온체인 게임의 재편: Monad의 주력 프로젝트인 aPriori가 AI를 활용해 거래 혁신을 선도하고 있으며, 동시에 데이터 기여 프로그램도 출시되었습니다.

이 글을 읽으려면 10 분

"거래 속도가 최종 목표가 아닙니다. 공정성과 효율성이 DeFi의 근간입니다."

원문 출처: aPriori

Pantera Capital, YZi Lab, OKX Ventures 등 유수 기관의 든든한 지원을 바탕으로 aPriori는 탈중앙화 거래의 기본 원칙을 재정립하고 있습니다. 핵심 프로젝트 구성원은 Jump, Coinbase, Citadel Securities, dYdX 출신입니다. aPriori는 네이티브 온체인 기술과 월가의 고빈도 거래 경험을 통합하여 고성능 퍼블릭 블록체인 기반의 차세대 거래 실행 시스템을 구축하고 있으며, DeFi에 진정으로 경쟁력 있는 거래 인프라를 제공합니다.

aPriori는 온체인 거래 프로세스를 완전히 새롭게 정의하고 있습니다. AI 기반 DEX 애그리게이터와 MEV 기반 유동성 스테이킹 모듈을 통해 aPriori는 주문 입력부터 매칭, 수익 창출에 이르는 전체 주문 흐름을 지속 가능한 상품 생태계로 통합합니다. 지난주 AI 기반 DEX 애그리게이터인 Swapr 출시 이후, aPriori는 온체인 거래의 "인식 두뇌"인 주문 흐름 세분화 시스템에 집중했습니다. 이 시스템은 행동 라벨링, 지갑 클러스터링, AI 분석, 그리고 온체인 피드백 메커니즘을 결합합니다. 이 시스템의 목표는 모든 거래가 더욱 지능적이고 공정하게 처리되도록 보장하여 차익거래 슬리피지와 같은 "악의적인 주문 흐름"을 방지하고 가장 필요한 곳에 유동성을 공급하는 것입니다. 이를 통해 거래는 더욱 스마트해질 뿐만 아니라, 온체인 시장 전체에서 더욱 질서 있고 신뢰할 수 있는 흐름을 조성합니다. "모든 거래를 이해하는 것이 공정한 거래 집행의 시작입니다." 주문 흐름 세분화는 aPriori의 핵심 기술 중 하나입니다. 거래 행동, 지갑 내역, 시장 반응을 분석하여 거래가 합법적인 사용자 활동인지, 아니면 차익거래나 스퀴즈 트레이딩과 같은 "악성 주문 흐름"인지 사전에 판별합니다. 단순히 거래 완료 여부를 확인하는 기존 방식과 달리, 이 식별 방법은 잠재적 위험을 조기에 걸러내고, 유동성 공급자(LP)에게 더 안전한 거래 상대방을 제공하며, 경로 선택 및 실행 공정성을 향상시킬 수 있습니다.

"기술 + 생태계: 모나드(Monad)를 위한 최적의 시기"

각 퍼블릭 체인 생태계는 각기 다른 데이터 특성을 가지고 있습니다. 솔라나(Solana)는 빠른 거래 속도와 활발한 사용자를 자랑하지만, 많은 수의 폐쇄형 소스 계약으로 인해 학습에 사용할 수 있는 데이터가 제한적입니다. 이더리움(Ethereum)과 기타 EVM 체인은 데이터에 개방되어 있지만 성능 병목 현상으로 인해 일반적으로 보수적인 거래 행동과 낮은 데이터 밀도를 보입니다.

Monad는 성능과 투명성 사이에서 보기 드문 균형을 이룹니다. Solana의 높은 처리량과 공격적인 거래 스타일에 EVM 아키텍처의 가독성과 개방성을 결합한 Monad는 aPriori에게 차세대 주문 흐름 인식 모델 구축에 이상적인 환경을 제공합니다. "사용자 데이터는 단순히 참여에 관한 것이 아니라 차세대 거래 인텔리전스를 교육하는 것입니다." 커뮤니티 데이터 기여 프로그램: aPriori는 AI가 거래 행동을 더욱 지능적으로 식별하도록 훈련하기 위해 커뮤니티 중심의 데이터 기여 프로그램을 시작했습니다. 모든 사용자는 다음과 같은 간단한 작업을 완료하여 모델이 온체인 세계를 더 잘 이해하도록 도울 수 있습니다.

