Volledige zkML-bewijzen bieden sterke garanties, maar ze gaan gepaard met hoge latentie en geheugenkosten. In veel gevallen is alleen verificatie van specifieke lagen of subcomputaties nodig — zoals we in ons whitepaper uiteenzetten. Dat is het idee achter DSperse, ons open-source, op slices gebaseerd zkML-framework. In plaats van een volledig model te circuitiseren, stelt DSperse je in staat om hoogwaarde subcomputaties te bewijzen — beleidspoorten, anomaliedetectoren, eigen hoofden — terwijl de rest op native snelheid draait. In benchmarks levert slicing: • 77% snellere getuigenisgeneratie • 66% snellere bewijzen • ~40% minder geheugengebruik Denk aan een fraudedetectiepipeline: je hoeft niet het volledige scoringsmodel te bewijzen dat elke week opnieuw wordt getraind. Wat telt is de anomaliecontrole en de beslissingslogica. DSperse maakt die slices verifieerbaar, zonder de last van het bewijzen van alles eromheen. Whitepaper: Repo: Medium: