🔶 Primus Labs 시즌 2 | 1편 인터넷에서 가져온 데이터가 진짜라는 걸 어떻게 증명할 수 있을까요? 우리는 매일 수많은 데이터를 사용하지만, 그 데이터가 실제로 어디서 왔고 중간에 조작되지는 않았는지 확인하기는 쉽지 않습니다. 특히 블록체인에서는 이 문제가 더욱 중요해집니다. 지난 시즌에는 @primus_labs의 zkTLS, FHE, RWA 등 다양한 기술과 활용 가능성을 살펴봤습니다. 이번 시즌 2에서는 Primus의 핵심 암호학 기술이 실제로 어떤 원리로 작동하는지 조금 더 깊게 알아보려고 합니다. 🔹 첫 번째, 데이터의 출처를 증명하는 zkTLS 우리가 은행이나 거래소에 접속할 때 사용하는 HTTPS는 TLS라는 보안 프로토콜을 활용합니다. TLS는 통신을 암호화하고 서버와 안전하게 연결할 수 있도록 도와줍니다. 그런데 여기서 한 가지 문제가 있습니다. HTTPS로 받은 데이터를 다른 사람에게 보여준다고 해서, 그 데이터가 실제 해당 서버에서 제공된 것이라는 사실까지 자동으로 증명되지는 않습니다. Primus의 zkTLS는 바로 이 문제를 해결하려는 기술입니다. 암호학적 프로토콜을 활용해 웹사이트에서 가져온 데이터의 출처와 무결성을 제3자에게 증명할 수 있도록 합니다. 🔹 두 번째, 계산 결과를 증명하는 zkVM 데이터가 진짜라는 사실을 확인했다면 다음에는 무엇이 필요할까요? 바로 그 데이터를 이용한 계산이 올바르게 수행됐는지 검증하는 것입니다. zkVM은 특정 프로그램이 주어진 입력을 바탕으로 올바르게 실행됐다는 사실을 암호학적 증명으로 확인할 수 있게 하는 기술입니다. 예를 들어 여러 거래소에서 가져온 데이터를 이용해 평균 가격을 계산했다고 가정해 보겠습니다. 이때 검증자는 계산 과정을 전부 다시 실행하지 않고도 생성된 증명을 통해 결과를 확인할 수 있습니다. 🔹 세 번째, 데이터를 보호하며 계산하는 FHE 앞선 두 기술이 데이터의 출처와 계산 결과를 검증하는 데 집중한다면, FHE는 조금 다른 문제를 해결합니다. 바로 데이터를 암호화된 상태로 유지하면서 계산하는 것입니다. 일반적으로 암호화된 데이터는 내용을 확인하려면 복호화해야 합니다. 하지만 FHE는 복호화하지 않고도 암호문에 연산을 수행할 수 있습니다. 따라서 민감한 금융정보를 보호하면서 데이터를 활용해야 하는 환경에서 중요한 기술이 될 수 있겠죠. 🔹 그렇다면 이 기술들을 연결하면? 제가 흥미롭게 보는 부분은 각각의 기술이 서로 다른 문제를 해결한다는 점입니다. ✅ zkTLS: 데이터가 어디서 왔는가? ✅ zkVM: 계산은 올바르게 수행됐는가? ✅ FHE: 데이터를 공개하지 않고 계산할 수 있는가? 이 세 가지는 모두 신뢰할 수 있는 데이터 활용 환경을 만드는 데 중요한 역할을 할 수 있습니다. 물론 모든 기술이 하나의 시스템에 반드시 사용되는 것은 아니며, 함께 활용하려면 별도의 설계와 기술적 통합이 필요합니다. 🔹 개인적으로 주목하는 이유 저는 블록체인이 현실 세계와 연결되기 위해서는 단순히 데이터를 가져오는 것만으로는 부족하다고 생각합니다. 그 데이터의 출처와 처리 과정까지 검증할 수 있어야 진정한 신뢰가 만들어지는 것 아닐까요? 특히 앞으로 AI 에이전트와 온체인 금융이 발전할수록 이런 기술의 중요성도 커질 것 같습니다. Primus Labs가 이러한 암호학 기술을 실제 서비스에서 얼마나 효율적으로 구현할 수 있을지 계속 살펴보려고 합니다. 💬 여러분은 어떤 기술이 가장 흥미로우신가요? ① zkTLS — 데이터 출처 증명 ② zkVM — 계산 결과 검증 ③ FHE — 암호화 상태의 연산 저는 개인적으로 zkTLS가 흥미롭습니다. 기존 인터넷의 데이터를 검증 가능한 형태로 활용할 수 있다는 점 때문입니다. @primus_labs #PrimusLabs #zkTLS #zkVM #FHE #ZeroKnowledge

