【AICon】AI 基础设施、LLM运维、大模型训练与推理,一场会议,全方位涵盖! >>> 了解详情
写点什么

EOS 和 MATRIX 共识机制对比

  • 2018-12-12
  • 本文字数:3082 字

    阅读完需:约 10 分钟

EOS和MATRIX共识机制对比

EOS 的主网上线后,由 BM 提出的“基于区块链的去中心化特性实现无政府状态自治的社会实验”已经正式开始。


BM 曾在多个场合阐述自己的理念,他希望能找到一个保护生命、自由和财产的自由市场。这个市场的形态是某种社区治理体系,其中没有什么过于强大的个体,规则是稳定、可预期的。


BM 还认为比特币、以太坊或 EOS 都需要建立一个可纠正未授权交易的系统,以防止主观化或者模棱两可的情况。但他并不认同比特币那样的“链上弱中心”的监管模式,这种模式下由社区信任的个体组成管理小组;他也不认可“链上监管”模式,由持币用户投票进行事务决策,他觉得“一币一票”实际会造成财阀统治。


他认为之前的区块链项目,无论是基于 POW 还是 POS 共识机制,都无法满足性能需求, 且“代码即法律”的理想也不大可能实现。尤其考虑到人治、影子政府和矿池中心化等共识机制缺陷带来的漏洞时问题就更为突出了。


于是我们看到,EOS 的解决方案是要求社区组织建立一套规则,其不同于其它区块链平台的中心化管理体制,并使用区块链技术来执行客观、可认证的合约;同时引入仲裁员来主观评估非确定性的合约。


这个思路反映到共识机制的设计上,就是 EOS 的超级节点、石墨烯技术等等。不得不承认这种创新设计在吸引社区资源上有着很好的放大效应。EOS 试图通过数字化的监管来解决人们的问题,这种监管体制包括宪法(block.one)、行政(超级节点)和司法(核心仲裁论坛)等部门,结合链上和链下监管,来找一个去中心化的平衡点。


然而 EOS 呈现出来的并不像 BM 设想的那样是“去中心化”的治理方式。上线不到一个月,已经有很多挑战冲击着这一理念,例如:


  1. 最近核心仲裁论坛发布“紧急措施保护令”,要求超级节点禁止处理 27 个不同钱包地址的交易,但未说明原因。此前,超级节点也一致决定封锁 7 个涉嫌盗窃行为的账户。这种措施可能会频繁应用,也没有预告。那么谁能说这种信任裁决的结果是绝对正确的呢?

  2. 超级节点是整个机制中的关键环节,但选举超级节点的流程却存在许多明显的问题。例如交易所借助自己大量的用户构成的庞大票仓来投票或送票,但当选后却对参与 EOS 的治理毫无兴趣。投票过程明显是中心化的。Bitfinex 获得的过半选票来自于 4 个投票联盟,而 EOS 纽约的过半得票仅仅来自于 20 位投票者。

  3. 还有消息指出至少几十个超级节点假装在使用自有服务器来生产区块,但实际上仍在使用谷歌、阿里巴巴、亚马逊等公司的云服务;这与去中心化的设计背道而驰,也增加了 EOS 被对手绞杀的风险。


反对者认为,这些问题意味着 EOS 根本不是一个去中心化的网络,仲裁论坛和超级节点的权力过大;共识机制的设计基于“人性本善”的假设,现实中这一假设很难成立。EOS 的竞争对手,人称 V 神的评论认为,EOS 的 21 个超级节点并不是 21 个不同的实体,它们之间的关系盘根错节,导致财阀统治。


起码到目前为止,EOS 既没有展现出稳定的算力支持,也没有保护“公平”这一区块链最重要优势的有效手段。


但如果我们跳出这些项目进一步思考:难道区块链真的无法平衡性能和安全?一定需要事后可逆转交易的人治规则?完全的去中心化是伪命题吗?


按照技术发展的规律,这些问题的答案显然是否定的。随着区块链技术的发展,我们可以确信这些问题会逐渐迎刃而解。但新的问题是,能不能加速解决这些问题的进程?


