szl-trust-source

SZL Trust — Source Mirror 是一个托管在 Hugging Face 上的源代码镜像数据集，其规范源代码位于 GitHub 仓库 `szl-holdings/szl-trust`。该数据集是 SZL Holdings 研究栈的一部分，旨在为 SZL 治理栈提供信任基础设施，具体功能包括证书固定、SPIFFE/SPIRE 集成以及 UDS 网格的 SLSA 证明链管理。数据集内容包含源代码文件，其中每一项声明都溯源至一个 Zenodo DOI、一个 GitHub 提交 SHA，并在适用情况下关联一个基于 Mathlib v4.13.0 的 Lean 4 形式化证明。该数据集是用于可发现性的静态快照，并非可部署的工件、机器学习训练数据或实时更新的源。它排除了 `.git/` 目录、`node_modules/` 以及大于 50 MB 的二进制文件。该数据集与 SZL Holdings 的其他研究工件（如正式验证论文、对齐模型、治理收据数据集等）紧密关联，共同构成一个完整的治理与安全研究生态系统。

SZL Trust — Source Mirror is a source code mirror dataset hosted on Hugging Face, with its canonical source code located in the GitHub repository `szl-holdings/szl-trust`. This dataset is part of the SZL Holdings research stack, designed to provide trust infrastructure for the SZL governance stack, including functionalities such as certificate pinning, SPIFFE/SPIRE integration, and SLSA attestation chain management for UDS meshes. The dataset contains source code files, where each claim is traced to a Zenodo DOI, a GitHub commit SHA, and, when applicable, linked to a Lean 4 formal proof based on Mathlib v4.13.0. It is a static snapshot for discoverability, not a deployable artifact, machine learning training data, or live-updated source. It excludes the `.git/` directory, `node_modules/`, and binary files larger than 50 MB. The dataset is closely associated with other research artifacts from SZL Holdings, such as formally verified papers, alignment models, governance receipt datasets, etc., collectively forming a comprehensive governance and security research ecosystem.

原始信息汇总

数据集名称：SZL Trust — Public Trust Portal Source（szl-trust）

基本属性：

• 许可证：Apache 2.0
• 语言：英语
• 规模：少于1000个样本
• 任务类别：其他
• 标签：治理、信任、CPS、公约证明标准、DSSE、SLSA、收据、代理式人工智能

内容与用途：

• 该数据集是github.com/szl-holdings/szl-trust仓库的源镜像。
• 信托门户网站发布公约证明标准（CPS）运行产物。
• 包含12份CPS收据。
• 数据为真实DSSE加密（非模拟），回放过程确定性强，并引用Dresden Codex和IAU文献。

关联资源：

• MCP服务器：https://huggingface.co/spaces/SZLHOLDINGS/mcp-receipts-server
• 源代码仓库：https://github.com/szl-holdings/szl-trust
• 治理收据数据集：https://huggingface.co/datasets/SZLHOLDINGS/uds-governance-receipts

引用： 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：https://orcid.org/0009-0001-0110-4173
• GitHub：https://github.com/szl-holdings
• Hugging Face：https://huggingface.co/SZLHOLDINGS

搜集汇总

数据集介绍

构建方式

szl-trust-source 数据集源于 SZL Holdings 的公开信任门户，旨在发布符合 Covenant Proof Standard（CPS）的运行工件。其构建基于真实的 DSSE 加密签名机制，而非模拟数据，确保了每条记录具备可验证的密码学强度。数据集包含 12 条 CPS 收据，并通过 Dresden Codex 和 IAU 引用实现了确定性重放，从而为代理型 AI 治理提供了可回溯的信任锚点。数据从 GitHub 仓库镜像至 HuggingFace，便于社区访问与审计。

