Adaptive IBC :异构链互操作性的颠覆者

2023-12-16 15:12

本文主要是介绍Adaptive IBC :异构链互操作性的颠覆者,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2024年第一季度,隐私协议 Secret Network 将会使用 Octopus Network 基于 Adaptive IBC 技术路线开发的 NEAR IBC,实现与 NEAR Protocol 之间将会实现首次跨链交互,这同样是 Cosmos 生态与 NEAR 之间的首次连接。整个加密世界正在成为一个越来越紧密的区块链互联网络(Internet of Blockchain)。

Octopus Network 提出的 Adaptive IBC 技术路线有 2 个突出贡献:

1、Adaptive IBC 可自适应 NEAR 、Polkadot、Ethereum 等各种不同共识机制的区块链,突破了异构链 IBC 的可扩展性瓶颈。

2、Adaptive IBC 可以自适应验证技术的进步。一旦有更先进的轻客户甚至更好的共识证明机制,比如ZK技术有所突破,我们都可以很方便的替换新的轻客户端甚至代理链。

香港时间11月22日凌晨0点 ,Secret Network 和 Octopus Network 两个硬核技术团队围绕多链网络的跨链需求以及背后的价值和前景进行了深入交流,思想碰撞精彩纷呈,也让两个社区之间有了更深度的了解。

内容有所删减,完整内容可移步Youtubehttps://www.youtube.com/watch?v=4igxa0m8HqE&t=1s 

章鱼网络是全世界第一个在非 Cosmos 区块链上实现 IBC 的团队(Substrate IBC),经过将近 3 年的实践,章鱼网络核心团队找到了一条可以突破了 IBC 可扩展性瓶颈的技术路线,并且具备灵活性高、适应性强的技术特点,铸就了章鱼网络的独特技术:Adaptive IBC,这使得章鱼网络在异构链 IBC 的工作方向上处于领先的位置。

隐私协议 Secret Network 是第一个也是运行时间最久的隐私计算区块链,旨在通过构建 Web3 的隐私中心,为不同的隐私需求,运用不同的技术从而构建不同等级的隐私方案,从而让每个人都可以选择自己在区块链上共享的内容。Secret 使用默认保护用户隐私数据的智能合约,您可以选择分享内容、与谁分享以及如何分享。

章鱼网络独特的多链网络理念 

1、Patrick @Secret Network 基金会合作伙伴负责人:让我们从了解章鱼网络开始吧,毕竟 Secret Network 社区很多人并不了解 Octopus Network

Louis @章鱼网络创始人:Octopus Network 是一个围绕 NEAR 协议构建的多链网络。

最初,和许多区块链开发者和研究人员一样,我们也试图解决区块链不可能三角,这意味着在保持安全性和去中心化的同时,打破可扩展性瓶颈。我们认为可以通过多链网络的方式进行扩容:区块链可以针对特定的应用场景进行定制,从而构建出具有特殊功能或能力的链,包括应用链、Oracle 链、隐私计算链、存储链,甚至 AI 计算链。然后,再通过一个开放协议,将这些链连接成一个网络。只有这样,我们才能从根本上打破了性能和可自定义性的瓶颈。

在多链网络领域,是 Cosmos 最早提出了多链网络概念,但是我们的架构逻辑与 Cosmos 并不相同。

章鱼网络认为区块链互联网,应该围绕公链进行构建,所有应用链及专用区块链都可以共享公链的安全性,即共享公链的去中心化信任。然后所有专用区块链都可以将其资产和交易的流动性汇聚到这个中心,这不是强制过程,但考虑到流动性的网络效应,很可能最终就是这种情况,我们将这个多链网络枢纽的设计理念称之为「FatHub 胖枢纽」,这显然与 Cosmos 中心的枢纽极简主义完全相反。

章鱼网络的建设大约从3年前开始,我们选择了 NEAR Protocol 作为 FatHub,随后在 NEAR 上构建了一套优雅的智能合约,负责将 NEAR 的安全性共享给其他专用区块链,并且为其提供跨链互操作的基础设施服务。我们的主网在2021年10月上线。至今章鱼多链网络生态内有5条应用链,从 NEAR Protocol 共享安全性,并且基于 NEAR DeFi 实现资产交易等。

以上,就是我们迄今为止的旅程。 

2、Patrick:Octopus Network 是不是要把 NEAR Protocol 打造成多链网络的中心枢纽?类似在 Cosmos SDK 区块链中间的Cosmos Hub ? 