我们相信,区块链这种基于互联网而生的事物,如果用互联网最先进的生产力赋能,辅之可以充分释放其效能的共识机制设计,一定能大大缓解现有很多项目在不可能三角中的挣扎。


MATRIX 的共识机制设计可能给出了一个最优解。它是一系列先进生产力技术的深度融合:AI、区块链代表的先进生产力和生产关系,以及之前区块链共识机制设计的优点集大成。


该项目包括:基础主链、人工智能、安全防御、系统应用,和对用户与开发者同样友好的区块链操作系统。不同于那些主要为 AI 行业服务的 AI 区块链项目,MATRIX 实实在在将 AI 的能力应用到了区块链自身的各个层面,MATRIX 强大的核心团队则为这一项目的落地实践提供了有力保障。


团队里有很多学者,诸如:美国一流的人工智能教授,在国际大赛两次登顶,也曾为高铁设计人工智能预警安全方案;一位顶级的芯片设计专家,主导设计过中国首款 WIFI 芯片,还设计了辽宁号航母的通信调度系统;一位顶级的矿机和芯片科学家,负责过美国性能最高的 DSP 处理器的数字加速协处理器,还是三星半导体和 AMD 重要项目负责人。


MATRIX 的共识机制是基于自身团队的技术基础设计而成的。简单来说,这个机制是是在 AI 的帮助下,逐级产生的“超级节点+POW”机制,兼顾了去中心化、性能和安全性。


1) 去中心化方面,该机制通过人工智能聚类算法随机产生 32 个超级节点,其中 21 个随机成为挖矿节点,另外 11 个作为监督节点。


具体实现是:满足系统要求的硬件指标的节点可成为主节点,同时使用 1 万个 MAN 代币就可参与超级节点的竞选;一小时的选举间隔让每个底层主节点都有机会成为超级节点,参与挖矿和监督工作。


主节点由人工智能的聚类算法分为 32 组。每个组内,由主节点的计算结果随机产生出 1 个超级节点。这样既具有一定的随机性,每个选举周期都更换分组,避免像 EOS 的财阀统治和串通;又尽量让更匹配相近的节点成为同组,在超级节点不能提供全部算力而进行逐级分发时,下级节点可以更好的处理同一任务。


负责挖矿的超级节点并非像 EOS 依次打包交易,而是使用随机且公平的 POW 机制进行算力竞争。监督节点的投票可以做出最终的区块生成调整和监督,但正常情况下,这些监督节点不会起到任何作用,也不会发起有着固定成员的仲裁委员会。


2) 性能方面,MATRIX 目前已经可以实现 1000~2000TPS,实验室环境下能实现 5 万 TPS。目前 VISA 的性能是 2.5 万 TPS 左右,所以 5 万的 TPS 足够满足落地应用的需求。理论上可以到达百万 TPS 级别,但受制于现实中的带宽瓶颈所有项目都无法实现这一目标,所以很难将这些结果与其它项目横向比较。


MATRIX 是基于人工智能的 Hyper Pow 共识机制达成高并发的效果,整体架构是路由器模式。




需要的算力可以逐级分发,既保证了算力的稳定输出,也避免了超级节点可能存在的性能不足或腐败等问题,像 EOS 这样的系统需要强大的超级节点来保证性能,所以难以避免此类问题。


3)安全性方面,首先 MATRIX 具备黑暗守护机制,每个节点都可以监督超级节点(包括挖坑和监督节点)。这是类似于“朝阳群众”的设计,利用民间监管来对抗腐败被认为非常有效。一旦发现有超级节点作恶,底层节点就可以举报,并由通过全网共识机制判断举报的可靠性。如果举报属实,举报节点还可以获得相应的奖励。


另外,还有基于人工智能的形式验证技术,可以理解为区块链的杀毒软件。在智能合约的形成过程中,该技术会主动去发现代码与合约漏洞。同时还能生成对抗网络,通过不断的自我攻击来发现是否存在系统漏洞。


4)作为激励,主节点参与竞选抵押的代币还可以享受到 3%年化的利息。负责挖坑的超级节点会享有大量的挖坑奖励和少量参与奖励;负责监督的节点也会获得等量参与奖励。当挖坑节点提供不了的算力由本组内下级节点支持时,出力的底层节点也会分享到相应的奖励。


MATRIX 本身在软硬件的结合、人工智能的利用和输送、区块链应用的开发和扶持等方面还有很多精妙的设计。仅从共识机制这一点,已经能看出它是切实将人工智能融入到区块链网络系统内,去弥补去中心化和性能间平衡的问题。虽然整个项目还未达到尽善尽美的状态,但这代表了正确的方向和趋势,值得关注它的进一步发展。


查看英文原文:[https://medium.com/@matrixainetwork/eoss-decentralized-social-experiments-and-matrix-s-decentralized-practices-a53d9f05667f


公众号推荐:

跳进 AI 的奇妙世界,一起探索未来工作的新风貌!想要深入了解 AI 如何成为产业创新的新引擎?好奇哪些城市正成为 AI 人才的新磁场?《中国生成式 AI 开发者洞察 2024》由 InfoQ 研究中心精心打造,为你深度解锁生成式 AI 领域的最新开发者动态。无论你是资深研发者,还是对生成式 AI 充满好奇的新手,这份报告都是你不可错过的知识宝典。欢迎大家扫码关注「AI前线」公众号,回复「开发者洞察」领取。

2018-12-12 15:406517

评论 1 条评论

发布
暂无评论
发现更多内容

在Go中使用Arm的SIMD指令

geange

Go 汇编 neon arm64

小白也能基于OpenAI搭建自己的英语学习工具

派大星

openai

Apache IoTDB v1.1.1/v1.1.2 发布|增加 ZSTD 压缩,show variables 增加时间精度

Apache IoTDB

IoTDB Apache IoTDB

ChatPaper全流程加速科研:论文阅读+润色+优缺点分析与改进建议+审稿回复

汀丶人工智能

人工智能 自然语言处理 nlp chatpaper

不用再写FlinkSQL了,使用开源XL-LightHouse轻松实现海量数据实时统计

feng

大数据 流式计算 流式大数据统计 流式统计 企业数据化运营

MySQL5.7和MySQL8.0的区别是什么?

百度搜索:蓝易云

云计算 Linux 运维 MySQL 5.7 MySQL 8.0

PoseiSwap:通过 RWA 的全新叙事,反哺 Nautilus Chain 生态

EOSdreamer111

PoseiSwap:通过 RWA 的全新叙事,反哺 Nautilus Chain 生态

鳄鱼视界

javascript数组基础

timerring

JavaScript

平台工程动态 MonthlyNews 2023-7

杨振涛

云原生 研发效能 平台工程 开发者体验 内部开发者平台

时序数据库 TDengine 被帆软纳入数据源,可视化方案多样化

爱倒腾的程序员

数据库

2023-07-31:用r、e、d三种字符,拼出一个回文子串数量等于x的字符串。 1 <= x <= 10^5。 来自百度。

福大大架构师每日一题

福大大架构师每日一题

远程控制软件安全吗?一文看懂ToDesk、RayLink、TeamViewer、Splashtop相关安全机制

颜淡慕潇

安全 远程控制 远程桌面工具 ToDesk

大会议程正式公布 华为开发者大会看点前瞻

Geek_2d6073

静态分析全解析:助力高质量软件开发,降低成本风险

龙智—DevSecOps解决方案

静态分析 静态代码分析 静态代码分析工具

​加速大规模团队创新,开发安全、可靠、合规的汽车软件

龙智—DevSecOps解决方案

ACT汽车电子与软件技术周 汽车电子与软件技术周

Sprint Boot学习路线2

小万哥

Java spring Spring Cloud Spring Boot 后端

Requests+Etree+BeautifulSoup+Pandas+Path+Pyinstaller应用 | 获取页面指定区域数据存入html、excel文档

Python pandas pyinstaller requests BeautifulSoup

惊喜!1行Python代码,瞬间测你工作量,分享一个统计代码行数的神器

程序员晚枫

Python GitHub 开源项目 工作量

中文多模态医学大模型智能分析X光片,实现影像诊断,完成医生问诊多轮对话

汀丶人工智能

人工智能 自然语言处理 计算机视觉 多模态大模型

云原生大数据平台CloudEon V1.1.0版本发布!

CloudEon开源

大数据 云原生 容器化

C++异步编程开源项目Workflow三岁啦 \^0^/

1412

开源项目 异步编程 异步任务编程 workflow C++

柴洪峰院士:大模型赋能金融科技思考与展望

NLP资深玩家

人工智能 金融科技 大模型 WAIC

北岩律师事务所:50000余家客户的选择,全国首家专注大消费领域的精品律所

联营汇聚

配置 Sublime Text4为 C++ 编辑器的方法

智趣匠

【Linux工具】yum和gdb详细使用教程。

百度搜索:蓝易云

云计算 Linux 运维 yum 云服务器

ShareSDK 国外平台登陆返回参数

MobTech袤博科技

前端 App

人工智能如何应对 DevOps 监控和可观测性挑战

SEAL安全

人工智能 DevOps 运维

金蝶管易云 X Hologres:新一代全渠道电商ERP最佳实践

阿里云大数据AI技术

ERP

在 Amazon DocumentDB 里处理 Decimal128类型数据的解决方案

亚马逊云科技 (Amazon Web Services)

PoseiSwap:通过 RWA 的全新叙事,反哺 Nautilus Chain 生态

威廉META

EOS和MATRIX共识机制对比_区块链_MATRIX_InfoQ精选文章