The post has been translated automatically. Original language: Russian
BEISEKENOV Core: a practical prototype of deterministic verification of digital solutions in Python, FastAPI and Redis
Author: Amangeldy Beisekenov
Annotation
One of the most difficult tasks of modern digitalization is to ensure uniformity of decision-making in distributed information systems. Government platforms, banking systems, insurance services, and artificial intelligence-based solutions process millions of requests every day, and even minor logical contradictions can lead to errors, conflicts, and loss of user trust.
This paper presents a research prototype of BEISEKENOV Core— a deterministic solution verification system implemented in Python using FastAPI and Redis.
The aim of the project is to explore the possibility of automatically identifying two classes of problems.:
- DS (Double Standards) — contradictory solutions for the same conditions;
- LV (Logical Vacuum) — the absence of a formalized decision-making rule.
The project is implemented as a reproducible software prototype that can be deployed locally and tested by developers.
Setting the task
In many digital systems, a situation arises where the same input data leads to different processing results.
A conditional example:
Application No. 1:
Income = 6000 Age = 35 The solution = Approved
Application No. 2:
Income = 6000 Age = 35 Solution = Denied
From the user's point of view, such solutions look contradictory.
Within the framework of the project, such situations are considered as a manifestation of Double Standards (DS).
The second class of problems is related to the lack of rules for handling certain scenarios.
If the system cannot explain why the decision was made, a Logical Vacuum (LV) condition occurs.
The formal model
The following expression is proposed as a research model:
K = DS ∨ LV
where:
K — the state of the system conflict;
DS — conflicting solutions for identical conditions;
LV is the absence of a formalized decision—making mechanism.
In this paper, this formula is used as an analytical model for studying the sustainability of digital processes.
Prototype Architecture
The prototype consists of several independent components:
core.py
The main core of the system, responsible for registering cases and detecting contradictions.
rules_engine.py
A rules engine that ensures that decisions are explicable.
redis_core.py
A distributed version of the kernel using Redis.
fastapi_integration.py
REST API for integration with external services.
demo.py
A demo launch and testing scenario.
requirements.txt
The list of necessary libraries.
The principle of operation
Each new case is described by a set of conditions:
conditions
and the result:
decision
Verification is performed before registration:
- Whether such a set of conditions existed before.
- Whether another decision was made for him.
- Is there a rule explaining the result?
If a contradiction is found, the system records the DS.
If there is no explanatory rule, the LV is fixed.
Demonstration of the work
After the launch:
python demo.py
The system performs several test scenarios.
The first scenario registers the correct solution.
The second scenario tries to register another solution for the same conditions.
As a result, the system reports the presence of Double Standard and blocks the recording.
This ensures uniformity of data processing.
Using Redis
Redis is used to test the distributed mode.
The launch is performed by the command:
docker run -d --name redis -p 6379:6379 redis
After that, multiple API instances can use a single validation space.
This allows you to control the consistency of solutions not only within a single application, but also between multiple services.
REST API and FastAPI
FastAPI is used for integration.
After launch, the documentation is automatically available through Swagger.:
http://127.0.0.1:8000/docs
The developer can send test requests through the browser and observe the system's response in real time.
This approach simplifies experimental verification of the model and integration with existing platforms.
Potential application areas
The presented prototype can be used as a research basis for:
government information systems;
digital audit systems;
banking platforms;
insurance solutions;
AI Governance;
explicable artificial intelligence;
decision quality control systems;
e-government platforms.
Scientific and engineering value
The main value of the project lies not in the declaration of universal laws, but in the creation of a reproducible mechanism for verifying the consistency of decisions.
The proposed approach allows us to explore:
detecting contradictions;
control of the uniformity of solutions;
explainability of algorithms;
distributed verification;
deterministic audit of digital processes.
It is the possibility of practical launch and reproduction that makes the prototype a convenient object for further research.
Limitations
At the current stage, the project is a research prototype.
To evaluate the effectiveness, the following are necessary:
load testing;
comparison with existing approaches;
experiments on real data;
independent scientific verification;
evaluation of scalability.
Conclusion
BEISEKENOV Core is an experimental deterministic solution verification platform implemented on an open source software stack of Python, FastAPI, and Redis.
The project demonstrates the practical possibility of automatically detecting conflicting solutions and logical gaps in digital processes.
Further development of the concept may be related to integration into artificial intelligence systems, GovTech platforms, and trusted computing infrastructure.
BEISEKENOV Core: практический прототип детерминированной верификации цифровых решений на Python, FastAPI и Redis
Автор: Амангельды Бейсекенов
Аннотация
Одной из наиболее сложных задач современной цифровизации является обеспечение единообразия принятия решений в распределённых информационных системах. Государственные платформы, банковские системы, страховые сервисы и решения на базе искусственного интеллекта ежедневно обрабатывают миллионы запросов, при этом даже незначительные логические противоречия способны приводить к ошибкам, конфликтам и потере доверия пользователей.