Louis:是的,我们试图在 NEAR 生态内模仿 Cosmos 的拓扑结构。我们将高性能的分片公链 NEAR Protocol 作为核心枢纽。与此同时,从 NEAR 基金会的角度来看,Octopus Network 是 NEAR 作为公链的一个补充,章鱼构建的多链网络基础设施,可以吸引到应用链开发者,帮助 NEAR 为 Web3 开发者提供更加多样化的服务。

Adaptive IBC
异构区块链互操作性的颠覆者
 

3、Patrick:Octopus Network 还提出了全新的 Adaptive IBC,可以帮我们了解更多信息吗? 

Louis:从一开始,我们就相信开放、通用的互操作协议是区块链互联网的核心和灵魂。Cosmos 提出的 IBC 协议我认为是跨链的黄金协议。3年前我们就与 Interchain Foundation (ICF) 签订开发 Substrate IBC 的协议,这甚至比章鱼网络项目启动的时间都早。也就是说,章鱼网络是全世界第一个在非 Cosmos 区块链上实现 IBC 的团队(Substrate IBC)。当然我们不是唯一致力于异构 IBC 开发的团队,据我所知还有 Composable Finance、Data Chain 和 Polymer 等等团队,都很认可异构链 IBC 的价值。我们不是竞争对手,我们都认可区块链互联网的愿景并努力以自己的方式为开源社区做出贡献。

早期在 Octopus 1.0 阶段,我们的共享安全服务,只支持基于 Substrate 架构构建的应用链。在我们即将上线的 Octopus 2.0 已经可以支持基于 Cosmos SDK 的区块链,所以,我们同时要确保 NEAR Protocol 拥有强大的互操作性基础设施服务,来与 Cosmos 区块链进行配合。于是我们启动了 NEAR IBC 的工作,并且提出了 Adaptive IBC 的技术理念,旨在打破 IBC 的可扩展性瓶颈。

IBC 协议的独特之处就在于轻客户端的设计,这使其无需信任即可完成跨链。然而,也正是轻客户端让 IBC 协议在扩展到 Cosmos 之外的区块链时变得非常有挑战。因为 Cosmos SDK 在设计其共识机制的时候,就考虑到了轻客户端。Tendermint 从一开始就被设计成一个支持区块链互联网的共识协议,所以对轻客户端的支持非常好,但是其他协议的共识机制在构建之初并没有为 IBC 这套跨链机制留下空间,所以就延伸出很多问题和挑战。 

4、Lisa-Secret Network 基金会执行董事:所以 Adaptive IBC 就是在弥补那些早期对互操作性方面的设计缺陷对吗?

Louis:正是如此。将 IBC 扩展到非 Cosmos 区块链非常具有挑战性。尽管除了 Cosmos 链之外,还有许多团队在致力于 IBC 的实现,但 Cosmos 与其他区块链之间还没有被广泛采用的 IBC 跨链方案,主要就是因为轻客户端的实现难度和使用成本。我们需要一个更好的、经过充分测试的链上轻客户端,并且对于普通用户交互来说,其跨链验证成本是合理的。

三年来,我们一直在探索最佳的解决方案,最终,我们提出了「Adaptive IBC 」解决方案。

原生 IBC 是利用目标链的轻客户端验证来自源链的跨链消息。然而,这种链上轻客户端要么运行成本太高,要么难以实现,所以在大多数情况下, Cosmos 链内都没有可以验证其他区块链共识的轻客户端,比如没有验证 NEAR Protocol 共识机制的轻客户端。

