该论文聚焦于人工智能（AI）系统中产生的损失如何进行准确重建与保险索赔。当前保险理赔主要依赖事件重建，但AI系统（尤其是生成式AI和智能体系统）具有状态依赖性，其行为随推理、检索、工具调用和自主行动而动态变化，因此需要状态重建而非简单的事件重建。论文提出了CER框架，用于用例层面的AI残余风险转移诊断。CER包含三个维度：C（控制边界），评估系统是否具有可执行的操作范围约束；E（证据重建），判断从保留的日志和工件中能否重建系统状态与因果链；R（保险响应），确定重建的损失是否属于保险覆盖范围，包括市场是否存在对应保单以及证明索赔的证据要求。论文的主要贡献包括：定义了AI特定的损失重建问题，通过CER框架将其可操作化，以及明确了用于保险理赔的AI重建证据等级。文中通过PocketOS、Replit智能体数据库删除事件以及Moffatt v. Air Canada输出依赖案例进行了实证说明。该研究适用于保险精算师、安全架构师、风险管理人员及AI治理从业者。

本文提出了 InsureConnect，一个基于区块链的系统，旨在提高财产保险工作流在自然灾害后的透明度、可认证性和可审计性。该系统结合了自我主权身份（SSI）、去中心化标识符（DID）、可验证凭证（VC）、卫星图像、Hyperledger Fabric 和 IPFS（星际文件系统）来注册身份、保险合同和损害索赔。财产图像存储在 IPFS 中，而内容哈希和签名记录则保存在许可区块链上。用户通过桌面应用程序与系统交互，链码执行基于角色的访问控制并验证数字签名。原型在 50 到 3000 个并发请求负载下进行了评估，测量了延迟、吞吐量和丢弃连接数。结果表明，系统在负载下能够维持吞吐量增长，尽管延迟增加且在高并发下出现丢弃连接。