В данной работе представлен исследовательский прототип BEISEKENOV Core — системы детерминированной верификации решений, реализованной на Python с использованием FastAPI и Redis.
Цель проекта — исследование возможности автоматического выявления двух классов проблем:
- DS (Double Standards) — противоречивые решения для одинаковых условий;
- LV (Logical Vacuum) — отсутствие формализованного правила принятия решения.
Проект реализован как воспроизводимый программный прототип, который может быть развёрнут локально и протестирован разработчиками.
Постановка задачи
Во многих цифровых системах возникает ситуация, когда одинаковые входные данные приводят к различным результатам обработки.
Условный пример:
Заявка №1:
Доход = 6000 Возраст = 35 Решение = Approved
Заявка №2:
Доход = 6000 Возраст = 35 Решение = Denied
С точки зрения пользователя такие решения выглядят противоречивыми.
В рамках проекта подобные ситуации рассматриваются как проявление Double Standards (DS).
Второй класс проблем связан с отсутствием правил обработки определённых сценариев.
Если система не может объяснить, почему было принято решение, возникает состояние Logical Vacuum (LV).
Формальная модель
В качестве исследовательской модели предлагается следующее выражение:
K = DS ∨ LV
где:
K — состояние системного конфликта;
DS — противоречивые решения для идентичных условий;
LV — отсутствие формализованного механизма принятия решения.
В данной работе эта формула используется как аналитическая модель для исследования устойчивости цифровых процессов.
Архитектура прототипа
Прототип состоит из нескольких независимых компонентов:
core.py
Основное ядро системы, отвечающее за регистрацию случаев и обнаружение противоречий.
rules_engine.py
Движок правил, обеспечивающий объяснимость решений.
redis_core.py
Распределённая версия ядра с использованием Redis.
fastapi_integration.py
REST API для интеграции с внешними сервисами.
demo.py
Демонстрационный сценарий запуска и тестирования.
requirements.txt
Перечень необходимых библиотек.
Принцип работы
Каждый новый случай описывается набором условий:
conditions
и результатом:
decision
Перед регистрацией выполняется проверка:
- Существовал ли ранее такой набор условий.
- Принималось ли для него другое решение.
- Имеется ли правило, объясняющее результат.
Если обнаруживается противоречие, система фиксирует DS.
Если отсутствует объясняющее правило, фиксируется LV.
Демонстрация работы
После запуска:
python demo.py
система выполняет несколько тестовых сценариев.
Первый сценарий регистрирует корректное решение.
Второй сценарий пытается зарегистрировать другое решение для тех же условий.
В результате система сообщает о наличии Double Standard и блокирует запись.
Таким образом обеспечивается единообразие обработки данных.
Использование Redis
Для проверки распределённого режима применяется Redis.
Запуск осуществляется командой:
docker run -d --name redis -p 6379:6379 redis
После этого несколько экземпляров API могут использовать единое пространство проверки.
Это позволяет контролировать согласованность решений не только внутри одного приложения, но и между несколькими сервисами.
REST API и FastAPI
Для интеграции используется FastAPI.
После запуска документация автоматически доступна через Swagger:
http://127.0.0.1:8000/docs
Разработчик может отправлять тестовые запросы через браузер и наблюдать реакцию системы в режиме реального времени.
Такой подход упрощает экспериментальную проверку модели и интеграцию с существующими платформами.
Потенциальные области применения
Представленный прототип может использоваться как исследовательская основа для:
государственных информационных систем;
систем цифрового аудита;
банковских платформ;
страховых решений;
AI Governance;
объяснимого искусственного интеллекта;
систем контроля качества решений;
платформ электронного правительства.
Научная и инженерная ценность
Главная ценность проекта заключается не в заявлении универсальных законов, а в создании воспроизводимого механизма проверки согласованности решений.
Предлагаемый подход позволяет исследовать:
обнаружение противоречий;
контроль единообразия решений;
объяснимость алгоритмов;
распределённую верификацию;
детерминированный аудит цифровых процессов.
Именно возможность практического запуска и воспроизведения делает прототип удобным объектом для дальнейших исследований.
Ограничения
На текущем этапе проект является исследовательским прототипом.
Для оценки эффективности необходимы:
нагрузочное тестирование;
сравнение с существующими подходами;
эксперименты на реальных данных;
независимая научная верификация;
оценка масштабируемости.
Заключение
BEISEKENOV Core представляет собой экспериментальную платформу детерминированной верификации решений, реализованную на открытом программном стеке Python, FastAPI и Redis.
Проект демонстрирует практическую возможность автоматического обнаружения противоречивых решений и логических пробелов в цифровых процессах.
Дальнейшее развитие концепции может быть связано с интеграцией в системы искусственного интеллекта, GovTech-платформы и инфраструктуры доверенных вычислений.
Share
