Les preuves zkML de modèle complet offrent de fortes garanties, mais elles entraînent des coûts de latence et de mémoire élevés. Dans de nombreux cas, seules certaines couches ou sous-computations nécessitent une vérification — comme nous l'exposons dans notre livre blanc. C'est l'idée derrière DSperse, notre framework zkML open-source basé sur des tranches. Au lieu de circuitiser un modèle entier, DSperse vous permet de prouver des sous-computations à forte valeur — portes de politique, détecteurs d'anomalies, têtes propriétaires — tandis que le reste fonctionne à vitesse native. Dans les benchmarks, le découpage offre : • 77 % de génération de témoins plus rapide • 66 % de preuves plus rapides • ~40 % d'utilisation de mémoire en moins Pensez à un pipeline de détection de fraude : vous n'avez pas besoin de prouver l'ensemble du modèle de scoring qui se réentraîne chaque semaine. Ce qui compte, c'est la vérification des anomalies et la logique de décision. DSperse rend ces tranches vérifiables, sans avoir à prouver tout le reste. Livre blanc : Repo : Medium :