🌊 Pacifica는 단순한 Perp DEX를 넘어 어디로 가고 있을까? 이번 주 @pacifica_fi 타운홀에서도 여러 가지 업데이트가 공개됐습니다. 최근 Pacifica를 지켜보면서 느끼는 점은 프로젝트가 단순히 거래량을 늘리는 것을 넘어 새로운 거래 상품과 AI 기반 트레이딩 인프라까지 영역을 넓히고 있다는 것입니다. 특히 이번 타운홀에서는 Neptune, RFQ, Print 세 가지가 가장 흥미로웠습니다. 🔹 1. Neptune — AI 트레이딩의 다음 단계? 개인적으로 이번 타운홀에서 가장 관심이 갔던 부분은 Neptune입니다. 요즘 AI를 활용한 트레이딩 서비스는 많지만, 실제로 자동매매 시스템을 구축하려면 생각보다 준비해야 할 것이 많습니다. 전략 개발부터 백테스트, 서버 구축, 보안 설정, 실제 거래 실행까지 직접 관리해야 하기 때문입니다. Neptune은 이러한 과정을 하나의 환경에서 처리할 수 있도록 개발되고 있다고 합니다. 향후 구독 서비스에는 별도의 서버 환경까지 제공하는 방안도 언급됐습니다. 여기서 흥미로운 점은 Neptune이 단순한 AI 트레이딩 도구가 아니라는 것입니다. Greg는 Neptune을 암호화폐 거래에만 한정되지 않는 AI Sandbox로 설명했습니다. 또한 Neptune의 성공 기준으로 PMF(Product-Market Fit)를 강조했습니다. 결국 중요한 것은 AI라는 기술 자체보다 실제로 사람들이 복잡한 전략을 만들고, 검증하고, 거래에 활용하는가라고 생각합니다. Neptune이 이런 과정을 얼마나 간편하게 만들어줄 수 있을지 기대됩니다. 🔹 2. RFQ — RWA 거래에서 중요한 것은 유동성 이번 주 Pacifica는 RFQ(Request for Quote) 기능도 출시했습니다. RFQ는 기존 오더북에서 주문을 여러 가격에 나눠 체결하는 대신, 마켓메이커에게 견적을 요청하는 방식입니다. 특히 유동성이 부족한 자산이나 대규모 주문에서 발생할 수 있는 슬리피지를 줄이는 데 도움이 될 수 있습니다. 현재 Pacifica의 RWA 마켓에서 지원되고 있으며, 향후 밈코인이나 롱테일 자산으로 확대할 가능성도 언급됐습니다. 검토 중인 미상장 RWA 후보가 40개 이상이라는 점도 눈에 띄었습니다. 개인적으로 RWA 시장이 커지려면 단순히 거래할 수 있는 자산을 많이 추가하는 것만으로는 부족하다고 생각합니다. 실제로 거래하려는 순간 충분한 유동성과 합리적인 가격이 제공돼야 하기 때문입니다. 특히 변동성이 커지는 상황에서 마켓메이커가 얼마나 안정적인 견적을 제공할 수 있을지가 중요해 보입니다. RFQ가 이런 문제를 얼마나 해결할 수 있을지 지켜볼 만합니다. 🔹 3. Print — 거래 상품을 넘어 Builder 생태계로 Print 관련 업데이트도 있었습니다. 첫 번째 Print 거래 대회가 시작됐으며, 2주 동안 총 100만 Pacifica 포인트가 보상으로 지급된다고 합니다. 특이한 점은 단순 거래량이 아니라 획득한 Premium을 기준으로 순위가 결정된다는 것입니다. 또한 Print Builder Program의 수익 구조도 공개됐습니다. 