我们的解决方案是将这个轻客户端从目标链带到第二条链上,我们称之为代理链。我们不在目标链上运行链上轻客户端,而是在具有更好的成本结构、更低 gas 费和更好可扩展性的代理区块链上运行轻客户端。轻客户端将在代理区块链上验证跨链消息,并提供这些消息代表源链上事件的证据。即便引入了第三方,这套方案仍然是无需信任和去中心化的,因为这个第三方的代理链,也是一个高安全等级的去中心化协议。代理链负责验证跨链消息的完整性和有效性,并提供证明。目标链只需要使用高性价比的方法验证这个证明,就可以实现安全的跨链。

我们之所以为其命名为 Adaptive,即自适应,是有两层意思:

第一,这种架构可以适应 NEAR 、Polkadot、Ethereum 等各种不同共识机制的区块链。Adaptive IBC 的第一个生产环境的实现是 NEAR,同时我们也计划让这种架构覆盖更多其他区块链。

第二,Adaptive IBC 可以自适应验证方法迭代和进步。一旦我们有一个可直接在目标链上验证跨链消息的可靠的轻客户端,我们可以构建一个频道,用更先进的链上轻客户端替换这个代理链的轻客户端;或者当我们有一个更好的ZK 共识证明方案,我们也可以用一个ZK桥来替换这个代理链。所以 Adaptive IBC 技术路线是可以兼容和适应技术的不断进步。

5、Patrick:所以 Octopus Network 将 NEAR 打造成了一个互操作枢纽,然后连接各种不同的链?

Louis:是的,我们通过 Adaptive IBC 帮助 NEAR 连接许多其他区块链,首先是基于 Cosmos 的区块链。NEAR  IBC 是开源的,是 Octopus Network 为 NEAR 生态贡献的公共服务,我们没有设计任何价值获取机制。

6、Lisa:我很好奇 Adaptive IBC 的下一步计划会是什么呢?

Louis:大概率会先去连接以太坊。不仅仅是我们,还有许多团队在研究以太坊 IBC 或 EVM IBC。我认为来自日本的 Data Chain 团队做出了很大贡献,但最困难的部分仍然是轻客户端验证。通过我们的 Adaptive IBC 技术路线,我认为 Octopus 有很大的机会,在以太坊和其他支持 IBC 的区块链之间,成为第一个为用户提供可负担得起的 IBC 跨链体验的团队。

7、Patrick:这就是 Octopus Network 这个名字的来历吗?就像章鱼有许多触手连接许多不同的区块链?

Louis:是的。章鱼是一个神奇的生物,它们在每一只手臂上都有神经单元,本质上每一条触手都可以独立思考。我们喜欢这种天然的去中心化形式。 

Secret Network 构建 Web3 的隐私中心

8、Vivi-Web3 Advocate:Secret Network 团队为什么决定使用 Adaptive IBC ?与章鱼网络的合作关系对 Secret Network 而言意味着什么? 

Alex-SCRT Club CEO:在过去的几个月中,我们意识到 Secret Network 需要向更多区块链提供我们独特的功能。现在区块链可能比应用还多,每天都在出现新的 L1 区块链,每一个都有自己独特的特性。最终,Web3 应用大概率会转移到同一个区块链上比如 EVM 生态,因为很难想象它们会同时运行在所有区块链上。但 Solana、 Cosmos 和 NEAR 上依然是不可忽视的。我们相信,最终留下来的 L1 都会有自己的专长,比如速度、性价比、安全性以及 Secret 提供的隐私。隐私计算不仅是我们独特的功能,我们同时也是最早启动、运行时间最长的隐私计算区块链,所以我们在这个领域有巨大的领先优势。

最初,我们也许有将所有应用带到 Secret Network 上运行的想法。然而,我们意识到这可能是一个乌托邦,或者在当初看起来是可行的,但是现在已经绝不会发生了。所以,我们的重点转移到将隐私计算带给所有人,这意味着要让各种区块链上的开发者能够在应用程序设计和开发的时候重视隐私保护。正如 Louis 刚才提到的,在不同共识机制下的区块链之间进行连接是有挑战的。最近,随着诸如 Octopus、Wormhole 和 Axelar 等桥梁解决方案的出现,Secret Network 团队认为,跨链互操作的基础设施的可用性已经越来越强。

