Zespół naukowców prezentuje AuditWeave, lekką bibliotekę Pythona której zadaniem jest tworzenie niemożliwych do manipulacji zapisów wszystkich kroków wykonywanych przez systemy wspierane sztuczną inteligencją. W regulowanych dziedzinach takich jak audyt, finanse czy ochrona zdrowia firmy muszą być w stanie udowodnić, że konkretny wniosek AI został poparty odpowiednimi danymi i że zapis tego procesu rozumowania nie został zmieniony po fakcie.
AuditWeave rozwiązuje ten problem, budując append-only ledger z hash-chaining - czyli strukturę danych, która zawsze dopisuje nowe wpisy do końca i matematycznie łączy każdy wpis z poprzednim poprzez haszowanie. Biblioteka obsługuje zarówno współczesne pipelines retrieval-augmented generation (RAG) jak i tradycyjne transformacje tabelaryczne. To oznacza, że wnioski bazujące na danych z różnych źródeł mogą być śledzone end-to-end w jednym, spójnym rekordzie. System operuje małym, uniwersalnym słowniczkiem zdarzeń, niezależnym od konkretnej implementacji.
Według badań, gwarancje integralności dodają zaledwie kilkadziesiąt mikrosekund na zdarzenie, a weryfikacja łańcucha haszowego bezawaryjna wykrywa każdą próbę manipulacji - zmianę kolejności, wstawienie, usunięcie lub modyfikację zdarzeń. To czyni AuditWeave praktycznym narzędziem dla organizacji, które muszą spełniać regulacyjne wymogi dokumentacji decyzji AI-wspieranej.