외부 Builder가 Print 주문을 유도하면 해당 주문에서 발생하는 Premium의 10%를 추가 보상으로 받을 수 있는 구조입니다. 이 보상은 사용자의 수익에서 차감되지 않는다고 합니다. Print 주문이 실제 Perp 포지션으로 전환될 경우 Builder Code가 적용될 수도 있습니다. 여기서 제가 주목한 것은 Print 자체보다 외부 개발자들이 참여할 수 있는 구조입니다. Pacifica가 모든 기능을 직접 제공하는 것에서 나아가, 외부 서비스들이 Pacifica의 거래 인프라를 활용하도록 유도하고 있다는 점입니다. 이러한 구조가 잘 작동한다면 Pacifica 공식 플랫폼 외부에서도 새로운 거래 수요가 만들어질 수 있겠죠. 물론 Builder 보상이 실제 사용자 유입과 지속적인 거래 활동으로 이어지는지는 확인이 필요합니다. 🔹 4. 그 밖에 눈여겨볼 업데이트 이번 타운홀에서는 다음과 같은 소식도 전해졌습니다. 누적 거래량 3,000억 달러 돌파 출금 보안 강화를 위한 2FA 도입 모바일 및 PWA 알림 기능 확대 BTC·ETH 및 일부 알트코인 유동성 개선 추진 Neptune 테스트 대상 점진적 확대 Print 동영상 PnL 카드 및 오디오 기능 출시 앞으로 몇 주 동안 추가 업데이트가 이어질 것이라는 언급도 있었습니다. 다만 많은 사람들이 궁금해하는 TGE 일정이나 토큰 분배에 관한 구체적인 발표는 없었던 것으로 보입니다. 🔹 5. 이번 타운홀을 보고 느낀 점 이번 타운홀을 정리하면서 Pacifica가 그리는 방향이 조금씩 구체화되고 있다는 생각이 들었습니다. Neptune은 AI 기반 전략 개발과 실행 환경을 구축하고, RFQ는 유동성이 부족한 자산의 거래 환경을 개선하며, Print는 새로운 거래 상품과 외부 Builder 생태계를 확장하는 역할을 하고 있습니다. 세 가지 기능은 서로 다르지만, 결국 Pacifica 안에서 더 다양한 거래 활동이 이루어지도록 만든다는 공통점이 있습니다. 개인적으로는 Neptune이 가장 기대됩니다. AI 에이전트가 단순히 시장을 분석하거나 매매 신호를 제공하는 수준을 넘어, 실제 전략을 개발하고 실행하는 환경까지 갖춘다면 꽤 흥미로운 서비스가 될 것 같습니다. 물론 새로운 기능이 많다고 반드시 성공하는 것은 아닙니다. 실제 사용자들이 얼마나 활용하는지, 충분한 유동성이 유지되는지, 장기적으로 수익성 있는 서비스가 될 수 있는지가 더 중요하겠죠. 앞으로는 단순 거래량보다 Neptune의 실제 활용 사례, RFQ의 체결 품질, Print Builder 생태계의 성장 여부를 중점적으로 살펴보려고 합니다. Pacifica가 단순한 Perp DEX를 넘어 종합 트레이딩 플랫폼으로 발전할 수 있을까요? 이번 타운홀을 통해 그 가능성을 조금 더 엿볼 수 있었던 것 같습니다. 🌊 @pacifica_fi

🔶 Primus Labs 10편 (마지막 편) | AI가 가짜 정보를 믿고 거래한다면? AI가 아무리 똑똑해도 잘못된 데이터를 받으면 무슨 소용일까요? 심지어 그 AI가 내 돈으로 거래하고 있다면? 지난 9편에서는 @primus_labs와 AI 에이전트의 신뢰 문제를 살펴봤습니다. 이번 마지막 10편에서는 한 단계 더 나아가 **AI가 사용하는 데이터 자체를 어떻게 믿을 수 있을까?**라는 주제로 이야기해 보겠습니다. 🔹 AI의 판단보다 중요한 것이 있다? 요즘 AI 에이전트는 여러 데이터를 수집하고 분석해 직접 행동하는 방향으로 발전하고 있습니다. 