Badacze udostępnili open-source'owo WaveCommitments - kompletne rozwiązanie umożliwiające prywatny i weryfikowalny obrót danymi mowy na rynkach autonomicznych agentów. System rozwiązuje fundamentalny problem: sprzedawcy nie mogą ujawniać zasobów do oceny ze względu na ograniczenia prywatności, a kupujący nie mogą wyceniać tego, czego nie mogą przetestować.
Rozwiązanie łączy Data Shapley do wyceny zasobów w zaufanym środowisku wykonawczym (TEE) z wielowymiarowymi zobowiązaniami wielomianowymi. To pozwala na selektywne otwieranie danych i tamper-evident provenance - czyli możliwość udowodnienia, że dostarczony zasób odpowiada wycenie, jednocześnie ukrywając wszystko inne. Taka architektura umożliwia uczestniczącym agentom negocjowanie handlu osadzeniami, spektrogramami i surowymi danymi audio bez ujawniania pełnych zasobów.
Ekstensywne eksperymenty na trzech znanych zbiorach danych wykazały znaczące poprawy wydajności. Przy wykorzystaniu najnowszych enkoderów, w tym Whispera OpenAI, system przyspieszył benchmark'i o do 20 razy i zmniejszył rozmiar dowodów kryptograficznych o 39 procent. Badania systemowe ujawniły także, jak wartość głosu mówcy zmienia się w zależności od zadania i użytego encodera, umożliwiając ustalanie cen na poziomie agentów. To kierunek dla przyszłych ekosystemów handlu danymi, gdzie autonomiczne systemy będą mogły bezpiecznie wymieniać aktywa bez kompromisu między prywatnością a zaufaniem.