预言机、预言机网络、预测市场

2024-04-03 05:18
文章标签 市场 网络 预测 预言

本文主要是介绍预言机、预言机网络、预测市场,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!

阅读本文需要以下知识储备

1、理解区块链的基本原理

2、了解智能合同和共识机制概念

我很好奇,在区块链的网络体系下,如何与外部世界(传统互联网系统)进行数据交换,简而言之,区块链体系内的智能合同如何与传统互联网系统进行数据共享和交换?

假设在区块链体系的租房APP上,租客与房东达成了租赁协议,其中有一个智能合同规定,在退房时,如果租客弄坏了客厅的小米9A电视,则需要按退房当天小米官方的价格原价赔偿。转眼到了退房的那一天,租客在APP上点击一键退房,APP自动下发指令让客厅的小米9A电视自检(确认是否损坏),因为租客在使用过程中,确实弄坏了小米电视,导致自检结果触发了智能合同中的赔偿条款,很不巧的时,当天小米天猫旗舰店正在做活动,比小米商城要便宜300元,此时智能合同赔偿金额要以哪个价格为准?

按照我们传统的思路,智能合同会发起一个外部请求给第三方小米(假设小米提供了一个外部查询接口),然后根据这个接口返回的价格,执行智能合同,但这样做会遇到以下问题:

1、由于区块链是基于共识机制的系统,假设有10000个矿工,需要矿工们对赔偿额度(小米电视9A的价格)达成一致,才能有效执行,而每个矿工的智能合同是独立执行的,这样10000个矿工就会分别向小米系统发送价格查询请求,不仅效率低下,还会形成巨大的资源浪费。

2、如果矿工的网络状况各不相同,造成延迟,一旦小米官方的价格正好有波动,就会导致矿工们获取到的价格各不相同,无法形成共识。

预言机
在上述例子中,还存在一些问题,比如第三方小米提供的数据可靠吗?会不会被恶意篡改过?为了解决这些疑问,预言机(Oracle,注意不是甲骨文数据库)的概念诞生了。预言机是一种可信任的实体,它通过签名引入关于外部世界状态的信息,从而允许确定的智能合约对不确定的外部世界作出反应。预言机具有不可篡改、服务稳定、可审计等特点,并具有经济激励机制以保证运行的动力。这样理解起来确实很烧脑,不过结合上面的例子还是很容易理解。

假设现在有一个第三方系统(预言机)可以提供权威准确、不可篡改、稳定、并可接受审计的价格查询接口,包括查询小米9A电视的价格,在执行赔偿智能合约时会自动触发该预言机,向区块链发送一笔交易,交易的数据块携带了小米电视9A的价格,随着每个矿工节点区块的同步,就保证了价格完全一致。

换一种解释,预言机整个完整的工作流程是这样的,首先预言机从小米官方获取小米9A的电视价格,然后向特定区块链上的地址进行转账,并将价格信息写入交易备注,这样智能合约只需要查看特定地址的交易记录,就可以获取小米9A的价格了。而由于区块链会自动同步存储包含交易的区块,所以智能合约几乎只需要访问本地就能得到价格信息。既保证了访问效率,又保证了价格的一致性。

总的来说就是由预言机(第三方)将数据推送给区块链,而不需要智能合约主动向第三方拉取数据。

预言机网络
在绝大部分情况下,一台预言机已经足够,但在处理重大资产时,常常一台预言机并不能保证完全可靠,有人提出了多台预言机的解决方案,比如设置5台预言机,如果其中有3台或3台以上给出的价格一致,则向区块链发起一笔携带此价格备注的交易。这种由多台单一预言机组成的多重模型又被称为预言机网络。

而这两种不同形态的预言机模型,也被分别称为单一模型和多重模型(预言机网络)。

预测市场
如果说预言机和预言机网络是数据的搬运工,那么预测市场则可以给智能合同提供未来准确的数据。

假设今天晚上在天河体育中心举行世界杯决赛,所有的直播和赛事数据都来自于CCTV5,却没有人能保证CCTV5的网站不被攻击,或者出现无法访问等各种意外情况,而一旦出现这些意外将造成严重的后果,在这种情况下,我们就可以运用预测市场的技术。

预测市场的最终数据从哪里来呢?数据来自于人,而非机器,比如那些博彩,下注,竞猜等一切与比赛结果相关,并捆绑了自身利益的人,都可以成为预测数据的提供者,因为他们捆绑了自身利益,他们不会牺牲自身利益提供虚假数据,从而有效地保证了数据的可靠性和真实性。

预测市场和预言机的功能和目的完全一致,都是为了给智能合约提供可靠的外部数据,他们的核心价值都是解决信任,促成共识,最终保证了区块链与外部世界的连接。他们提供了一个桥梁,让区块链实现了“世界那么大,我想去看看”的愿望。