예를 들어 AI가 거래소 3곳의 가격을 비교한 뒤 가장 저렴한 곳에서 매수한다고 가정해 보겠습니다. 그런데 한 거래소에서 가져온 가격이 조작된 데이터라면 어떨까요? AI는 정상적으로 계산했더라도 잘못된 결정을 내릴 수 있습니다. 결국 AI의 성능이 뛰어난 것과 AI가 사용하는 데이터가 신뢰할 만한 것은 별개의 문제라는 것이죠. 🔹 여기서 Primus Labs의 zkTLS가 등장합니다. Primus의 zkTLS는 웹사이트나 외부 서비스에서 가져온 데이터의 출처와 무결성을 암호학적으로 검증할 수 있는 기술입니다. 쉽게 말해 AI가 어떤 정보를 사용했는지, 그 정보가 실제 해당 서비스에서 제공된 것인지 증명하는 데 활용할 수 있습니다. ✅ 데이터 출처 확인: 실제 서비스에서 제공된 데이터인지 검증 ✅ 데이터 무결성: 전달 과정에서 내용이 변조되지 않았는지 확인 ✅ 검증 가능한 연산: zkVM 같은 기술과 결합해 특정 계산 결과의 정확성을 증명 이런 구조를 활용하면 AI 에이전트가 사용한 데이터와 계산 과정에 대한 신뢰를 높일 수 있겠죠. 다만 출처가 검증된 데이터라고 해서 반드시 정확하거나 최신 정보라는 뜻은 아닙니다. AI의 잘못된 판단까지 자동으로 막아주는 것도 아니고요. 🔹 10편의 Primus Labs 시리즈를 마무리하며 지금까지 zkTLS, FHE, RWA, 프라이버시 금융, AI 에이전트까지 다양한 주제를 살펴봤습니다. 처음에는 단순히 데이터를 보호하는 프로젝트라고 생각했는데, 알아볼수록 더 중요한 것은 데이터를 공개하지 않으면서도 신뢰할 수 있도록 만드는 기술이라는 생각이 들었습니다. 특히 AI 에이전트가 실제 금융 활동까지 수행하는 시대가 온다면, 어떤 데이터를 사용했고 어떤 과정을 거쳤는지 검증하는 기술이 더욱 중요해질 것 같습니다. 물론 Primus Labs가 이런 분야에서 얼마나 폭넓게 채택될지는 앞으로 지켜봐야겠죠. 개인적으로는 단순한 기술적 가능성을 넘어 실제 사용자와 기관들이 활용하는 인프라로 성장할 수 있을지가 가장 궁금합니다. 이렇게 Primus Labs 리서치 시리즈 10편을 마무리합니다. 💬 마지막으로 여러분께 질문 하나! AI 에이전트에게 실제 자금을 맡긴다면 무엇을 가장 중요하게 생각하시나요? ① AI의 수익률과 성능 ② 데이터의 신뢰성과 실행 과정의 검증 저는 아무래도 두 번째가 더 중요하다고 생각합니다. 지금까지 Primus Labs 시리즈를 읽어주셔서 감사합니다! @primus_labs #PrimusLabs #zkTLS #VerifiableAI #AIAgents #DeFi

🔶 Primus Labs 9편 | AI 에이전트가 내 돈을 관리한다면, 믿을 수 있을까? AI 에이전트에게 10만 달러를 맡겼다고 가정해 봅시다. AI가 거래를 완료했다고 보고하는데, 과연 그 판단과 실행 과정을 그대로 믿어도 될까요? 요즘 AI 에이전트는 단순히 질문에 답하는 수준을 넘어 데이터를 분석하고, 외부 서비스를 이용하고, 거래까지 실행하는 방향으로 발전하고 있습니다. 그런데 여기서 한 가지 문제가 생깁니다. AI가 어떤 정보를 바탕으로 행동했는지 어떻게 검증할 수 있을까요? 🔹 AI의 답변과 실제 행동은 다릅니다. 예를 들어 AI 에이전트가 여러 거래소의 가격을 비교해 가장 유리한 조건으로 거래했다고 가정해 보겠습니다. 하지만 실제로 최신 가격을 확인했을까요? 외부 API에서 가져온 데이터가 진짜였을까요? 중간에 잘못된 정보가 들어가지는 않았을까요? AI가 거래를 성공적으로 마쳤다고 말하는 것만으로는 이런 부분을 확인하기 어렵습니다. 