Show HN：PES 基準測試 v0.2 – 檢測 AI 生成的動作（Cohen's d=10.4）

MyShape 協議是首個針對數字身份的“連續性層”，旨在解決 AI 時代靜態身份驗證（如人臉、指紋）容易被偽造的問題。該協議的核心是“存在連續性證明”（Proof of Continuity），一種基於人類運動不可約熵的加密原語。

系統工作流程為：攝像頭捕獲即時影片，透過 MediaPipe Pose 提取 33 個關節點，再轉換為 SST 拓撲的 18 個點，最終由 4D PES 引擎生成 128 維運動向量。隨後，該向量透過 ZK-SNARK 生成約 250 位元組的零知識證明，並在鏈上驗證。所有處理均在裝置本地完成，原始資料絕不離開使用者裝置，真正實現“無監視式”的人性證明。

MyShape 引入的關鍵指標是“存在熵分數”（Presence Entropy Score, PES），範圍 0-100，從四個維度（微時序方差、噪聲殘差、頻率熵、生物擾動）評估運動中的生物熵。人類自然運動的 PES 通常高於 70，而 AI 生成的運動分數低於 20。在最新基準測試 v0.2 中，人類與 AI 運動的 Cohen's d 效應量達到 10.4，這意味著兩組分佈幾乎沒有重疊，檢測精度極高。

該協議還包含“ZK-Presence”概念，透過零知識證明在不洩露原始運動資料的情況下驗證人性。此外，MyShape 提供了完整的開發者工具，包括 CLI、WASM 模組和 Supabase 整合，並遵循去軀體的身份語言規範（如使用“實體”、“輪廓”而非性別化術語）。專案目前為專有許可，但所有程式碼和文件均可透過 GitHub 倉庫訪問。

MyShape 協議的潛在應用包括防止機器人攻擊、確保去中心化身份的真實性、以及為 AI 代理提供身份證明。它標誌著從靜態生物識別向動態連續性驗證的重要轉變。未來，該協議可能成為數字身份基礎設施的關鍵組成部分，特別是在 AI 代理和去中心化身份系統中。