RNDR渲染网络（RNDR Network）是美国权威云渲染公司OTOY旗下的全球首个分布式GPU渲染网络，由使用网络进行渲染的艺术家和提供GPU算力的矿工组成，以ERC-20标准的RNDR代币支持。 

但这一网络并不止于渲染算力的交换，在区块链赋能的版权确权和保护之下，RNDR渲染网络还将是一个数字和虚拟作品变现、交易和分享的平台。 

那么，RNDR渲染网络是如何实现最基本的治理与激励，保障分布式渲染过程中艺术作品的数据安全的呢？ 

以下翻译和节选自RNDR渲染网络《用户手册》的内容将帮助你了解RNDR渲染网络的部分基本原理和运作方式。查看《用户手册》英文全文，请点击阅读阅文。

 

G）治理与激励 

RNDR渲染网络采用自动化验证和用户验证相结合的方式确认工作。我们鼓励艺术家及时批准已经在系统中得到正确处理的渲染任务。只有在附加水印的全分辨率预览获得确认后，系统才会交付最终的渲染结果。因此，我们激励艺术家尽快确认已经正确渲染的帧。如果一帧没有处理成功，艺术家可以拒收该帧，则这一帧将会自动重新分配给网络上的其他节点，进行重新渲染。 

声誉评分对于艺术家和矿工来说都很重要，因为声誉评分决定着RNDR渲染网络上的资源分配。例如，声誉评分更高的艺术家将可以在渲染时使用更多的并行节点。同样的，声誉评分更好的矿工会比声誉评分较低的节点更快的获得任务分配。举例来说，在网络的利用率不足100%的情况下，声誉评分最低的节点将在任务分配队列中排在最后，这激励矿工积累良好的工作记录。声誉评分也能够帮助发现不良行为。例如，如果一个艺术家频繁的拒绝一些成功率很高的节点完成的任务，则这种过高的失败率将导致渲染任务并终止。这时候，RNDR渲染网络将会将这一渲染任务隔离起来，并可能下调这一艺术家的声誉评分。同样地，如果一个节点总是无法处理好一些帧，而这些帧随后被其他挖矿节点成功渲染，则该节点的声誉评分也将被下调，导致节点的排名降低。 

除了事后审批，RNDR网络也采用渐进式渲染。在渐进式渲染中，艺术家可以实时查看渲染进程，看到系统处理的采样不断增加，图像从充满噪点到没有噪点。在一帧的渐进性渲染过程中，艺术家也可以用额外的工具及早发现正在处理中的任务是否有异常。RNDR渲染网络也会通过客户端程序比对节点的潜力和任务的参数，从而自动检查每个任务。如果节点的OctaneBench潜力和产出差异很大，RNDR渲染网络就能够发现这些异常点，重新将工作任务导流给正常运行的节点。Octane的AI去噪算法也能扫描渲染任务，发现采样没有得到充分处理、开启了噪点过滤器等“作弊行为”。 最后，网络将会不断“拷问”节点，发现降频（Underclocking）之类的变动。在降频或表现低于一个节点的基准水平时，该节点的OcataneBench评分将会重新计算，调整到反映降频的值。 

最后，RNDR也设计了相应的激励机制，以降低网络中出现声誉玩票的风险，也就是低声誉的用户或恶意用户创建多个账号意图避免承受不良行为的后果。艺术家账号与他们独有的Octane账号绑定，即Octane的软件许可权限。没有这些软件许可的用户无法在网络上进行渲染。此外，声誉更好的艺术家能够使用更多的节点，从而激励艺术家积累良好的历史记录。对于矿工来说，网络的声誉系统是为了创建更高级别的节点池，而更高级别的节点池向声誉持续良好的节点提供更高的每计算周期回报。因此，用新的账户从头再来将是不利的。为了让这一系统发挥作用，RNDR渲染网络会针对系统错误进行纠正，并且在评分算法中加入侧重近期表现的函数，让用户可以随着时间的推移逐步对其评分进行自我改善。 

也就是说，RNDR通过用户审批和自动化机器学习过程解决争议。而如果发现系统性网络错误和异常，也可以诉诸RNDR帮助台（support@rendertoken.com）解决争议。

 

H）安全性 

当文件上传到网络上的时候，场景会被分解为单个的图像，每个图像会被加密和哈希，从而具有端到端的可追溯性，让网络能够检测到恶意行为，保护权利流转链。此外，用户还可以通过API代币创建更加复杂的许可。这为更复杂的工作室工作流提供了安全管理工具，能够符合新兴的云制作安全原则。这些图像会始终保持加密状态，无论是在传输过程中，还是在不使用的状态，带来更高的安全性。产出物也会加密，因此网络中的数据流无法在传输中被偷窥。最后，RNDR渲染网络的设计，确保了未加密的图像永远不会被存储在硬盘或内存中，从而不会被恶意攻击者获取。挖矿节点也不会存储渲染的产出物，进一步降低了敏感IP流出的可能。 

通过加密、水印、场景分解和哈希，RNDR渲染网络实现了零信任的安全框架，无需依赖于硬件本身的安全性。在零信任之上，RNDR渲染网络能够不断扩展，并进一步降低网络脆弱性。内置在RNDR治理框架中的声誉评分等激励措施也防止了不良行为的出现。

 

I）水印 

在RNDR渲染网络中，水印配合智能合约一起统筹网络上的服务流。在用户确认一项渲染任务并为完成的工作付款前，图像仅能在加水印的状态下查看。渲染任务得到支付后，RNDR的智能合约将被触发，释放不加水印的产出物给艺术家，并从智能合约将代币支付给矿工。当一项任务满足已完成的条件后，智能合约才会解除图像的加水印状态。这些条件可以包括帧渲染完成的确认，或权利从预览变为下载或播放。因此，水印对于网络上服务的提供至关重要。 

基于OctaneRender的AI加速路径追踪渲染技术以及ORBX语义场景图，RNDR渲染网络还具有更高级的水印功能。

 带水印的预览视图

 

J）声誉评分 

网络会根据用户的成功率和过往表现对其进行评分，该评分用于统筹网络上的活动。用户在网络上提交或处理渲染任务时，根据是否符合智能合约规定的条件，他们将获得声誉评分的加减分。如果艺术家拒绝已经妥善渲染完成的工作任务，则他们的声誉评分会下降，而如果矿工没有成功地完成渲染任务，他们的声誉也会下调。这些防欺诈措施结合在一起构成了我们所谓的“渲染证明（Proof-of-Render,PoR）”，即人工任务确认和算法渲染检查一起用于渲染任务的确认。声誉评分帮助强化了渲染证明。 

声誉评分激励网络中的良性行为，让艺术家和矿工都从网络获得更高的生产率。对于艺术家而言，声誉评分用于决定用户可以随时访问的并行挖矿节点的数量。因此，声誉评分越高的艺术家能够处理工作的速度越快。这会激励艺术家积累良好的成功率，而良好的成功率往往来自于艺术家在上传渲染任务到网络之前对场景的仔细的检查。艺术家方面的声誉评分还避免了，没有良好历史记录的任务请求者用可能需要重新渲染的任务堵塞网络，对网络的工作分配造成干扰。同样地，矿工也只有在满足声誉评分要求的情况下才能处理更高层级的工作，即每个计算周期给予的代币回报更高的工作。此外，声誉评分更高的矿工也会比声誉评分较低的其他用户更快获得任务分配，激励他们保持高成功率。通过这样的过程，声誉评分既起到统筹的作用，也是一种激励机制。 

在分配中，尽管渲染队列中出现一个同等的后备选项的可能性很低，但用户排名系统在特定情形中可以发挥区分优先级的作用。例如，如果当前有20个空闲GPU，而两名用户都有需要20个GPU完成的渲染任务。用户A是一名刚刚加入网络的新用户，没有任何发出任务请求的历史记录；用户B是一名老用户，每天都会在网络上发布渲染任务。在其他因素相同的情况下，用户B就会有更高的优先级进行其渲染任务，因为他的排名高于用户A。