该论文提出了 KNDB——一个以 PostgreSQL 18 表访问方法（Table Access Method, TAM）形式实现的「认知类型化」引擎，用于在数据库写入路径上直接完成对抗性冲突消解。研究背景是数据融合与众包真值发现（truth discovery）场景：当多个来源对同一数据槽位给出相互矛盾的值时，传统方法只能依赖写入方自报的置信度进行加权融合，而攻击者可以伪造高置信度、或通过 Sybil 协同（多个伪造身份一致投票）来操纵最终结果。KNDB 的核心思路是不再信任写入方声明的置信度，而是由引擎从独立元数据出发，为每一行赋予一个不可在写入时伪造的「认知种类」（MEASURED / INFERRED / DERIVED），并在每个写时 heapam 回调内部按槽位解析冲突。实现上，44 个 TAM 回调中仅覆写 7 个（tuple_insert、multi_insert、tuple_update、tuple_delete、tuple_insert_speculative、tuple_complete_speculative、relation_toast_am），其余 37 个委派给 heap，行仍以普通 heap tuple 落盘，论文并给出接口完备性论证作为论文制品。对抗评估方面，在「置信度伪造」负载下（攻击者以 [0.95,1.0] 的置信度发起 INFERRED 写入，对抗以 [0.5,0.9] 置信度写入的诚实 MEASURED 行），KNDB 在 Book-Author 融合数据集上比仅用置信度的基线高出 63 个百分点，在 Zheng 众包数据集上高出 92.7 个百分点；作者通过源码重建的「禁用并测试」实验（中和种类格后增益消失）证明该增益确实由种类轴承载。与从原始公式重实现、并在 0.3 个百分点内复现原文数值的四个真值发现基线（TruthFinder、CRH、CATD、ACCU）对比，KNDB 在低于每数据集密度饱和单元时表现相当，在达到或超过该单元后占据主导。作者将该饱和单元形式化为 k* ≈ rho_alg × h_top，其中 h_top 为每槽位最高诚实表层形式支持度，并在 Book-Author 上于 ±20%、Zheng 上于 ±30% 范围内验证预测；由于种类轴由引擎依据独立元数据赋值、写入时无法伪造，KNDB 的 k* 是无界的。论文也如实报告了失败面：在 Zheng 上低于饱和点时不敌 CRH 与 ACCU，且在三个以上一写入者胜出（last-writer-wins）为真值的时序知识编辑基准上得分为零。