Se i proof di disponibilità falliscono frequentemente nel backup decentralizzato, ignorare le penalità per i nodi può ridurre gli stake del 50% in un singolo epoch.
Le strutture di Walrus incentivan i nodi attraverso un modello Proof-of-Stake delegato in cui gli operatori stakano token WAL per entrare nei comitati di archiviazione, guadagnando ricompense dai costi di archiviazione pagati dagli utenti, distribuiti in proporzione alla fine di ogni epoch di 30 giorni in base a metriche come risposte riuscite a sfide casuali su frammenti (sliver), ovvero campioni crittografici di pezzi di dati da blob codificati con RedStuff che verificano la custodia senza scaricare l'intero file, mentre i nodi con stake elevato ricevono assegnazioni preferenziali di frammenti proporzionali al loro stake effettivo dopo gli aggiustamenti per i contributi dei delegati; le penalità entrano in vigore in caso di fallimenti come la mancata risposta a più del 50% delle sfide o l'incapacità di fornire frammenti durante le richieste di recupero, innescando uno slashing automatico in cui una percentuale dello stake WAL viene bruciata (ad esempio dal 10 al 30%, in base alla gravità fissata dalla governance), con una redistribuzione parziale ai nodi onesti per scoraggiare la collusione, e costi aggiuntivi di bruciatura per spostamenti temporanei di stake per coprire i costi di migrazione dei dati e favorire l'impegno a lungo termine rispetto al trading speculativo.
I delegati stakano WAL con qualsiasi nodo utilizzando contratti intelligenti Sui, condividendo i ricompense dell'epoch in base al tasso di successo PoA del nodo (riconoscimenti da parte di un quorum di 2/3 per la certificazione del blob). Questa dinamica di condivisione del rischio allinea gli interessi di utenti, delegati e operatori attraverso proof verificabili in blockchain legati a oggetti di metadati dei blob contenenti hash ID, dimensioni e token WAL.
Per guadagnare le commissioni sui dataset archiviati, un modello trainer distribuisce WAL a un nodo validato con un uptime PoA del 95%. Le penalità per downtime incoraggiano ripristini rapidi per minimizzare le perdite di stake durante gli epoch di addestramento, ma gli incentivi del nodo mantengono costante il mantenimento dei frammenti.
Come influenzerà un cambiamento nei voti di governance WAL sulla riduzione della soglia l'incentivazione della partecipazione dei nodi nella pipeline di dati Walrus AI e la deterrenza alle penalità?