· 지갑 바인딩:사용자가 자주 사용하는 지갑 주소를 연결하여 동작을 더욱 완벽하게 보여줍니다.

· 지원되는 체인:이더리움, BNB 체인, 모나드 테스트넷;

· 소셜 미디어 계정 동기화:선택적으로 Twitter, Discord 및 기타 계정을 연결하여 더 많은 신원 단서를 제공합니다.

· 체크인 및 작업 추적:전용 대시보드에 사용자 체크인 기록, 거래 동작 및 기여 진행 상황이 표시됩니다.

이 데이터는 시스템이 어떤 주소가 동일한 사용자에게 속하는지, 그리고 조정된 작업이 있는지 여부를 판단하는 데 도움이 되며, AI가 거래 유형과 위험을 식별하는 능력을 향상시킵니다. 거래에 유해한 주문 흐름이 있는지 어떻게 알 수 있나요? Swapr의 핵심 엔진에서 모든 거래는 확인 전에 AI 모델을 사용하여 위험 평가를 거치며, 주로 다음 요소를 고려합니다.· 거래 자체: 매수/매도 방향, 통화 경로, 가스, 수수료, 슬리피지 등; · 주소 내역: 거래 빈도, 과거 거래 내역, 자산 변동 내역 · 시장 반응: 거래 후 1초부터 24시간까지의 가격 추세 · 수익성 평가: 해당 거래가 다양한 기간 동안 수익성이 있는지, 그리고 LP에게 피해를 줄 수 있는지 여부. 이 모델은 각 거래가 정보 우위를 기반으로 한 차익거래나 스퀴즈 트레이딩과 같은 "유해 주문 흐름"에 해당하는지 여부를 파악하고, 시스템 공정성에 대한 잠재적 위협을 판단합니다."모델이 복잡할수록 더 좋고, 거래를 더 잘 이해할수록 가치가 높아집니다." 규칙 엔진에서 AI 신경망까지, aPriori는 단일 알고리즘에 국한되지 않고 기존 모델(XGBoost, LightGBM)과 시계열 모델(RNN, Transformer)을 결합합니다. 전자는 구조화된 데이터를 효율적이고 해석 가능하게 처리하는 반면, 후자는 시계열 내에서 행동 변화를 포착하는 데 탁월합니다. Swapr는 궁극적으로 다양한 하위 모델이 자체 데이터 차원과 시간 범위 내에서 학습하는 앙상블 아키텍처를 채택합니다. 결합된 점수를 통해 복잡한 거래 행동에 더욱 정확하게 대응할 수 있습니다. "거래 배후에서 누가 차익거래에 공모하고 있습니까?" 차익거래는 일반적으로 단일 지갑에서 이루어지는 것이 아니라 여러 주소의 협력으로 이루어집니다. 이러한 "행동 그룹"을 식별함으로써 시스템은 잠재적 차익거래 그룹을 예측하고 "악성 주문 흐름"이 투자자(LP)에게 영향을 미치는 것을 방지할 수 있습니다.

"AI를 거래 실행의 필수 요소로 만들기"

풍부한 학습 데이터를 바탕으로 Swapr의 인식 시스템은 DeFi 라우팅의 핵심 차별화 요소가 되고 있습니다. 더 나은 호가를 제공할 뿐만 아니라 사용자와 유한책임조합원 모두의 이익을 보호하기 위해 유동성을 동적으로 조정합니다.

설립자 Ray는 다음과 같이 강조했습니다. "진정한 DeFi 실행 엔진은 시스템을 이해하고, 판단할 수 있으며, 어떻게 보호해야 할지 알고 있습니다. Swapr가 '생각하는' 최초의 거래 포털이 되기를 바랍니다."