🔹 여기서 Primus Labs의 기술이 흥미로워집니다. @primus_labs는 zkTLS와 검증 가능한 연산 기술을 활용해 외부 데이터와 처리 과정의 신뢰성을 높이는 인프라를 개발하고 있습니다. ✅ zkTLS: AI가 활용한 외부 데이터의 출처와 무결성 검증 ✅ zkVM: 검증된 데이터를 바탕으로 수행한 계산 결과 증명 ✅ 프라이버시 기술: 민감한 데이터를 불필요하게 공개하지 않고 활용 예를 들어 AI 에이전트가 특정 거래소의 가격을 확인했다는 사실을 증명하거나, 검증된 데이터를 이용해 정해진 조건을 충족했는지 확인하는 데 활용할 수 있습니다. 물론 데이터가 검증됐다는 사실만으로 AI의 모든 판단이 올바르다고 보장되는 것은 아닙니다. 🔹 개인적으로 주목하는 이유 저는 앞으로 AI 에이전트 시장이 커질수록 단순한 성능보다 행동을 얼마나 신뢰할 수 있는지가 중요해질 것이라고 생각합니다. 특히 실제 자금이 이동하는 금융 분야에서는 더욱 그렇겠죠. AI가 똑똑하다는 것과 AI에게 돈을 맡길 수 있다는 것은 완전히 다른 문제니까요. 결국 미래에는 AI가 무엇을 할 수 있는지뿐 아니라, 왜 그런 행동을 했고 어떤 데이터를 사용했는지 증명할 수 있는 기술도 중요해질 것 같습니다. Primus Labs가 이런 검증 인프라로 얼마나 확장할 수 있을지 흥미롭게 지켜보고 있습니다. 💬 여러분은 AI 에이전트에게 실제 자금을 맡길 수 있으신가요? ① 수익률과 성능이 충분하다면 가능 ② 판단 근거와 실행 과정을 검증할 수 있어야 가능 저는 아무래도 두 번째에 가깝네요. @primus_labs #PrimusLabs #AIAgents #zkTLS #VerifiableAI #DeFi

🔶 Primus Labs 8편 | 신용점수 없이도 DeFi 대출이 가능할까? 이제 얼마 안남은 Primus 은행에 충분한 자산이 있는데도 DeFi에서 대출을 받으려면 담보를 많이 넣어야 한다면? 조금 이상하게 느껴지지 않나요? 현재 많은 DeFi 대출 서비스는 담보 중심으로 운영되고 있습니다. 예를 들어 1,000달러를 빌리기 위해 그보다 더 많은 가치의 암호화폐를 맡겨야 하는 경우가 많죠. 그런데 현실 금융에서는 조금 다릅니다. 은행은 소득, 신용도, 상환 이력 등 다양한 정보를 바탕으로 대출 여부를 판단합니다. 그렇다면 이런 정보를 블록체인에서도 활용할 수 있다면 어떨까요? 오늘은 @primus_labs의 기술이 온체인 신용평가에 어떻게 활용될 수 있을지 살펴보겠습니다. 🔹 기존 DeFi 대출의 한계 블록체인에서는 지갑에 보유한 자산과 온체인 거래 기록을 확인할 수 있습니다. 하지만 지갑만 보고 사용자의 실제 소득이나 은행 거래 이력까지 파악하기는 어렵습니다. 현실에서는 충분한 상환 능력이 있는 사람도 온체인에서는 이를 증명할 방법이 제한적일 수 있다는 것이죠. 🔹 여기서 Primus의 zkTLS가 등장합니다. zkTLS는 외부 서비스에서 가져온 데이터의 출처와 무결성을 암호학적으로 검증하는 기술입니다. 예를 들어 사용자가 외부 금융기관에서 일정한 소득을 얻고 있다고 가정해 보겠습니다. 이때 모든 계좌 내역을 공개하는 대신, 필요한 소득 조건을 충족한다는 사실만 증명할 수 있다면 어떨까요? ✅ 금융 데이터의 출처 검증 ✅ 필요한 소득·자산 조건 증명 ✅ 민감한 개인정보 공개 최소화 이런 방식은 미래의 온체인 신용평가 시스템에 활용될 가능성이 있습니다. 물론 소득이나 자산을 증명했다고 해서 신용위험이 사라지는 것은 아닙니다. 