Havenlon|AI 时代的执行安全语言体系(四二):Propose、Confirm 与 Commit
Working Draft · AI Era Execution Security LanguageThis article is part of the Havenlon Execution Security Language project. The terminology and definitions presented here describe the current working draft and may evolve as the discipline matures.AI 时代执行安全语言体系工作草案本系列旨在建立 AI 时代执行安全的共同语言。 本文中的术语与定义代表当前工作草案 将随着理论研究、工程实践和社区讨论持续修订12. Propose提议阶段一句话定义Propose 是将结构化 Intent 通过初始受控通道提交给协同和治理系统的阶段。严格定义Propose 阶段主要完成Intent 结构化来源身份验证IntentHash 生成初始参数检查创建唯一请求获取初始 Policy启动审批记录提议证据。Propose 不意味着本地设备已经同意执行。上位概念Execution FlowProposal下位概念HTTPS ProposeAgent ProposeGovernance ProposeApplication Propose相关概念ConfirmCommitIntent OriginProposal EvidenceTwo-Phase Commit权力边界Propose 通道不能直达执行器也不能携带能够绕过后续仲裁的万能授权。约束机制身份认证TLSIntentHash请求 ID有效期防重放初始状态记录。结果目标建立执行链的可追溯起点而不是立即创建执行事实。在 Havenlon 中初始请求可通过 HTTPS 进入 Bletchley 或 Hub 协同流程但仍需后续 Confirm 与设备提交。13. Confirm确认阶段一句话定义Confirm 是通过独立于初始 Propose 的受控路径对审批、Policy、Intent 和当前状态进行再次确认的阶段。严格定义Confirm 的价值在于避免同一通道既创建请求又单方面声明请求可以执行。Confirm 通常应验证请求 IDIntentHashApprovalGovernance StatePolicy Hash当前额度当前时间当前设备防重放状态最终候选参数。确认通道应具有不同的身份、状态或传输约束。上位概念Execution FlowConfirmation下位概念gRPC ConfirmmTLS ConfirmDevice ConfirmLocal Confirm相关概念ProposeCommitFinal RevalidationTwo-Phase CommitContext Binding权力边界Confirm 不能静默接受与 Propose 不同的关键参数。如果关键内容变化必须触发 Intent Rebinding 或重新提议。约束机制mTLS双向身份IntentHash 比较状态版本Policy Hash一次性挑战超时本地重新验证。结果目标证明初始提议在当前状态下仍然成立并为设备提交建立最新候选状态。在 Havenlon 中Confirm 通过 gRPC mTLS 等独立协同路径完成本地设备不会仅凭 HTTPS Proposal 直接执行。14. Commit提交阶段一句话定义Commit 是本地设备在最终验证通过后对具体执行候选作出密码学确认并形成可执行事实的阶段。严格定义Commit 阶段应完成Final RevalidationFinal Signing Payload 构建执行槽位与密钥槽位验证Last Step Hash 验证Chain Digest 验证防重放计数器更新Device-Signed Commit证据记录进入实际执行或授权执行。Commit 是从“允许候选”进入“确定执行”的关键边界。上位概念Execution FlowCommitment下位概念Device CommitSigned CommitExecution CommitGovernance Commit相关概念ProposeConfirmDevice-Signed CommitFinal Signing PayloadPre-Execution Control权力边界Commit 不能由 SaaS 数据库状态代替也不能由应用自行伪造。约束机制设备签名独立计数器Final Signing PayloadLast Step HashChain DigestEvidence Store原子状态转换。结果目标为最终执行建立本地、可验证、不可轻易伪造的提交事实。在 Havenlon 中Commit 由设备侧形成SaaS 只能接收和归档结果不能单方面创造 Commit。15. Two-Phase Commit双阶提交术语说明Havenlon 中的 Two-Phase Commit 不是传统数据库事务协议中的“两阶段提交”。更准确的含义是一个执行请求必须通过两个相互区分的信任阶段完成确认才能进入设备签名提交。一句话定义双阶提交是将初始提议与最终确认提交分离并通过不同通道、状态和信任条件阻止单一路径独立造成执行的机制。严格定义Havenlon 的双阶提交可以概括为第一阶Propose创建 Intent形成 IntentHash发起协同完成审批和策略准备生成执行候选。第二阶Confirm → Device-Signed Commit通过独立受控路径重新确认验证当前状态构建最终载荷由本地设备签名 Commit进入真实执行。虽然协议中可以出现 Propose、Confirm、Commit 三个名称但安全结构上存在两个核心权力阶段提议和协同阶段 ≠ 最终确认与设备提交阶段上位概念提交机制执行权分离下位概念双路径确认双状态提交SaaS 与本地双阶提交网络与设备双阶提交相关概念ProposeConfirmDevice-Signed CommitCommunication and Decision SeparationFinal Revalidation容易混淆的概念双阶提交不等于同一个接口调用两次同一个 SaaS 写两个数据库状态两个人重复点击确认数据库协调者询问多个参与者是否准备好保证业务动作绝对原子。其安全价值来自两个阶段不完全处于同一控制域。约束机制不同通信路径不同身份状态重新获取本地验证一次性挑战设备签名提交证据。结果目标让控制初始提议通道的攻击者不能仅凭同一通道直接制造最终提交。在 Havenlon 中HTTPS Propose 与 gRPC mTLS Confirm 分离最终由本地设备形成 Device-Signed Commit。16. Device-Signed Commit设备签名提交一句话定义设备签名提交是本地执行控制设备对最终执行候选及其链路状态进行签名形成可验证提交事实的机制。严格定义Device-Signed Commit 应至少绑定IntentHash最终载荷摘要Last Step HashChain DigestPolicy HashGovernance State执行槽位密钥槽位计数器提交时间设备身份提交结果。设备签名提交证明某个具体设备在某个具体状态对某个具体 Intent形成了某个具体 Commit。它不自动证明外部系统已经成功完成最终动作因此仍需 Receipt 与 Post-Execution Proof。上位概念Commitment设备证据本地事实下位概念执行提交签名治理提交签名拒绝提交签名中断提交签名相关概念Device-Signed FactFinal Signing PayloadEvidence StoreCounterPost-Execution Proof权力边界设备签名提交不能由 SaaS 或应用代签也不能脱离具体 Intent 和链路状态。约束机制设备私钥安全元件防回滚计数器域分离Final Signing Payload不可重放本地 Evidence Store。结果目标把最终提交事实从 SaaS 自我声明转化为设备可验证事实。在 Havenlon 中Device-Signed Commit 是 SaaS 无法单方面伪造的执行事实来源之一。

