あらゆる優れた暗号通貨の背後には、優れたコンセンサス アルゴリズムが存在します。完璧なコンセンサス アルゴリズムはありませんが、それぞれにメリットがあります。暗号通貨の世界では、二重支払いを防ぐためにコンセンサスアルゴリズムが必要です。これは、ブロックチェーンから DAG まで、現在最も人気のあるコンセンサス アルゴリズムのいくつかを簡単に紹介したものです。
1. プルーフ・オブ・ワーク: POW (プルーフ・オブ・ワーク) 代表的なプロジェクト: BTC.ETH.BCH.LTC.Doge 利点: 現在最も安全なコンセンサスアルゴリズム デメリット: 成長期間が必要、スループットが遅い プルーフ・オブ・ワークは、最初のブロックチェーンのコンセンサスアルゴリズムでした。ビットコイン ブロックチェーンで使用するために Satoshi Nakamoto によって設計された PoW は、世界中で行われている大規模なマイニング作業と電力消費に寄与しています。しかし、業界の進化の現段階では、それは過去の技術と見なされ始めています。 Ethereum でさえ、PoW からよりエネルギー効率とコスト効率に優れた PoS に移行しています。世の中には多くの新しい選択肢があるため、新しいブロックチェーンがなぜ PoW を使用するのか理解するのは困難です。 PoW では、マイナーは無駄なパズルを解いてブロックを作成します。 PoW は「最長チェーンが勝つ」システムで動作します。したがって、ほとんどのマイナーが同じチェーン上で動作していると仮定すると、最も速く成長するチェーンが最も長く、最も信頼できるものになります。したがって、マイナーが行う作業の 50% 以上が正直である限り、ブロックチェーンは安全です。
2. プルーフ・オブ・ステーク:POS 代表的なプロジェクト: ETH2.0.Peercoin 利点: 攻撃コストが高い、エネルギー効率が良い、拡張性がある デメリット:完全な攻撃を受けた後、ブロックチェーンは簡単にその価値を完全に失う可能性がある。 PoS では、ブロックはマイナーの作業によって作成されるのではなく、マイナーが有効なブロックにトークンを「賭ける」ことによって作成されます。フォークの場合、ミンターはトークンを使ってどのフォークをサポートするか投票します。大多数が正しいフォークに投票すると仮定すると、間違ったフォークに投票したバリデータは「ステークを失う」ことになります。 プルーフ・オブ・ステークに対する一般的な議論は、「ステークするものがない」という問題です。懸念されるのは、バリデーターが PoW のように計算能力をほとんど消費しないため、バリデーターは発生するすべてのフォークの両端で投票できるということです。その結果、現時点ではPoWよりもPoSの方がフォークが一般的になる可能性があり、これが通貨の信頼性を損なう可能性があると懸念する人もいます。
3. 委任型プルーフ・オブ・ステーク: DPoS (委任型プルーフ・オブ・ステーク) 人気の実装: Steemit.EOS.BitShares 利点: 取引コストが安い、拡張性が高い、エネルギー効率が良い デメリット: 中央集権性が弱い、不安定、攻撃を受けやすい DPoS は Daniel Larimer の発案によるもので、実際には PoS とはまったく異なります。 DPoS では、トークン保有者はブロック自体の有効性に投票するのではなく、代わりに検証を行う代表者に投票します。 DPoS システムでは、通常 21 ~ 100 人の代表者が選出されます。代表者は定期的に入れ替えられ、ブロックを渡すよう命令されます。担当者の数が非常に少ないため、効率的に組織化でき、各担当者がタイルを投稿するための指定時間を作成できます。代表者が引き続きブロックをミスしたり、無効なトランザクションを発行したりする場合、一般の人々は彼らを投票で排除し、より優れた代表者と交代させます。 DPoS では、マイナーは PoW や PoS のように競争するのではなく、協力してブロックを生成することができます。ブロック作成を部分的に集中化することで、DPoS は他のほとんどのコンセンサス アルゴリズムよりも桁違いに高速に計算できます。 EOS のブロック時間は 1 秒未満、つまりブロックあたり約 0.5 秒に設定されています。
4. 権限証明(PoA) 代表的なプロジェクト: POA.Network、Ethereum Kovan テストネット 利点: 高いスループット、スケーラブル デメリット: エンタープライズ集中型システム Proof of Authority は、システムの「管理者」と同様に、承認されたアカウントによってトランザクションが検証されるコンセンサス アルゴリズムです。これらのアカウントは、他のノードが真実を受け取る権威です。 PoA はスループットが高く、プライベート ネットワークに最適化されています。集中化された性質のため、PoA がパブリック チェーン上で実行されることはほとんどありません。 5. 重量証明 代表的なプロジェクト: Algorand、Filecoin、Chia 利点: カスタマイズ可能、拡張可能 デメリット: インセンティブが問題になる可能性がある Proof of Weight は、Algorand コンセンサス モデルに基づくコンセンサス アルゴリズムの広範な分類です。一般的な考え方としては、PoS ではネットワーク内で所有するトークンの割合が次のブロックを「発見する」可能性を表しますが、PoWeight システムでは他の相対的に重み付けされた値が使用されます。たとえば、Filecoin の空間時間の証明は、保存する IPFS データの量に基づいて重み付けされ、他のシステムには評判の証明などの重み付けが含まれる場合があります。 