Circle Research 13 ноября представила исследовательскую схему Anduin для оценки поставщиков услуг в рынках AI-агентов. Вместо рейтинга, основанного лишь на количестве отзывов или транзакций, подход использует граф фактических платежей x402: кто покупает у какого провайдера, как часто и на какую сумму. Авторы протестировали систему на 66 млн расчётов и сообщили, что в их эксперименте она была примерно столь же точной, как сильный стандартный метод, и приблизительно в 23 раза дороже для манипуляции. Это результат модели исследования, а не гарантия защиты для любого рынка.
Материал важен на фоне роста автономных агентов, которые могут находить и оплачивать API, данные или вычислительные услуги. Если агент выбирает поставщика автоматически, ему нужен способ понять, кому доверять. Счётчики использования и отзывы легко накрутить, особенно если атакующий контролирует и провайдера, и фальшивые аккаунты-покупатели. Платёжный граф предлагает использовать экономические связи как сигнал, но он не подтверждает качество каждой выполненной услуги.
Как работает репутация по графу платежей
В упрощённом представлении граф состоит из покупателей и поставщиков, а платежи связывают их друг с другом. Рёбра могут учитываться с весом, который зависит от объёма, частоты и давности операций. Если поставщику платят те же агенты, чьим выборам доверяет конкретный агент, это может быть сигналом релевантности. Anduin описывает персонализированный рейтинг: предпочтения одного покупателя влияют на его представление о провайдерах иначе, чем предпочтения другого.
Логика в том, что самому себе можно переводить средства между подконтрольными адресами, но такие циклы не обязательно создают независимый спрос. Чтобы выглядеть востребованным у конкретной группы покупателей, атакующему пришлось бы оплачивать реальные услуги у тех провайдеров, которым эта группа уже пользуется. Это повышает стоимость атаки в рамках определённой модели, но не исключает сговор, фиктивное исполнение услуги или экономический стимул субсидировать убытки ради будущей выгоды.
Исследование основано на x402-платежах, которые оставляют публичный on-chain след. Авторы описывают данные по 66 миллионам расчётов, что даёт материал для анализа поведения, но размер выборки не равен репрезентативности всего рынка AI-сервисов. Рынок может измениться, доля платежей в разных сетях может быть неодинаковой, а провайдеры без публичного платёжного следа окажутся труднее для оценки. Граф полезен лишь настолько, насколько покрывает реальные отношения спроса.
Что означает оценка «в 23 раза дороже»
Число из исследования относится к конкретному смоделированному сценарию манипуляции. Оно не означает, что любую попытку накрутить любой рейтинг в 23 раза сложнее, и не гарантирует экономическую невозможность атаки. Результат зависит от того, какую цель атакующий пытается достичь, как определён бюджет атаки, какие транзакционные издержки учитываются и как выбран критерий качества рекомендации.
Авторы сравнивали Anduin с существующими способами ранжирования поставщиков и сообщают о сопоставимой точности с лучшим стандартным методом. Сравнение требует знать выборку, метрики и предпосылки, а на практике агентам важны ещё и задержка, приватность, устойчивость к wash trading и свежесть данных. Модель также может предпочитать крупные сервисы, которые уже получают больше платежей, затрудняя обнаружение новых, но качественных провайдеров. Для новых участников по-прежнему нужны кураторские списки или другие независимые сигналы.
Исследование Circle отмечает, что сами по себе добровольные рейтинги и сырые показатели объёма могут быть слабыми сигналами. Но платёжный граф не решает задачу арбитража. Он говорит о поведении участников, а не о том, была ли оказана услуга корректно, соблюдены ли условия или довольны ли клиенты. Для этого может потребоваться escrow, проверка результата, репутация разработчика или механизм возврата.
Ограничения и риски модели
Публичность платежей помогает анализу, но затрагивает приватность коммерческих отношений. По графу можно пытаться выводить, какие агенты используют какие сервисы и как распределяют бюджеты. Даже если адрес не подписан реальным именем, повторяющиеся связи и внешние данные могут позволить связать его с субъектом. Разработчику системы репутации нужно учитывать доступ пользователя к данным, агрегирование и последствия открытых профилей.
Граф может отражать не только добросовестное использование, но и субсидирование, закрытые сделки, разные цены и различия в качестве исполнения. Провайдер может быть платёжно популярен, но плохо выполнять задачи конкретного клиента. Метрика, основанная на поведении соседних покупателей, предполагает, что предпочтения этих покупателей полезны для текущего агента. В узком рынке такой сигнал может быть полезен, но в быстро меняющемся или неоднородном наборе услуг он способен вводить в заблуждение.
При выборе провайдера агенту нужно учитывать цену, SLA, поддержку, требования к данным, безопасность и правовой режим. Для финансовых операций и доступа к кошельку недостаточно рейтинга. Проверяйте ключи, ограничения доступа, исполняемый код и правила обработки ошибок. Базовые понятия об автономных системах и on-chain расчётах можно сопоставить с обзором intents и solvers, где также важны доверие к исполнителю и контроль результата.
Эксперимент, а не готовый продукт
Публикация Circle описывает исследовательский метод и результаты тестирования. Она не объявляет полноценный коммерческий продукт, который автоматически оценивает всех агентов в любом приложении. Перед внедрением нужны сведения о доступности кода, воспроизводимости эксперимента, способе обновления графа, процедуре разрешения ошибок и защите от сговора. Если появится готовая интеграция, её возможности следует оценивать по конкретным данным и условиям.
Anduin поднимает интересную идею: в рынках, где платежи уже происходят on-chain, отношения покупателя и поставщика могут дать более устойчивый сигнал, чем количество аккаунтов. Но репутация всегда зависит от выбранной модели. Она может помочь агенту найти кандидата, но не гарантирует, что тот выполнит задачу или не злоупотребит данными. Поэтому надёжная система должна сочетать несколько способов оценки и позволять пользователю ограничивать доверие.
Главный вывод из публикации – граф платежей может сделать некоторые простые виды Sybil-накрутки затратнее, если учитываются связи независимых покупателей. Масштаб преимущества в 23 раза следует читать в границах эксперимента Circle, а не как универсальную константу. Пока Anduin остаётся исследовательским предложением, важнее всего следить за методологией, независимым воспроизведением и тем, как разработчики решат балансировать точность рекомендаций с приватностью и доступом новых провайдеров. Практическое развитие x402-платежей описано в новости о Discovery API для поиска сервисов.
