Vitalik深度参与,被给予厚望的Plasma究竟怎么样了?

在这里插入图片描述
上个月,我的同事 Ben Edgington写了一篇题为《以太坊协议的状态#1》的文章,他深入研究了以太坊基本协议在过去以及现在的进展和变化。

在这篇文章中,我将讨论有关Plasma的基本信息,以便读者更好地了解它的进展及未来。

Plasma的简介

我们经常会谈论到以太坊的第一层(layer 1)和第二层( layer 2)解决方案。正如Ben在他的文章中谈到的,第一层解决方案被构建到区块链本身的核心基础设施当中。而第二层解决方案(这也是我要讨论的),会建立在区块链顶层,它们不会改变区块链的任何规则。

Plasma是构建于以太坊协议之上的一种二层技术,它结合了智能合约和加密验证技术。总而言之,通过将交易从以太坊主链中脱离出来并进入一个“子”链,从而实现快速而廉价的交易。这些子链会定期汇报给主链,利用主链来解决任何争端(几乎像是高等法院)。主链将使用数学可验证的方法来处理争端,并用自己的资金奖励正确的一方。

关于Plasma的一个基本准则是安全性:你的资金将永远由你来控制,而不是任何其他人(公司或黑客无法窃取你的资金)。Plasma的一些应用包括去中心化的交易所(对等式资产交易所),可使商业生态系统更丰富的快速支付,以及有多对多模型资产转移要求的应用。

Vitalik Buterin最近说,将复杂的特性构建于区块链基础层是一个“坏主意”,他写道:

“因为平台必须不断面对新发现的技术改进而进行讨论、实现以及协调,这会导致高水平的治理开销,密集地将这些新特性添加到基础协议层,可能会导致以太坊变萧条。我们不应该仅仅依靠基础协议的改变来继续进步,我确实认为,随着区块链变得越来越成熟,基础层网络必然趋于稳定,而第二层(layer 2)网络将承担越来越多的持续创新和改变负担。”

在这里插入图片描述

Plasma的进展怎么样了?

Plasma白皮书[2017年 8月份]
Vitalik和Joseph Poon在2017年8月份发布了Plasma白皮书。在白皮书发布的时候,社区的反应有点混乱,但多数人的反应是兴奋的。不久后,OmiseGO项目就宣布将用Plasma来建立一个去中心化的交易所。

最小可用Plasma [2018年1月]
2018年1月份,Vitalik在Joseph Poon以及David Knott的帮助下,在ethresear.ch上发布了“最小可用plasma”的规范。Plasma MVP的目的是简化Plasma,提供以基本的安全性能,并让开发者快速地开发Plasma。在这个时间点,少数被选定的开发者被邀请加入一个名为“Plasma 实施者的视频会议”。从那开始,Joseph Poon和Karl Floersch每两周会在美国东部时间周三上午10:00开始进行一次视频会议。在这个视频会议里,参与者会讨论新的理论、提议,技术的可行性,或者唱唱生日歌之类的事。

Plasma Cash [ 2018年 3月份]
2018年3月份,Vitalik、Karl Floersch以及Dan Robinson三人共同发布了Plasma Cash,一般人们在提到Plasma Cash时,都会以“Plasma Cash就是Plasma”这种说法。Plasma Cash之所以会有Cash这个名字,是因为人们认为它的行为类似于现金,也就是说,它无法被分割或切割成不同的值。现在,我们有标准值计价的“纸币”,比如10美元、10美元、50美元以及100美元。而每一份存入到Plasma Cash智能合约的资金,会被视作“钞票”一样变得不可分割。Plasma Cash利用的是唯一的标识符,当你把以太币存入到一个Plasma合约时,该合约允许用户仅存储有关自己的币信息。但即使是这样,从用户的角度来看,存储的需求也可能是过度的,因为需要存储和维持不断增长的交易历史、包含证明以及非包含证明。

Plasma XT [ 2018年 5月份]
2018年5月份,Kelvin Fichter 在Dan Robinson、David Knott、 Joseph Poon、 Karl Floersch、Vitalik Buterin以及Justin Drake这6位大神的帮助下,推出了Plasma XT,这是一种使用密码经济聚合签名(Cryptoeconomic aggregate signatures)和检查点(checkpointing)技术的方案,它可以减少存储需求并保持最终结果。成功的检查点允许用户在检查点之前丢弃既往历史记录,从用户的角度,它显著减少了存储需求,因为检查点是被视为最终的,并且之前的交易无法被逆转或质疑。密码经济聚合签名技术,允许操作者使用位字段在提议的检查点上有效地从用户处获得签名。

