本文提出了一种名为GKR-HND的注册模型协议，用于验证基于同态-非同态分解（HND）的Transformer推理的正确性。在当前的AI服务中，客户通常将模型推理外包给第三方服务器，但面临模型被替换或推理未完全执行的风险。传统的直接重放验证会消除外包带来的计算优势。GKR-HND协议通过结合GKR证明系统与注册模型权重，允许一个保留验证者（retained verifier）高效地检查多项式骨干的GKR转录和注册权重的打开，而将昂贵的公开评估委托给指定的计算工人。协议假设保留验证者是诚实的，且证明者与工人之间不共谋，因此只有当工人签署的、绑定请求的响应与证明声明一致时，验证者才接受。实验使用预训练的HND模型验证了协议的有效性，在不进行密集矩阵重放的情况下完成了证明路径和委托公开计算的验证。该研究主要面向AI安全、可验证计算和隐私保护领域的研究者，适用于需要确保深度学习模型推理完整性的场景。