ouroboros-source

该数据集是一个实现Lutar不变量的有界循环运行时系统，作为Ouroboros论文治理框架的参考实现。其核心功能是在每个智能体决策循环结束时，生成COSE_Sign1封装的双见证回执，以弥合治理策略与执行轨迹之间的可验证性差距。运行时强制执行Lutar不变量，确保每个循环以[0,1]区间内的Λ分数终止。回执数据结构包含循环退出时的Λ分数、Bekenstein边界证明、双见证签名以及决策代码的香农熵度量，这些回执根据IETF SCITT架构草案锚定到透明账本。项目还包括一个运行时奇偶性证据日志（LUTAR_EVIDENCE.md），记录了218个参考向量用于验证。该实现主要服务于可验证治理、审计追踪和决策闭环验证等场景，其数学基础在配套的Ouroboros论文和Lutar-Lean形式化证明仓库中阐述。

This resource is a bounded loop runtime system that implements Lutar invariants, serving as a reference implementation for the Ouroboros paper governance framework. Its core function is to generate a COSE_Sign1-encapsulated dual-witness receipt at the end of each agent decision loop to bridge the verifiability gap between governance policies and execution traces. The runtime enforces Lutar invariants, ensuring each loop terminates with a Λ score within the [0, 1] interval. The receipt data structure includes fields such as the Λ score at loop exit, Bekenstein boundary proof, dual-witness signature, and Shannon entropy metric of decision code. These receipts are anchored to a transparent ledger according to the IETF SCITT architecture draft. Additionally, the project includes a runtime parity evidence log (LUTAR_EVIDENCE.md) that records 218 reference vectors for verification. This implementation primarily serves scenarios like verifiable governance, audit trails, and decision loop closure verification, with its mathematical foundations detailed in the accompanying Ouroboros paper and Lutar-Lean formal proof repository.

原始信息汇总

数据集概述：Ouroboros Runtime — Source Mirror

该数据集是 ouroboros 项目运行时的源代码镜像，源自 github.com/szl-holdings/ouroboros。ouroboros 运行时实现了一个以“默认拒绝”为原则的执行框架（Λ-不变量），具备哈希链决策收据、策略门、矛盾检测以及 SLSA 认证组件发布等特性。

主要特性

• 运行时测试：248 项通过，全部绿色。
• 模块状态：32 个模块全部通过。
• 核心公式：Λ-不变量（默认拒绝策略）。
• 收据吞吐量：基准测试达 7,054 收据/秒。
• 可观测性：支持 Splunk、Datadog、Dynatrace、New Relic、BetterStack、Honeycomb。
• CI 集成：包含 SLSA、SBOM、DCO、scorecard、CodeQL。

验证方式

通过克隆仓库并运行 OUROBOROS_RUN_ALL.py 脚本进行验证，预期输出退出码 0，32/32 模块显示绿色。

许可证

Apache-2.0

关联资源

• 展示空间：SZLHOLDINGS/szl-showcase
• 菜谱运行器：SZLHOLDINGS/szl-cookbook-runner
• 论文数据集：SZLHOLDINGS/thesis-v18-formal-verification
• 源代码仓库：github.com/szl-holdings/ouroboros

引用格式（BibTeX）

bibtex @misc{lutar2026ouroboros, title = {Ouroboros: Formal Verification of Agentic AI Governance — v18.0}, author = {Lutar, Stephen P.}, year = {2026}, doi = {10.5281/zenodo.20434276}, url = {https://doi.org/10.5281/zenodo.20434276} }

联系方式

• 作者：Stephen P. Lutar
• 邮箱：[e-mail]
• ORCID：0009-0001-0110-4173
• GitHub：github.com/szl-holdings
• Hugging Face：huggingface.co/SZLHOLDINGS

搜集汇总

数据集介绍

构建方式

在形式化验证与人工智能治理交叉领域，Ouroboros-Source数据集作为Ouroboros运行时系统的源代码镜像而构建。该数据集源自GitHub仓库szl-holdings/ouroboros，完整收录了实现Λ不变量的执行框架代码，其核心架构采用基于哈希链的决策收据、策略门控机制、矛盾检测模块以及符合SLSA标准的组件发布流程。数据集的构建严格遵循Leap-based确定性可复现原则，通过Python脚本OUROBOROS_RUN_ALL.py完成集成验证，确保32个模块全部呈现GREEN状态，并附带248项运行时测试结果作为质量佐证。

