en oorsprong van een getal offline kan verifiëren, zonder de producent te hoeven vertrouwen.
Gecalibreerd Vertrouwen: Het vaststellen dat vertrouwen in een getal proportioneel moet zijn aan het bijbehorende bewijs. De methode scheidt passende afhankelijkheid van onterecht geloof door toleranties te kalibreren op de fysieke realiteit van de silicium (de residu-vloer).
Hardware als Getuige: Het behandelen van de hardware zelf als de getuige en ondertekenaar van de meting, in plaats van enkel het onderwerp van de test.
Reconstrueerbaarheid: Het demonstreren dat zelfs nadat een apparaat is uitgefaseerd, de "overdraagbare invarianten" (de wiskundige eigenschappen van de berekening) op opvolger-hardware opnieuw kunnen worden afgeleid, waardoor de integriteit van het historische record behouden blijft.

De auteurs positioneren dit niet als een vervanging voor hardware roots of trust (die nodig zijn als de host die het record produceert fysiek wordt gesubverteerd), maar als een gedisciplineerde toepassing van probabilistische identiteiten en content-adressering om hardwaremetingen zelfverifiërend te maken. Het werk wordt gepresenteerd als een volledig, controleerbaar archief waar de code, observaties en verificatie-transcripten aan een enkele root-hash zijn gebonden, wat een single-pass offline audit mogelijk maakt.