“比特币在其技术的验证环节采用的是工作量证明(PoW),这就不可避免的会出现51%攻击的风险。”美国普林斯顿大学教授Miles Carlsten表示。
霍夫斯特拉大学的教授Krishnan Pillaipakkamnatt也在邮件里表示,比特币和其衍生产品,如以太坊的底层数据结构在编码效率上有很大的缺陷。
比特币与以太坊被认为是区块链1.0与2.0的代表,他们分别基于工作量证明(PoW)共识算法与权益证明(PoS)共识算法。除了51%攻击和编码效率低,这两种算法还存在着耗费大量计算资源的短板。
为了推动区块链技术的大规模应用,新的算法随即出现,如企业级区块链操作系统(EOS)所基于的授权权益证明(DPoS)共识算法,以及天空链(Skycoin)底层链生态系统所基于的信任网络(Obelisk)共识算法。
去中心化、安全与高效,当新的算法真正实现这几个关键突破,意味着区块链3.0时代正在到来。
区块链1.0与2.0的短板
Miles Carlsten教授进一步解释了“51%攻击”。他说,当比特币系统中某一成员或群体由其计算能力决定的工作量达到整体矿池中工作量整体的51%时,该成员就具有比矿池中其他成员更快地延长区块链的能力,甚至伪造新的区块。
他表示,根据他们的研究,在未来的比特币矿池中,51%攻击出现的可能性将大大增加。这是由于比特币的奖励机制决定的。比特币挖矿收益以每四年50%的速率降低,很快比特币的挖矿收益将低于交易费用。“这使得矿池中采取不同策略的用户群体增加,挖矿者整体将放弃延长主链以获取稳定收益的策略方向,转而偏向于更加激进的制造分支私链策略。”
若该预测实现,那么私链将耗费矿池中大量的算力,从而也使得伪造私链代替主链的算力成本降低。
此外,据报道,目前比特币挖矿市场基本被三大矿池所主导,出现51%攻击的风险在这种寡头垄断的格局中也大大增加。
解决51%攻击风险而出现的权益证明(PoS)算法,同样难以避免走向中心化的趋势:依据权益结余来选择,会导致利益占优者的权力更大,有可能支配记账权。
这两种算法最为人所诟病,也是最明显的一个弊端是耗费了巨大的计算资源。无论是工作量证明还是权益证明,都需要大量的计算能力进行“挖矿”,其背后是巨大的电力耗费。
据Digiconomist统计,比特币近年来年均挖矿与交易耗电量超过了30太瓦时,以太币超过了14太瓦时。比特币2017年的耗电量超过了159个国家的年均用电量。
Obelisk算法另辟蹊径
除了前述的弊端,Krishnan Pillaipakkamnatt教授提及的“底层数据结构在编码效率上有很大的缺陷”,让区块链技术很难在其基础上进行大规模应用。
“以比特币的转账交易为例,在比特币钱包之间进行的比特币转账操作一般完成时间需要10分钟以上,有时可能延长至数小时,无法满足一些需要及时到账的交易需求。”Krishnan Pillaipakkamnatt教授介绍道。
在此背景下,授权权益证明(DPoS)共识算法和信任网络(Obelisk)共识算法应运而生。
授权权益证明(DPoS)类似于政治制度中的代议制,以多中心化的形式,实现了整体网络的安全与效率,其每秒可实现上千笔交易,出块最低1.5秒确认。
资料显示,由比特币与以太坊团队的早期成员离开后推出的信任网络(Obelisk)共识算法则另辟蹊径,其简化了拜占庭将军问题的信息传播模式,创造了公共广播频道——只让相互信任的节点参与共识确认,有点类似微信的朋友圈,去中心化方面比授权权益证明(DPoS)更为彻底。同时,因共识确认效率得到了保障,其交易速度每秒可超过3000笔。
在安全方面,Obelisk算法可以自动识别且切断违规、具有攻击性的节点连接,并且通过信任传递、黑名单传递等机制,能够防止大规模恶意节点的协同攻击。
授权权益证明(DPoS)和信任网络(Obelisk)算法让区块链技术大规模应用成为了可能,业界普遍认为,公链算法实现突破意味着区块链进入了“3.0时代”,将推动联盟链与私链快速扩张,深度改造金融、物流、政务、版权、商品溯源等领域。信任网络(Obelisk)算法所支撑的天空链(Skycoin)底层链生态已经吸引全球30多个团队入驻,所开发的项目覆盖了流媒体、视频、能源、农业等多个行业。
随着区块链技术越来越广泛地被应用,相信其底层算法还将继续演进。
好文章,需要你的鼓励
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。