실제 대출에는 상환 가능성 평가, 부도 위험 관리, 법적 집행 등의 문제도 함께 해결해야 합니다. 🔹 개인적으로 흥미로운 부분 저는 DeFi가 기존 금융보다 더 발전하려면 단순히 담보를 맡기고 빌리는 구조에서 벗어날 필요도 있다고 생각합니다. 현실 세계에는 이미 다양한 금융 데이터가 존재합니다. 하지만 블록체인에서는 이런 정보를 안전하게 활용하기가 쉽지 않죠. Primus가 주목하는 오프체인 데이터 검증 기술은 바로 이 간극을 줄이는 데 활용될 수 있다고 봅니다. 아직 Primus가 완성된 신용평가·무담보 대출 시스템을 제공한다는 의미는 아닙니다. 다만 앞으로 DeFi가 현실 금융과 더 긴밀하게 연결된다면 이런 기술의 활용 가능성도 커질 것 같습니다. 💬 여러분은 어떻게 생각하시나요? ① 지금처럼 암호화폐를 충분히 담보로 맡기는 DeFi 대출 ② 소득·신용 정보를 검증해 담보 부담을 줄일 수 있는 DeFi 대출 저는 신용정보를 안전하게 검증할 수 있다면 두 번째 방식도 발전할 여지가 충분하다고 생각합니다. @primus_labs #PrimusLabs #zkTLS #DeFi #OnchainCredit #Privacy

Dataline DECIDE | Our Squad's AI Treasury Decision Framework Should an AI agent execute a trade just because it detects an opportunity? Our squad believes automated execution requires more than a promising signal. For a hypothetical $100,000 treasury, we designed a six-stage decision framework: Signal: Identify the proposed action, asset, chain, trade size, and objective. Sources: Cross-check market data against at least three genuinely independent sources. Freshness: Verify timestamps, liquidity, and whether the data remains actionable. Confidence: Calculate a confidence score based on source agreement, data quality, and market conditions. Risk Threshold: Check position limits, slippage, liquidity, and potential losses. Execute / Reject: Execute only when every mandatory condition passes. Otherwise, reject and record the reason. Our proposed automated execution threshold is 90/100, with independent hard-stop risk controls. A high confidence score never overrides a failed safety check. This is an educational framework, not a live trading strategy or evidence of executed transactions. #Dataline #DECIDE #AIAgents