当我们与章鱼网络开始沟通的时候,我们意识到这将是扩展到 NEAR 生态很难得的一个机会。在此之前,EVM 生态是我们的主要目标。当然这对我们仍然非常重要,我们正在努力吸引那里的开发者。但是现在,通过这项合作,我们有了另一个可以开展工作的网络。在参加 NEARCon 并且深度接触了NEAR 生态及其社区后,我们看到一个非常活跃的生态系统,有很多不同的应用。

从本质上说,这项合作与我们的整体扩张战略以及向所有地方的开发者提供 Secret 隐私计算能力的战略是一致的,无论是以太坊、 NEAR 还是其他链,这就是我们非常高兴与 Octopus 合作原因, 并且积极的进行 Secret Network 主网升级,因为 NEAR IBC 的集成,需要Secret 主网拥有更高版本的 IBC Go 组件,这也是完成集成的时间定在 2024 年第一季度的原因

9、Vivi:Secret Network 连接到 NEAR 以后,会带来什么样的成果吗?

Alex:使用 Adaptive IBC 的第一阶段只是实现资产桥接,这只是跨链价值的一半,但这是很好的一半。这将允许 NEAR 生态的项目可以实现保护隐私的支付和保护隐私的 DeFi 操作,允许 Secret Network 上的 DEX 以保护隐私的方式交易 NEAR 上的资产,并且防止任何抢跑或窥探。

然后第二阶段我们希望能够实现跨链的消息传递。这是我们的主要目标,就是让 NEAR 上的应用能以公开透明的方式在链上存储隐私信息,然后基于 Adaptive IBC 跨链传递加密消息,存储和检索隐私数据,并在 Secret Network 的智能合约上执行隐私计算。

Louis:是的,在第一个阶段资产转移完成后。章鱼网络将与 Secret Network 团队合作,追求 NEAR 与 Secret Network 之间实现通用消息传递。因为 IBC 是一套分层协议,可以在传输信道上添加通用消息层,据我所知,Axelar 甚至可以在连接存在的情况下使用 IBC 作为传输层。所以只要我们共同努力,一定可以实现消息的跨链传递。

10、Vivi:能不能分享一下在 AI 技术突飞猛进的今天,Secret 在隐私方面有什么计划?

Alex:这是一个巨大的话题,我不确定自己能不能以一种专业但有趣的方式回答这个大主题,但我可以简单说说我的看法:首先AI 基本上由两件事组成,一个是模型,也就是某种算法,另一个就是训练这个算法的源数据,两者同样重要。

如果让 AI 在具有某种世界观或者立场的内容里进行学习和训练,那么 AI 就会倾向那个方向,这非常危险。但是企业在用数据训练 AI 时,这种潜在的偏见可能很难监测到。事实上,今天我们并不真正知道 OpenAI 是在什么数据上进行训练的,我也不认为他们会公开披露这些内容,也无法确定其中是否存在偏见。

可以确定的是,区块链可以帮助建立用于训练的内容的事实依据,隐私计算区块链可以记录用于训练 AI 的内容,可以实现这些数据的选择性披露,在保密的同时仍然可以将其共享给其他人,或者公开给审计员或者政府机构,以确保不存在偏见。这是人工智能或者说人类可以从区块链中受益的方式。

免责声明:本文仅供参考,不得被用作法律、税务、投资、理财或任何其他建议。

这篇关于Adaptive IBC :异构链互操作性的颠覆者的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/500911

相关文章

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

COD论文笔记 Adaptive Guidance Learning for Camouflaged Object Detection

论文的主要动机、现有方法的不足、拟解决的问题、主要贡献和创新点如下: 动机: 论文的核心动机是解决伪装目标检测(COD)中的挑战性任务。伪装目标检测旨在识别和分割那些在视觉上与周围环境高度相似的目标,这对于计算机视觉来说是非常困难的任务。尽管深度学习方法在该领域取得了一定进展,但现有方法仍面临有效分离目标和背景的难题,尤其是在伪装目标与背景特征高度相似的情况下。 现有方法的不足之处: 过于

AUTOSAR Adaptive与智能汽车E/E架构发展趋势

AUTOSAR Adaptive是一个面向现代汽车应用需求的标准,特别适用于那些需要高计算能力和灵活性的应用。以下是AUTOSAR Adaptive的典型特性: 高计算能力:AUTOSAR Adaptive支持使用MPU(微处理器),这些处理器的性能与PC或智能手机中的处理器相当。这样的高计算能力是实现半自动驾驶和其他复杂功能所必需的。动态更新和管理:AUTOSAR Adaptive的架构允

【Python机器学习】机器学习任务中常见的数据异质问题和模型异构问题是什么?解决策略是什么?