6. ビザンチンフォールトトレランス(BFT) 代表的なプロジェクト: Hyperledger、Stellar、Dispatch、Ripple 利点: 高いスループット、低コスト、スケーラブル デメリット: 信頼性が低い 分散コンピューティングには古典的な問題があり、これはビザンチン将軍の例を使って説明されることが多いです。問題は、数人のビザンチン将軍とそれぞれのビザンチン軍部隊が都市を包囲していたことだった。攻撃するかどうかは全員一致で決定しなければならない。何人かの将軍が他の将軍抜きで攻撃した場合、包囲戦は悲劇に終わるだろう。将軍たちは通常、距離を置いており、意思疎通を図るには伝言を渡す必要があった。いくつかの暗号通貨プロトコルは、コンセンサスを得るために何らかのバージョンの BFT を使用していますが、それぞれに長所と短所があります。 実用的ビザンチンフォールトトレランス (PBFT): この問題に対する最初の解決策は、実用的ビザンチンフォールトトレランスでした。 Hyperledger Fabric は現在、事前に選択された少数の (20 未満) ジェネラルを使用して効率的に実行するために PBFT を使用しています。 利点: 高いトランザクションスループット デメリット: 集中型/許可型 連邦ビザンチン協定 (FBA): FBA は、Stellar や Ripple などの通貨で使用されているビザンチン将軍問題に対するもう 1 つの解決策です。一般的な考え方としては、各ビザンチン インスタンスは、メッセージの真の順序を確立するために、通常、独自のチェーンを担当します。 Ripple では、ジェネラル (バリデーター) は Ripple 財団によって事前に選出されます。 Stellar では誰でもバリデーターになれるので、どのバリデーターを信頼するかを選択できます。 驚異的なスループット、低いトランザクション コスト、およびネットワークのスケーラビリティにより、FBA クラスのコンセンサス アルゴリズムは、私たちが見つけた中で最高の分散コンセンサス アルゴリズムであると私は信じています。 7. 有向非巡回グラフ (DAG) 代表的なプロジェクト: Iota、Hashgraph、Raiblocks/Nano 利点: ネットワークの拡張性、低コスト デメリット: 実装次第 DAG は現在、Vitalik の Tinder プロフィールよりも人気があります。 DAG は、ブロックチェーン データ構造を使用せず、トランザクションをほとんど非同期的に処理するコンセンサス形式です。理論上の最大の利点は、1 秒あたりのトランザクション数が無制限であることです。ただし、DAG には他のコンセンサスと同じ利点と欠点があります。 Tangle は、Iota で使用される DAG コンセンサス アルゴリズムです。 Iota トランザクションを送信するには、以前に受信した 2 つのトランザクションを検証する必要があります。タングルに追加されるトランザクションが増えるほど、2 対 1 の pay-to-win コンセンサスによってトランザクションの有効性が高まります。コンセンサスはトランザクションによって確立されるため、理論上は、誰かがトランザクションの 1/3 を生成できれば、ネットワークの残りの部分にその無効なトランザクションが有効であると納得させることができます。 Iota は、トランザクション量の 1/3 が作成されるまで、ネットワーク上のすべてのトランザクションを「コーディネーター」と呼ばれる集中ノードで「二重チェック」します。 イオタは、コーディネーターはシステムの補助輪のような役割を果たしており、タングルが十分に大きくなれば削除されると述べた。 |
<<: Alibaba が MNNKit をオープンソース化: Android と iOS をサポートする MNN ベースのモバイル ディープラーニング SDK
>>: Matplotlib の使用が難しいと感じるのはなぜですか?このマインドマップをまだ見ていないので
畳み込みニューラル ネットワークは、ディープ ニューラル ネットワークの中で非常に人気のあるネットワ...
前回のシリーズの記事「機械学習とディープラーニングの違いは何でしょうか?」に続き、簡単に説明した後、...
最近、KuaishouとETH Zurichはオープンソースの分散トレーニングフレームワークBagu...
[[264978]]ビッグデータダイジェスト制作出典: towardml編纂者:劉嘉偉、王元元、ウ...
AIは現代のビジネスとテクノロジーのエコシステムをさまざまな形で大きく変えてきました。過去数年間に...
Nvidia の Huang 氏は、新世代の GPU チップ H200 で再び市場に参入しました。公...
2020年5月、GPT-3はGPT-2の1年後に正式にリリースされました。GPT-2も、オリジナル...
[51CTO.com より引用] RSA カンファレンスは、世界の IT セキュリティ動向のバロメー...
[51CTO.com からのオリジナル記事] 2020 年 5 月 5 日午前 11 時 (東部夏時...
[[389030]]画像ソース: https://pixabay.com/images/id-48...
背景ステータス:科学技術の発展に伴い、無人航空機であるドローンは、一定の高さから地上の映像を取得でき...
この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...
大規模言語モデルのもう一つの重大な欠陥が DeepMind によって明らかにされました。 LLM は...
[[349063]] [51CTO.com 速訳] 機械学習技術を使って仮想通貨を追跡できるのか?...
この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...