国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

一幅圖解釋區塊鏈結構

xietao3 / 1521人閱讀

摘要:先看比特幣的核心特點基于時間戳的鏈式區塊結構分布式節點間的共識機制基于共識算力的經濟激勵靈活可編程的智能合約機制。我認為區塊鏈的基礎技術兩點區塊鏈結構全網廣播機制。兩個小時后,將有一個攻擊時刻被散列在一個有個工作量證明的鏈中。

先看比特幣的核心特點:1)基于時間戳的鏈式區塊結構;2)分布式節點間的共識機制;3)基于共識算力的經濟激勵;4)靈活可編程的智能合約機制。

再來談區塊鏈的重要特性:1)去中心化、完全分布式;2)點對點;3)共識機制;4)加密算法。

我認為區塊鏈的基礎技術兩點:1、區塊鏈結構;2、全網廣播機制。

先看區塊鏈結構:

再說全網廣播機制:

“全網廣播”的前提問題是“拜占庭問題”(自行Google)

我們剛才講到礦工挖礦時說,當取得一個區塊的記賬權后,要向全網廣播,此時所有人都知道了這個區塊被占了,停止找哈希散列,開始以你這個區塊為前一個區塊,再次準備搶占鏈接的區塊。里面的信息也被記在了所有人的“賬本”上。

放在將軍身上就是,所有將軍們開始解題,題目的答案就是行動時間。當每個將軍接收到任何表達形式的第一個攻擊時刻時,他都會設置他的計算機來求解一個極其困難的“工作量證明”問題,對這個問題的解答是一個哈希(Hash)散列,里面也將包含著這次的攻擊時刻。由于這個“工作量證明”問題,非常難解,一般而言,就算所有人收到這個問題后同時求解,也至少需要10分鐘才能產生解答。一旦一個將軍解出了“工作量證明”,他將會把這個算出來的“工作量證明”向整個網絡進行傳播,每一個接收到的人,將在他們當前正在做的“工作量證明”計算的散列中附加上剛剛被求解出來的那個工作量證明。如果任何人正在計算他收到的其他的一個不同的攻擊時刻,他們將會轉向新的更新后的“工作量證明”計算當中,因為他現在的“工作量證明鏈”更長了。

兩個小時后,將有一個攻擊時刻被散列在一個有12個“工作量證明”的鏈中。每個將軍只要通過驗證(這條工作鏈的)計算難度,就能估算出平均每小時有多少CPU算力耗費在這上面,也就會知道:這一定是在分配的時間段內,絕大多數將軍的計算機共同協作才能生成的結果。如果“工作量證明鏈”中展示出來的算力足夠強大,那么他們就可以在一致同意的時間內安全地展開攻擊。

我再分享一個知乎的回答:https://www.zhihu.com/questio...


文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。

轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/24578.html

相關文章

  • Faster R-CNN理解

    摘要:為了不重新構建后續的網絡也沒必要重新構建最后的網絡,共享卷積層是最好的選擇。 一.簡介 在R-CNN中的roi都是獨自傳入到經過與訓練的CNN的分類器和box-regression中去造成了對應每個roi都要經過獨自的卷積操作十分耗時,Fast-RCNN解決了沒有共享卷積層的問題,但是他們共同使用的selective search的邊框生成方法過于復雜,成為了計算時間的一個瓶頸,因為F...

    Lorry_Lu 評論0 收藏0
  • 算法第四版4.1-無向圖詳解

    摘要:樹是一副無環連通圖。互不相連的樹組成的集合稱為森林。表示無向圖的數據類型圖的基本操作的兩個構造,得到頂點數和邊數,增加一條邊。該方法不符合第一個條件,上百萬個頂點的圖是很常見的空間不滿足。 四種重要的圖模型: 無向圖(簡單連接) 有向圖(連接有方向性) 加權圖(連接帶有權值) 加權有向圖(連接既有方向性又帶有權值) 無向圖 定義:由一組頂點和一組能夠將兩個頂點相連的邊組成。 特殊:...

    scola666 評論0 收藏0
  • 統一認證 - Apereo CAS 簡介

    摘要:在將臭未臭之前,我們趕緊把其中的統一認證這塊過一下。的歷史前面說了是耶魯大學實驗室的在年出的一個開源系統。這次我們先看看官網出的一幅圖,這張圖片介紹了的組成以及支持的各種協議,各種特性,不煩看看 為什么要做這個嘗試? 微服之道,方興未艾;農之來學者,蓋已千者! 這句是從《陶山集·太學案問》瞎改出來的。意思就是微服務的架構理念還在不斷地發展,現在整個啥都 言必出微服務,差點都到了 沒學...

    zhunjiee 評論0 收藏0
  • 淺析Node與Element

    摘要:坑當然,也有可能會遇到踩坑的現象。與的關系至于與的關系,從繼承方面講可能為清晰很多。總結是節點,其中包含不同類型的節點,只是節點的一種。繼承與,可以調用的方法。 起因 起因有二: 在看winter老師的分享:《一個前端的自我修養》時,有注意到這么一幅圖,里面有寫childNode和children屬性。showImg(https://segmentfault.com/img/remo...

    U2FsdGVkX1x 評論0 收藏0
  • 卷積為什么如此強大?理解深度學習中的卷積

    摘要:第二部分高級概念我們現在對卷積有了一個良好的初步認識,也知道了卷積神經網絡在干什么為什么它如此強大。 譯自Tim Dettmers的Understanding Convolution in Deep Learning。有太多的公開課、教程在反復傳頌卷積神經網絡的好,卻都沒有講什么是卷積,似乎默認所有讀者都有相關基礎。這篇外文既友好又深入,所以翻譯了過來。文章高級部分通過流體力學量子力學等解釋...

    kaka 評論0 收藏0

發表評論

0條評論

xietao3

|高級講師

TA的文章

閱讀更多
最新活動
閱讀需要支付1元查看
<