文章目录 数据异质模型异构 数据异质 数据异质问题(Heterogeneity in data)通常指数据集内部的不一致性,这些不一致性可能来自多种源。在实际应用中,数据异质性可以表现为多种形式,包括: 不同来源的数据:数据可能来自不同的数据源,每个源可能采用不同的数据收集方法和标准。例如,社交媒体数据和传统调查数据就可能有很大的差异。 不同类型的数据:数据可以是结构化的

Learning Policies for Adaptive Tracking with Deep Feature Cascades

Learning Policies for Adaptive Tracking with Deep Feature Cascades ICCV17 shotlight 作者:Chen Huang, CMU postdoctor,导师 Deva Ramanan summary 文章主要贡献在于速度与精度的权衡(AUC 0.638,fps 23),通过强化学习策略,来控制网络的深度,使得精度和

GNN-第三方库:DGL【图神经网络框架,支持对异构图的处理,开源相关异构图神经网络的代码,在GCMC、RGCN等业内知名的模型实现上也取得了很好的效果】

一、DGL库的实现与性能 实现GNN并不容易,因为它需要在不规则数据上实现较高的GPU吞吐量。 1、DGL库简介 DGL库的逻辑层使用了顶点域的处理方式,使代码更容易理解。同时,又在底层的内存和运行效率方面做了大量的工作,使得框架可以发挥出更好的性能。 2、DGL库特点 GCMC:DGL的内存优化支持在一个GPU上对MovieLens10M数据集进行训练(原实现需要从CPU中动态加载数据

多场景建模: STAR(Star Topology Adaptive Recommender)

之前,分享了一篇关于多任务学习的文章:多任务学习MTL模型:MMoE、PLE,同样的还有关于多任务学习中的多目标loss优化策略。 这篇文章则开始一个与多任务学习有着紧密联系的系列:多场景建模学习。 前言 首先,讲一下多任务学习和多场景建模的区别: 多任务学习通常是聚焦于单独一个domain(场景、领域)内的不同任务的处理,即不同任务的label空间是不同的;而多场景建模则是关注于多个do

数仓数据异构方案

数仓学习|几种常见的数据同步方式_1.数据仓库数据同步的方式有哪两种方式-CSDN博客 总结 流程 异构数据(不同来源的DB业务数据) - > ODS  - > Hive 1,直连 概念 即直接连接到数据库,select,把查询的数据存到本地(本地应该指中间件本地)文件,然后把文件load到数仓中 弊端 1,时间越来越长,随着数据量的不断增加 2,性能,直接查询数据库,影响数据库

Apache Doris 采用了自适应查询执行(Adaptive Query Execution)技术

Apache Doris 通过自适应查询执行(AQE)和 Runtime Filter 技术,极大地增强了查询优化的灵活性和效率。AQE 能够根据实时的运行时信息动态调整查询计划,适应复杂多变的数据场景。而 Runtime Filter 则通过在查询执行过程中动态生成和应用过滤条件,显著减少了数据处理量和 I/O 开销,提升了查询性能。结合这两者,Apache Doris 能够在大规模数据分析中提

ATSS论文要点总结(Adaptive Training Sample Selection)

“ATSS” 全称为 “Adaptive Training Sample Selection”,意为自适应训练样本选择,相关论文的主要内容如下: 核心观点:在目标检测中,anchor-based 和 anchor-free 检测器性能差异的关键在于正负样本的定义方式。如果训练过程中使用相同的正负样本定义,两者性能将无明显差异。基于此,作者提出 ATSS 方法,根据目标的统计特征自动选择正负样本,