资讯专栏INFORMATION COLUMN

一幅图解释区块链结构

xietao3 / 1401人阅读

摘要:先看比特币的核心特点基于时间戳的链式区块结构分布式节点间的共识机制基于共识算力的经济激励灵活可编程的智能合约机制。我认为区块链的基础技术两点区块链结构全网广播机制。两个小时后,将有一个攻击时刻被散列在一个有个工作量证明的链中。

先看比特币的核心特点:1)基于时间戳的链式区块结构;2)分布式节点间的共识机制;3)基于共识算力的经济激励;4)灵活可编程的智能合约机制。

再来谈区块链的重要特性:1)去中心化、完全分布式;2)点对点;3)共识机制;4)加密算法。

我认为区块链的基础技术两点:1、区块链结构;2、全网广播机制。

先看区块链结构:

再说全网广播机制:

“全网广播”的前提问题是“拜占庭问题”(自行Google)

我们刚才讲到矿工挖矿时说,当取得一个区块的记账权后,要向全网广播,此时所有人都知道了这个区块被占了,停止找哈希散列,开始以你这个区块为前一个区块,再次准备抢占链接的区块。里面的信息也被记在了所有人的“账本”上。

放在将军身上就是,所有将军们开始解题,题目的答案就是行动时间。当每个将军接收到任何表达形式的第一个攻击时刻时,他都会设置他的计算机来求解一个极其困难的“工作量证明”问题,对这个问题的解答是一个哈希(Hash)散列,里面也将包含着这次的攻击时刻。由于这个“工作量证明”问题,非常难解,一般而言,就算所有人收到这个问题后同时求解,也至少需要10分钟才能产生解答。一旦一个将军解出了“工作量证明”,他将会把这个算出来的“工作量证明”向整个网络进行传播,每一个接收到的人,将在他们当前正在做的“工作量证明”计算的散列中附加上刚刚被求解出来的那个工作量证明。如果任何人正在计算他收到的其他的一个不同的攻击时刻,他们将会转向新的更新后的“工作量证明”计算当中,因为他现在的“工作量证明链”更长了。

两个小时后,将有一个攻击时刻被散列在一个有12个“工作量证明”的链中。每个将军只要通过验证(这条工作链的)计算难度,就能估算出平均每小时有多少CPU算力耗费在这上面,也就会知道:这一定是在分配的时间段内,绝大多数将军的计算机共同协作才能生成的结果。如果“工作量证明链”中展示出来的算力足够强大,那么他们就可以在一致同意的时间内安全地展开攻击。

我再分享一个知乎的回答:https://www.zhihu.com/questio...


文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/24578.html

相关文章

  • Faster R-CNN理解

    摘要:为了不重新构建后续的网络也没必要重新构建最后的网络,共享卷积层是最好的选择。 一.简介 在R-CNN中的roi都是独自传入到经过与训练的CNN的分类器和box-regression中去造成了对应每个roi都要经过独自的卷积操作十分耗时,Fast-RCNN解决了没有共享卷积层的问题,但是他们共同使用的selective search的边框生成方法过于复杂,成为了计算时间的一个瓶颈,因为F...

    Lorry_Lu 评论0 收藏0
  • 算法第四版4.1-无向图详解

    摘要:树是一副无环连通图。互不相连的树组成的集合称为森林。表示无向图的数据类型图的基本操作的两个构造,得到顶点数和边数,增加一条边。该方法不符合第一个条件,上百万个顶点的图是很常见的空间不满足。 四种重要的图模型: 无向图(简单连接) 有向图(连接有方向性) 加权图(连接带有权值) 加权有向图(连接既有方向性又带有权值) 无向图 定义:由一组顶点和一组能够将两个顶点相连的边组成。 特殊:...

    scola666 评论0 收藏0
  • 统一认证 - Apereo CAS 简介

    摘要:在将臭未臭之前,我们赶紧把其中的统一认证这块过一下。的历史前面说了是耶鲁大学实验室的在年出的一个开源系统。这次我们先看看官网出的一幅图,这张图片介绍了的组成以及支持的各种协议,各种特性,不烦看看 为什么要做这个尝试? 微服之道,方兴未艾;农之来学者,盖已千者! 这句是从《陶山集·太学案问》瞎改出来的。意思就是微服务的架构理念还在不断地发展,现在整个啥都 言必出微服务,差点都到了 没学...

    zhunjiee 评论0 收藏0
  • 浅析Node与Element

    摘要:坑当然,也有可能会遇到踩坑的现象。与的关系至于与的关系,从继承方面讲可能为清晰很多。总结是节点,其中包含不同类型的节点,只是节点的一种。继承与,可以调用的方法。 起因 起因有二: 在看winter老师的分享:《一个前端的自我修养》时,有注意到这么一幅图,里面有写childNode和children属性。showImg(https://segmentfault.com/img/remo...

    U2FsdGVkX1x 评论0 收藏0
  • 卷积为什么如此强大?理解深度学习中的卷积

    摘要:第二部分高级概念我们现在对卷积有了一个良好的初步认识,也知道了卷积神经网络在干什么为什么它如此强大。 译自Tim Dettmers的Understanding Convolution in Deep Learning。有太多的公开课、教程在反复传颂卷积神经网络的好,却都没有讲什么是卷积,似乎默认所有读者都有相关基础。这篇外文既友好又深入,所以翻译了过来。文章高级部分通过流体力学量子力学等解释...

    kaka 评论0 收藏0

发表评论

0条评论

xietao3

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<