特点

该数据集的核心特点在于其严格遵循无营销修饰的“教义 v6”原则，每一条收据均可独立验证。数据量虽小（n<1K），却涵盖了 SLSA、DSSE 等关键的软件供应链安全标准，并集成 MCP 服务器进行实时查询。通过关联 UDS 治理收据数据集，它构建了一个跨平台的信任生态系统，支持从代码到治理的全链路可追溯性，尤其适用于需要形式化验证的代理型 AI 治理场景。

使用方法

使用者可通过 HuggingFace 镜像直接加载数据集，或访问主仓库 GitHub/szl-holdings/szl-trust 获取原始内容。结合 MCP 收据服务器（SZLHOLDINGS/mcp-receipts-server），开发者能够以编程方式调用 CPS 收据进行证据验证。数据集还提供了 BibTeX 引用信息，便于学术引用。对于深入研究，建议配合 UDS 治理收据数据集共同使用，以构建完整的信任链审计流程。

背景与挑战

背景概述

szl-trust-source数据集由Stephen P. Lutar及其团队于2026年创建，旨在为自主智能体（Agentic AI）治理提供形式化验证的信任基础设施。该数据集作为公共信任门户的源镜像，发布了基于契约证明标准（Covenant Proof Standard, CPS）的运行制品，涵盖12条真实DSSE加密收据。通过结合Dresden Codex与IAU引文实现确定性重播，数据集成为了连接分布式信任凭证与AI治理框架的核心枢纽。其在HuggingFace平台上的发布，标志着自治系统安全透明度从理论探索迈入可复现验证阶段，为跨机构信任锚定提供了标准化审计轨迹。

当前挑战

该数据集主要面临三重挑战：其一，在Agentic AI治理领域，如何通过形式化手段确保自主决策过程符合预设契约规则，避免黑箱行为带来的不可控风险；其二，构建过程中需在保持CPS收据的完整性（当前12条精准匹配）与确定性重播机制的同时，防御伪造凭证或重放攻击对信任链的破坏；其三，跨架构互操作性问题——需确保DSSE加密收据能够被MCP服务器、治理仓库等异构系统无缝解析，且满足Apache 2.0许可下的审计合规要求，这对数据格式的标准化与版本控制提出了严苛约束。

常用场景

经典使用场景

在人工智能治理与去中心化信任体系交叉的前沿领域，szl-trust-source 数据集作为首个公开发布的契约证明标准运行产物集合，为研究者提供了验证智能体协作中形式化保证机制的基准测试平台。该数据集收录了12条经过真实数字签名信封加密的CPS收据，每条均附带德累斯顿法典与IAU引文的确定性重放记录，使其成为评估自主AI系统可审计性与非否认性的理想实验环境。研究者可基于此数据源，系统性地测试CPS协议在模拟边缘案例下的表现，推动形式化验证技术在代理型AI治理中的实际应用。

解决学术问题

该数据集直接回应了代理型AI系统中长期存在的可信执行与治理透明性之间的学术鸿沟。通过提供可重复验证的确定性加密收据，它解决了多智能体协作场景下行为溯源与责任归属的核心难题，填补了现有SLSA框架在AI治理领域的形式化延伸空白。其基于Apache-2.0许可的开源属性，使得学术界能够独立复现审计流程并标准化信任评估指标，从而为构建跨组织、跨协议的AI治理共识提供了可量化、可交叉验证的实证基础，显著推动了信任计算理论从概念验证向工程落地的转化。

衍生相关工作

该数据集催生了一系列具有里程碑意义的衍生研究，其中最具代表性的是Ouroboros项目中对代理型AI治理的形式化验证工作。基于数据集中CPS收据的确定性重放特性，研究者构建了跨维度的信任传递模型，将DSSE密码学原语与IAU时间锚定机制结合，形成了首个可审计的智能体间契约执行协议。此外，uds-governance-receipts数据集作为其直接扩展，专门针对统一数据空间中治理行为收据的标准化封装，支撑了多层级权限委托的形式化验证。这些工作共同构成了围绕CPS标准的科研生态系统，推动了从单一信任锚点到全栈可验证治理框架的范式跃迁。