相关新闻

RAG系统性能优化实战:从检索到生成的全链路调优

RAG系统性能优化实战:从检索到生成的全链路调优

1. RAG系统性能优化实战:从卡顿到流畅的蜕变之路 最近在技术社区看到不少同行抱怨RAG(检索增强生成)系统运行缓慢的问题,这让我想起去年带队实施的一个企业知识库项目。当时我们构建的RAG系统在测试阶段平均响应时间超过15秒&…

2026/7/25 10:51:02阅读更多 →
Codex接入DeepSeek:低成本AI编程助手部署指南

Codex接入DeepSeek:低成本AI编程助手部署指南

如果你在找 OpenAI Codex 的替代方案,觉得官方模型成本太高,或者想用更经济、更本地化的方式体验 AI 编程助手,那么把 Codex 接入 DeepSeek 是一个值得优先考虑的路径。这本质上不是“破解”或“替换”,而是通过一个转发层(比如 Moon Bridge),让 Codex 这个客户端把请求…

2026/7/25 10:51:02阅读更多 →
华为CANN仿真预测模块:AI推理数字孪生实践

华为CANN仿真预测模块:AI推理数字孪生实践

1. 项目背景与核心价值在AI工程化落地的过程中,推理环节的可靠性和效率直接影响着最终业务效果。传统做法往往需要将模型部署到真实硬件环境后才能进行完整测试,这种"试错式"验证不仅成本高昂,还会拖慢迭代周期。华为CANN&#xff…

2026/7/25 10:51:02阅读更多 →
【AI HR培训体系落地指南】:20年HR Tech专家亲授,从0到1搭建可量化ROI的智能培训系统

【AI HR培训体系落地指南】:20年HR Tech专家亲授,从0到1搭建可量化ROI的智能培训系统

更多请点击: https://codechina.net 第一章:AI HR培训体系的核心价值与战略定位 在数字化转型加速的今天,AI HR培训体系已不再仅是人力资源部门的辅助工具,而是企业人才战略的中枢神经。它通过数据驱动的个性化学习路径、实时能力…

2026/7/25 17:48:20阅读更多 →
终极免费按键映射指南:如何用QKeyMapper实现Windows游戏手柄键盘鼠标全能映射

终极免费按键映射指南:如何用QKeyMapper实现Windows游戏手柄键盘鼠标全能映射

终极免费按键映射指南:如何用QKeyMapper实现Windows游戏手柄键盘鼠标全能映射 【免费下载链接】QKeyMapper [按键映射工具] QKeyMapper,Qt开发Win10&Win11可用,不修改注册表、不需重新启动系统,可立即生效和停止。支持游戏手柄…