Plasma Debit和更可行Plasma[ 2018年 6月份]
Plasma Cash的一个特性是,它无法被切割或合并。总的来说,这使得Plasma Cash难以成为一种支付转移管理机制。2018年6月份,Dan Robinson在Kelvin Fichter、Vitalik Buterin、Joseph Poon以及Karl Floersch的帮助下,推出了一种称为Plasma Debit的机制,这种机制允许可分割的金额交换。这个机制类似于用借记卡付款,因而以Plasma Debit为名。每一个Plasma Debit币,在当前币的所有者与操作者之间,基本上相当于一个双向支付通道(类似闪电网络的多重签名支付通道)。这允许操作者在任意数量的支付通道中记录微额交易。这种方法目前只适用于运行Plasma链的单操作者。

同样在2018年6月份,Kelvin Fichter 和 Ben Jones,在Vitalik Buterin、Li Xuanji、David Knott、Eva Beylin以及Kasima Tharnpipitchai的帮助下推出了更可行Plasma(More Viable Plasma),和最小可用Plasma一样,它也通常被简称为Plasma MoreVP,它是MVP的一个扩展版本,但是将退出优先级从输入年龄优先级重新组织为最小输入优先级,并删除了确认签名。

目前在ethresear.ch(以太坊研究组织)上面,已经有了100多个关于Plasma的讨论主题,如果你对Plasma解决方案有兴趣,你在那里可以找到很多有用的东西。如果你对这个领域很陌生,但是很想了解关于它的基础知识,learnplasma这个网站会是一个非常好的去处,它是由Kelvin Fichter创建并由社区维护的一个网站。

市场参与者

OmiseGO在今年一月初时开始用plasma-mvp进行开发。其通过Plasma技术为他们未来的支付网络构建一个去中心化的交易所。在七月份的一次更新中,他们声称自己已花了一些时间清理存储库,并准备将其转换为‘可用于黑客马拉松’级别的 Plasma MVP”,基本上,这意味着plasma-mvp会被用作一种学习工具。这样做的动机,是让更多的人了解Plasma,从而让更多的开发人员能够在Plasma的基础上快速构建原型和应用。

六月下旬时,Loom Network 发布了他们的Plasma Cash版本,以增强其NFT功能。Plasma Cash对于NFT而言是一个很好的用例,因为它们在Plasma链上提供了唯一的标识符,并且不需要资金的分割操作。Loom已经构建了一个PlasmaChain,其作为一个二层网络中枢,将多个侧链连接至以太坊网络,以允许更快、更便宜的通证交易。你可以在这里找到他们的报告:https://github.com/loomnetwork/plasma-cash

今年7月份,UjoMusic的Simon de la Rouviere写了一篇Plasma入门文章。

值的关注的Plasma实现

OmiseGO (MVP-Python, Cash-Python):

https://github.com/omisego/plasma-contracts https://github.com/omisego/plasma-mvp https://github.com/omisego/plasma-cash

Loom Network (Cash-Python): https://github.com/loomnetwork/plasma-cash

BankEX (MVP-JS): https://github.com/BANKEX/PlasmaParentContract https://github.com/BANKEX/PlasmaETHexchange

Blockchian @ Berekley (MVP-GO): https://github.com/FourthState/plasma-mvp-rootchain https://github.com/FourthState/plasma-mvp-sidechain

DeepBlockchain (Cash-N/A): https://github.com/wolkdb/deepblockchains

Lucidity Tech (Cash-JS): https://github.com/luciditytech/lucidity-plasma-cash

值的关注的plasma大神

– Joseph Poon (Plasma 作者) – Vitalik Buterin (Plasma 作者) – Karl Floersch (以太坊基金会) – David Knott (OmiseGO) – Kelvin Fichter (OmiseGO) – Dan Robinson (Chain) – Xuanji Li (L4 Ventures) – Georgios Konstantopoulos (Loom Network)

总结

Plasma是在不断发展的,它是美丽且令人兴奋的,开发人员可以用多种方式来实现它。Plasma本身不是一种产品,而是一种想法,一种规范,它指导开发人员如何考虑第二层技术,该技术不需要可信操作员来保证用户的资金。很多人可能会问了,“我们什么时候能够真正使用Plasma?”你很难找到能够给你答案的人。很多实现都有很长的路要走,特别是Loom Network和 OmiseGO。我们还有很多工作需要去做,特别是在用户体验方面,因为这些方案中有很多非常依赖于用户的积极参与,这样才能消除欺诈问题。

如果你能从本文中得到一些东西,那就是有很多优秀的开发人员在不断地推动区块链的可扩展性边界,从而提出安全、经济的可用解决方案。我们将会有各种解决方案,但是我们需要有条不紊地去做这些工作,以确保不会危及整个区块链社区。

原文:https://media.consensys.net/the-state-of-plasma-1-6b48c1e4b295
作者:Kevin Zhang
编译:洒脱喜
稿源(译):巴比特资讯(http://www.8btc.com/the-state-of-plasma)

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值