特点

该数据集的核心特色在于其作为规范参考实现的权威性与可审计性。数据集内嵌了Λ不变量（deny-by-default）的形式化公式，这是面向智能体AI治理的严谨数学保证。此外，数据集标明了基准性能指标——收据处理吞吐量达到每秒7,054条，并集成了Splunk、Datadog等多平台可观测性集成方案。其版本管理依托Apache 2.0许可并拥有独立DOI标识，通过SLSA、SBOM、DCO、代码评分及CodeQL等多维度CI管道确保供应链安全，为形式化定理证明与AI治理研究提供了透明、可复现的数据基石。

使用方法

研究人员可通过git clone命令直接获取数据集完整源码，并在本地环境中执行OUROBOROS_RUN_ALL.py脚本触发自动化验证流程，预期输出为退出码0及32/32模块通过状态。该数据集适用于对形式化验证感兴趣的学者验证Λ不变量实现，也可供AI治理从业者分析deny-by-default执行织物的实际部署模式。建议配合相关的SZL展示空间与烹饪书运行器使用，以获取可视化交互体验；学术引用时需标注其DOI与BibTeX记录，以确保研究脉络的可追溯性。

背景与挑战

背景概述

Ouroboros Runtime Source Mirror数据集由Stephen P. Lutar及其所在机构SZLHOLDINGS于2026年创建，专注于形式化验证与AI治理的交叉领域。该数据集的核心研究问题在于为自主智能体（Agentic AI）的执行环境提供一种基于Λ不变量的拒绝默认（deny-by-default）执行架构，通过哈希链决策收据、策略门控、矛盾检测以及SLSA认证的组件发布机制，确保AI系统的行为可验证、可审计。该数据集对形式化验证、AI安全治理及可溯源软件供应链领域产生了重要影响，为构建可信赖的自主系统提供了基础性参考框架。

当前挑战

该数据集面临的领域挑战在于，当前自主智能体系统在执行过程中缺乏统一的形式化验证与治理机制，导致其行为不可预测、难以审计，尤其是在动态策略变更与多组件协同场景下矛盾检测的可靠性难以保障。构建过程中，数据集需要处理大规模决策收据的高通量记录（基准测试达7,054条/秒），同时确保与Splunk、Datadog等多种可观测性工具的兼容性，并在SLSA认证框架下维护完整的软件物料清单与组件签名链，这对数据集的结构化设计、存储效率与验证一致性提出了严苛要求。

常用场景

经典使用场景

Ouroboros Runtime 源镜像数据集在形式化验证与智能体人工智能治理领域占据着独特地位。其最经典的应用场景聚焦于将Λ不变性作为默认拒绝执行框架的核心验证工具，研究者在形式化定理证明环境中，借助该数据集复现策略门控、矛盾检测以及哈希链决策收据的完整执行流程。该数据集提供了248项运行时测试通过记录与32个模块的绿色状态报告，成为验证形式化规范与执行引擎一致性的标准基准。通过SLSA构件发布认证与SBOM物料清单，该数据集为构建可信执行环境提供了可重现的验证基线，尤其适用于需要严格形式化保证的智能体系统治理研究。

解决学术问题

该数据集系统性地回应了智能体人工智能治理领域中形式化验证的可扩展性与可信度这一核心学术难题。传统治理机制多依赖事后审计与静态策略，难以应对动态环境下的矛盾行为与未授权执行。Ouroboros Runtime 通过Λ不变性形式化框架，将默认拒绝执行策略与哈希链决策收据相结合，实现了对智能体运行时行为的实时形式化约束。该数据集提供的基准测试数据与模块验证结果，为研究如何用形式化方法约束自主智能体的行为边界提供了实证基础，其意义在于推动了治理机制从描述性规范向可验证执行范式的跨越，对构建安全可控的自主系统具有深远影响。

衍生相关工作

该数据集已衍生出一系列具有影响力的相关工作，其中最为突出的是SZLHOLDINGS系列仓库中的形式化验证论文与烹饪书运行器项目。Thesis v18形式化验证数据集完整阐述了Λ不变性在定理证明中的理论基础与实现路径，而szl-cookbook-runner则提供了针对该运行时的交互式验证教程。在工具链层面，其CI流水线中集成的SLSA、SBOM与CodeQL等工具组合，催生了多个关于可重现构件验证与供应链安全的工作。这些衍生贡献共同构成了一个涵盖理论证明、教学实践与工程部署的形式化治理生态，深刻影响了自主系统安全验证的研究方向与方法论体系。