2026/7/25 17:48:20阅读更多 →
AI少女游戏HF补丁终极指南:如何5分钟解决日文界面和模组缺失问题

AI少女游戏HF补丁终极指南:如何5分钟解决日文界面和模组缺失问题

AI少女游戏HF补丁终极指南:如何5分钟解决日文界面和模组缺失问题 【免费下载链接】AI-HF_Patch Automatically translate, uncensor and update AI-Shoujo! 项目地址: https://gitcode.com/gh_mirrors/ai/AI-HF_Patch AI-HF_Patch是一个专为AI少女游戏设计的…

2026/7/25 17:48:20阅读更多 →
深度学习反向传播与计算图原理详解:从链式法则到PyTorch实现

深度学习反向传播与计算图原理详解:从链式法则到PyTorch实现

计算图与反向传播是深度学习的核心引擎,它决定了模型如何从数据中学习。很多人调用 model.backward() 时,可能并不清楚梯度是如何从输出层一步步“流”回输入层的。这篇文章将彻底拆解这个过程,让你不仅理解原理,还能在代码层面亲手验证每一步的梯度计算。 我们将从一个…

2026/7/25 17:48:20阅读更多 →
口红效应(多巴胺):从「高价大件刚需享受」被迫转移到「低成本精神止痛」

口红效应(多巴胺):从「高价大件刚需享受」被迫转移到「低成本精神止痛」

口红效应 定义+ 举例 目录 口红效应 定义+ 举例 核心含义 核心行为:砍房车、装修、奢侈品、长途旅行;用几十~几百元的小东西安抚焦虑。 经典实例 二、口红效应分两层“下一阶段”(横向形态升级 + 纵向经济周期进阶) 阶段1:口红效应的形态进化(当下正在发生:口红效应2.0…

2026/7/25 17:48:20阅读更多 →
Taotoken 模型广场功能助力开发者快速选型与对比

Taotoken 模型广场功能助力开发者快速选型与对比

Taotoken 模型广场功能助力开发者快速选型与对比 对于需要接入大模型能力的开发者而言,面对市场上众多模型厂商、各异的定价策略和性能特点,选型往往是一个耗时且令人困惑的过程。过去,我们可能需要分别访问多个厂商的官方网站,查…

2026/7/25 17:46:20阅读更多 →
Go语言静态资源打包方案对比与实践指南

Go语言静态资源打包方案对比与实践指南

1. 项目背景与核心需求在Go语言开发中,我们经常需要处理静态资源文件的打包问题。无论是Web应用的模板文件、前端资源,还是配置文件、证书等,都需要随程序一起分发。传统做法是将这些文件与编译后的二进制文件放在同一目录下,但这…

2026/7/25 1:01:14阅读更多 →
Go语言实现高性能LDAP认证服务的架构与实践

Go语言实现高性能LDAP认证服务的架构与实践

1. 项目背景与核心价值LDAP(轻量级目录访问协议)作为企业级身份认证的黄金标准,已经服务了超过80%的财富500强公司。我在金融科技领域实施统一认证体系时,发现传统Java方案存在启动慢、内存占用高等痛点。而Go语言凭借其协程并发模…

2026/7/25 1:01:14阅读更多 →
【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

更多请点击: https://intelliparadigm.com 第一章:AI面试官实战指南的核心价值与适用场景 AI面试官并非替代人类HR的“黑箱工具”,而是以可解释、可审计、可迭代的方式,赋能招聘全链路的关键基础设施。其核心价值在于将主观经验沉…

2026/7/25 1:01:14阅读更多 →
突破文档下载限制:kill-doc让你看到的都能保存

突破文档下载限制:kill-doc让你看到的都能保存

突破文档下载限制:kill-doc让你看到的都能保存 【免费下载链接】kill-doc 看到经常有小伙伴们需要下载一些免费文档,但是相关网站浏览体验不好各种广告,各种登录验证,需要很多步骤才能下载文档,该脚本就是为了解决您的…

2026/7/25 0:01:16阅读更多 →
C++ string类模拟实现:从深拷贝到内存管理的完整指南

C++ string类模拟实现:从深拷贝到内存管理的完整指南

1. 项目概述:为什么我们要“手撕”string类?在C的学习道路上,尤其是从C语言过渡到C的“初阶”阶段,string类绝对是一个绕不开的核心。标准库里的std::string用起来太方便了,、find、substr,几个操作符和函数…

2026/7/25 0:01:16阅读更多 →
三角洲寻宝鼠工具:高效文件搜索与资源管理实战指南

三角洲寻宝鼠工具:高效文件搜索与资源管理实战指南

1. 先搞清楚“三角洲寻宝鼠”到底是什么工具从名称来看,“三角洲寻宝鼠”更像是一个资源查找或文件检索类工具,而不是游戏或娱乐软件。这类工具的核心价值在于帮助用户快速定位特定资源,比如文档、图片、压缩包或特定格式的文件。如果你经常需…

2026/7/25 0:01:16阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/24 23:01:03阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/24 19:00:40阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/24 19:00:40阅读更多 →