🏠 DIN 아키텍처

DIN 프로토콜에서 네트워크의 세 가지 참여자는 지속적으로 데이터 활동에 관여합니다:

데이터 수집자 (Data Collectors): 온체인 및 오프체인 데이터 수집

우리의 데이터 수집 방식은 온체인 데이터(트랜잭션, 지갑 주소, 스마트 계약)와 오프체인 데이터(시장 심리, 규제 변화, 소셜 미디어 트렌드) 간의 격차를 해소하여 포괄적인 통찰력을 제공합니다. 이러한 전략은 암호화폐, 의료, 학술, 산업과 같은 다양한 분야에서 캐주얼한 사용자부터 전문 분석가에 이르기까지 폭넓은 사용자층을 지원합니다. Analytix와 xData라는 두 가지 제품을 통해 데이터를 집계하여, 공공 및 민간 영역에서 정보에 기반한 결정을 내릴 수 있도록 최신의 실질적인 정보를 제공합니다.

데이터 검증자(Data Validators): 블록체인을 통한 모델 정확성 보장

분산형 예측 모델인 SUM(Sharing Updatable Models) 프레임워크는 블록체인의 분산 특성을 활용하여 데이터 검증을 혁신합니다. 이를 통해 모델 업데이트가 투명하고 변경 불가능하며, 집단적으로 개선되며, 예측 정확도를 높이고 데이터 변조 위험을 줄입니다. SUM은 협력적인 생태계를 조성하여 지속적인 모델 개선을 가능하게 하며, 정확하고 안전하며 투명한 예측 분석의 새로운 시대를 약속합니다.

데이터 벡터 변환자(Data Vectorizers): AI 데이터 준비 간소화

벡터 변환은 AI 준비 과정에서 중요한 단계입니다. 이는 원시 데이터를 AI 모델이 효과적으로 처리할 수 있는 구조화된 형식으로 변환하는 과정을 의미합니다. 이 단계는 데이터를 인코딩하고, 숫자 값을 정규화하며, 고차원 데이터를 관리하고, AI 학습과 예측을 최적화하는 데 필수적입니다. 벡터 변환을 통해 데이터가 AI에 적합하게 준비되며, AI 애플리케이션 개발이 가속화되고 모델의 정확도와 확장성이 향상됩니다.

DIN 프로토콜은 일련의 간결한 단계를 통해 데이터 처리 과정을 간소화하며, 데이터의 무결성과 프라이버시를 보장합니다:

1. 데이터 수집: 수집자들이 다양한 출처에서 온체인(on-chain) 및 오프체인(off-chain) 데이터를 수집합니다.

2. 검증 라우팅: 수집된 데이터는 로컬에 배치된 모델에 기반하여 선택된 검증자에게 전달됩니다.

3. 검증: 검증자들은 컴퓨팅 자원을 사용하여 데이터를 예측하고 정확성을 확인합니다.

4. 프라이버시 처리(데이터셋): 검증된 데이터는 ZK 프로세서를 통해 프라이버시가 강화됩니다.

5. 모델 업데이트: 최신 데이터로 관련 모델이 개선되며 검증자 전반에 업데이트됩니다.

6. 벡터 변환: 컴퓨팅 노드가 검증된 데이터를 벡터로 변환합니다.

7. 프라이버시 처리(벡터): 벡터는 ZK 프로세서를 통해 프라이버시 처리를 거칩니다.

8. 데이터 확정: 완료된 데이터셋과 벡터는 IPFS에 저장되어 제3자가 접근할 수 있도록 합니다.

위와 같이, 데이터 처리 과정은 수집, 검증, 컴퓨팅의 세 단계를 거칩니다(그림2 참조). 모든 참여자들에게는 네트워크 기여를 보상하기 위한 인센티브 메커니즘이 적용되며, 이에 대한 더 자세한 내용은 이후 장에서 설명될 예정입니다.

그림 2. 데이터 처리 수명 주기