uds-governance-receipts

该数据集（uds-spans-receipts）包含用于可观测性和治理的标准化数据记录。具体由100个与OpenTelemetry（OTel）兼容的跨度（span）和50个DSSE（去重签名软件信封）治理收据（receipt）组成。这些数据遵循统一决策跨度（UDS）模式，旨在支持跨组件的、基于图拓扑（Doctrine v6）的可观测性工作流。数据集可用于审计追踪、完整性验证以及与治理相关的分析任务。This dataset (uds-spans-receipts) contains standardized data records for observability and governance. Specifically, it consists of 100 OpenTelemetry (OTel) compatible spans and 50 DSSE (Deduplicated Signed Software Envelope) governance receipts. The data follows the Unified Decision Span (UDS) schema and is designed to support cross-component, graph-topology-based (Doctrine v6) observability workflows. It can be used for audit trails, integrity verification, and governance-related analysis tasks.

原始信息汇总

数据集概述：UDS Governance Receipts — Extended Corpus

数据集名称：UDS Governance Receipts — Extended Corpus

数据集地址：https://huggingface.co/datasets/SZLHOLDINGS/uds-governance-receipts

许可证：CC-BY-4.0

语言：英语

数据集规模：n<1K（样本数量小于1000条）

任务类别：其他（非标准机器学习任务）

标签：dsse, slsa, governance, receipt-chain, agentic-ai, opentelemetry, ai-governance

数据性质：合成数据，所有数据行均带有 "synthetic": true 标志，不包含生产数据。

核心内容：该数据集是来自完整 SZL 接收链的、经 DSSE 签名的治理接收凭证（governance receipts）扩展语料库。接收链由以下5个组件组成：

• amaru → a11oy → uds-mesh → vsp-otel → rosie

关键技术细节：

• 签名方式：DSSE PAE + HMAC-SHA-256
• 链长度：5个组件

相关资源：

• 接收凭证演示空间：SZLHOLDINGS/a11oy-receipts-playground
• MCP 服务器：SZLHOLDINGS/mcp-receipts-server
• Spans 语料库：SZLHOLDINGS/uds-spans-receipts
• 源代码仓库：github.com/szl-holdings/uds-mesh

命名说明：数据集名称中的“UDS”代表 Unified Decision Span，一种兼容 OpenTelemetry 的 Span 模式，与 Defense Unicorns 的 UDS 无关。

引用方式（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：Stephen P. Lutar · [e-mail] · ORCID · GitHub · Hugging Face

搜集汇总

数据集介绍

构建方式

在人工智能治理与可溯源决策的交叉领域中，可靠的数据凭证是确保系统透明度的基石。UDS Governance Receipts 数据集通过构建一条完整的 DSSE 签名收据链来模拟多组件决策环境，其链路由 amaru、a11oy、uds-mesh、vsp-otel 和 rosie 五个组件顺序串联而成。每条收据均采用 DSSE PAE 封装格式与 HMAC-SHA-256 签名算法进行加密签署，且所有数据均标记为合成数据，不包含任何生产环境真实记录，从而在保证安全隐私的前提下为治理审计提供了可复现的实验基础。

使用方法

使用者可通过 Hugging Face 数据集库直接加载该数据，并借助其配套的 Playground 空间进行可视化探索，或通过 MCP 服务器实现与决策流程的交互式对接。数据集内的每条收据均包含完整的 DSSE 签名与组件标识，适用于测试治理协议的校验逻辑、搭建模拟审计管道，以及验证 OTel 兼容的跨度追踪系统。结合官方的 UDS Spans Receipts 数据集与源码仓库，用户可构建端到端的形式化验证工作流，从而深入探究代理式 AI 治理中的收据链可信性机制。

背景与挑战

背景概述

uds-governance-receipts数据集由Stephen P. Lutar于2026年创建，隶属于SZLHOLDINGS机构，旨在为智能体人工智能（Agentic AI）治理提供形式化验证的基础数据。该数据集源自Ouroboros项目，通过DSSE签名与HMAC-SHA-256加密技术，生成跨越五个组件（amaru、a11oy、uds-mesh、vsp-otel、rosie）的合成治理收据链，并遵循Unified Decision Span（UDS）这一兼容OpenTelemetry的跨度模式。其核心研究问题聚焦于构建可审计、可验证的AI决策流程，确保在多智能体系统中实现透明化监管。作为开源资源（CC-BY-4.0许可），该数据集为AI治理领域提供了标准化测试基准，推动了从理论验证到工程实践的衔接，对强化合规模块的可信性具有重要参考价值。

当前挑战

该数据集所解决的领域问题在于应对Agentic AI系统中决策轨迹不可追溯与治理机制碎片化的挑战，尤其需要跨越异构组件确保收据链的完整性，同时防范单点故障与伪造风险。构建过程中面临的核心挑战包括：设计兼容OpenTelemetry的无缝跨度架构，以统一多源数据格式；在纯合成环境下模拟真实生产流量的复杂性，以无隐私泄露之虞验证加密签名流程的鲁棒性；以及协调五个组件间的时序一致性，确保链式收据的线性递推可验证。此外，数据集的小规模（n<1K）限制了大规模测试的覆盖面，如何在扩展性上优化以适配更广泛的治理场景，成为后续研究的难点。

常用场景

经典使用场景

UDS Governance Receipts数据集的核心用途在于为自主人工智能体（Agentic AI）的治理流程提供一个标准化的、可验证的收据链。该数据集模拟了从amaru到rosie五个组件的完整DSSE签名收据链，基于统一决策跨度（UDS）模式，与开放遥测（OpenTelemetry）兼容。研究者常利用该数据集来开发和验证面向AI治理的端到端审计追踪系统，确保每一个决策环节的不可篡改性和可追溯性，从而构建可信的AI代理运行时监控与问责机制。

解决学术问题

该数据集系统地解决了自主人工智能体在形式化验证与治理领域的关键学术难题，即如何确保多代理协作过程中的决策透明性与可审计性。通过提供完整的、合成的DSSE签名收据链，该语料库使得研究者能够在标准化框架下检验Ouroboros等形式化验证工具的有效性，从而推动AI治理从理论概念向可操作、可验证的工程实践演进。这一工作显著填补了代理AI领域中缺乏公开、可复现的治理收据基准数据的空白，对构建可问责的自主系统具有深远的方法论影响。

实际应用

在实际应用中，该数据集直接服务于企业级AI系统的合规与审计基础设施建设。例如，金融或医疗领域的高风险决策场景，可以借助这一收据链架构，实现从原始决策到最终执行的全链路日志审计。基于UDS模式的收据凭证可与现有的OpenTelemetry监控生态无缝集成，使得开发团队能够快速部署符合SLSA标准的人工智能治理流水线，从而满足日趋严格的行业监管要求。

数据集最近研究

最新研究方向

该数据集聚焦于可验证的人工智能治理与代理性AI系统的透明性追踪，具体涉及基于DSSE签名的治理收据链构建，结合OpenTelemetry兼容的Unified Decision Span架构，探索在SLSA框架下的可溯源治理机制。其研究前沿体现在利用合成收据数据模拟多组件链式治理场景，支持对AI决策全生命周期的形式化验证，如Ouroboros项目所示。该方向与当前AI安全、可解释性及合规性热点紧密相连，为构建去中心化、可审计的代理性AI治理基础设施提供了关键基准数据，推动治理流程从静态规则向动态可验证范式演进，具有显著的实践与理论意义。