转载来自https://www.jianshu.com/p/4ce703c29db3

这篇关于预言机、预言机网络、预测市场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/871990

相关文章

Java实现任务管理器性能网络监控数据的方法详解

《Java实现任务管理器性能网络监控数据的方法详解》在现代操作系统中,任务管理器是一个非常重要的工具,用于监控和管理计算机的运行状态,包括CPU使用率、内存占用等,对于开发者和系统管理员来说,了解这些... 目录引言一、背景知识二、准备工作1. Maven依赖2. Gradle依赖三、代码实现四、代码详解五

Linux 网络编程 --- 应用层

一、自定义协议和序列化反序列化 代码: 序列化反序列化实现网络版本计算器 二、HTTP协议 1、谈两个简单的预备知识 https://www.baidu.com/ --- 域名 --- 域名解析 --- IP地址 http的端口号为80端口,https的端口号为443 url为统一资源定位符。CSDNhttps://mp.csdn.net/mp_blog/creation/editor

ASIO网络调试助手之一:简介

多年前,写过几篇《Boost.Asio C++网络编程》的学习文章,一直没机会实践。最近项目中用到了Asio,于是抽空写了个网络调试助手。 开发环境: Win10 Qt5.12.6 + Asio(standalone) + spdlog 支持协议: UDP + TCP Client + TCP Server 独立的Asio(http://www.think-async.com)只包含了头文件,不依

poj 3181 网络流,建图。

题意: 农夫约翰为他的牛准备了F种食物和D种饮料。 每头牛都有各自喜欢的食物和饮料,而每种食物和饮料都只能分配给一头牛。 问最多能有多少头牛可以同时得到喜欢的食物和饮料。 解析: 由于要同时得到喜欢的食物和饮料,所以网络流建图的时候要把牛拆点了。 如下建图: s -> 食物 -> 牛1 -> 牛2 -> 饮料 -> t 所以分配一下点: s  =  0, 牛1= 1~

poj 3068 有流量限制的最小费用网络流

题意: m条有向边连接了n个仓库,每条边都有一定费用。 将两种危险品从0运到n-1,除了起点和终点外,危险品不能放在一起,也不能走相同的路径。 求最小的费用是多少。 解析: 抽象出一个源点s一个汇点t,源点与0相连,费用为0,容量为2。 汇点与n - 1相连,费用为0,容量为2。 每条边之间也相连,费用为每条边的费用,容量为1。 建图完毕之后,求一条流量为2的最小费用流就行了

poj 2112 网络流+二分

题意: k台挤奶机,c头牛,每台挤奶机可以挤m头牛。 现在给出每只牛到挤奶机的距离矩阵,求最小化牛的最大路程。 解析: 最大值最小化,最小值最大化,用二分来做。 先求出两点之间的最短距离。 然后二分匹配牛到挤奶机的最大路程,匹配中的判断是在这个最大路程下,是否牛的数量达到c只。 如何求牛的数量呢,用网络流来做。 从源点到牛引一条容量为1的边,然后挤奶机到汇点引一条容量为m的边

从戴尔公司中国大饭店DTF大会,看科技外企如何在中国市场发展

【科技明说 | 科技热点关注】 2024戴尔科技峰会在8月如期举行,虽然因事未能抵达现场参加,我只是观看了网上在线直播,也未能采访到DTF现场重要与会者,但是通过数十年对戴尔的跟踪与观察,我觉得2024戴尔科技峰会给业界传递了6大重要信号。不妨简单聊聊:从戴尔公司中国大饭店DTF大会,看科技外企如何在中国市场发展? 1)退出中国的谣言不攻自破。 之前有不良媒体宣扬戴尔将退出中国的谣言,随着2

SprinBoot+Vue网络商城海鲜市场的设计与实现

目录 1 项目介绍2 项目截图3 核心代码3.1 Controller3.2 Service3.3 Dao3.4 application.yml3.5 SpringbootApplication3.5 Vue 4 数据库表设计5 文档参考6 计算机毕设选题推荐7 源码获取 1 项目介绍 博主个人介绍:CSDN认证博客专家,CSDN平台Java领域优质创作者,全网30w+

配置InfiniBand (IB) 和 RDMA over Converged Ethernet (RoCE) 网络

配置InfiniBand (IB) 和 RDMA over Converged Ethernet (RoCE) 网络 服务器端配置 在服务器端,你需要确保安装了必要的驱动程序和软件包,并且正确配置了网络接口。 安装 OFED 首先,安装 Open Fabrics Enterprise Distribution (OFED),它包含了 InfiniBand 所需的驱动程序和库。 sudo

【机器学习】高斯网络的基本概念和应用领域

引言 高斯网络(Gaussian Network)通常指的是一个概率图模型,其中所有的随机变量(或节点)都遵循高斯分布 文章目录 引言一、高斯网络(Gaussian Network)1.1 高斯过程(Gaussian Process)1.2 高斯混合模型(Gaussian Mixture Model)1.3 应用1.4 总结 二、高斯网络的应用2.1 机器学习2.2 统计学2.3