Show HN：PES 基准测试 v0.2 – 检测 AI 生成的动作（Cohen's d=10.4）

MyShape 协议是首个针对数字身份的“连续性层”，旨在解决 AI 时代静态身份验证（如人脸、指纹）容易被伪造的问题。该协议的核心是“存在连续性证明”（Proof of Continuity），一种基于人类运动不可约熵的加密原语。

系统工作流程为：摄像头捕获实时视频，通过 MediaPipe Pose 提取 33 个关节点，再转换为 SST 拓扑的 18 个点，最终由 4D PES 引擎生成 128 维运动向量。随后，该向量通过 ZK-SNARK 生成约 250 字节的零知识证明，并在链上验证。所有处理均在设备本地完成，原始数据绝不离开用户设备，真正实现“无监视式”的人性证明。

MyShape 引入的关键指标是“存在熵分数”（Presence Entropy Score, PES），范围 0-100，从四个维度（微时序方差、噪声残差、频率熵、生物扰动）评估运动中的生物熵。人类自然运动的 PES 通常高于 70，而 AI 生成的运动分数低于 20。在最新基准测试 v0.2 中，人类与 AI 运动的 Cohen's d 效应量达到 10.4，这意味着两组分布几乎没有重叠，检测精度极高。

该协议还包含“ZK-Presence”概念，通过零知识证明在不泄露原始运动数据的情况下验证人性。此外，MyShape 提供了完整的开发者工具，包括 CLI、WASM 模块和 Supabase 集成，并遵循去躯体的身份语言规范（如使用“实体”、“轮廓”而非性别化术语）。项目目前为专有许可，但所有代码和文档均可通过 GitHub 仓库访问。

MyShape 协议的潜在应用包括防止机器人攻击、确保去中心化身份的真实性、以及为 AI 代理提供身份证明。它标志着从静态生物识别向动态连续性验证的重要转变。未来，该协议可能成为数字身份基础设施的关键组成部分，特别是在 AI 代理和去中心化身份系统中。