区块链跨链技术:打破互操作性限制 推动价值互联网发展

币界网Publié le 2024-08-19Dernière mise à jour le 2024-08-19

币界网报道:

在区块链技术面临的诸多挑战中,区块链之间的互操作性问题极大程度地限制了其应用空间。无论是公有链还是联盟链,跨链技术都是实现价值互联网的关键,是区块链向外拓展和连接的重要桥梁。目前,主流的跨链技术包括公证人机制(Notary Schemes)、侧链/中继链(Sidechains/Relays)、哈希锁定(Hash-locking)以及多方安全计算(MPC)。

主流跨链技术

1、公证人机制(Notary Schemes)

公证人机制引入一方或多方可信实体作为信用背书,技术上可实现且较为简单。在这种机制中,公证人负责监听链上的事件,并对另一条链采取相应操作。公证人机制包括单签名、多签名和分布式签名三种实现方式。

单签名公证人机制:由单一指定的独立节点或机构担任,承担数据收集、交易确认和验证任务。尽管处理速度快,但安全性较为薄弱。

多签名公证人机制:由多位公证人共同签名完成跨链交易,提高了安全性,适用于需要多重签名支持的区块链。

9l6DdTl3OffxtzQc52QNCFT0cmh49z2IHhvohHwY.png 

分布式签名公证人机制:采用多方计算(MPC)思想,多个公证人持有密钥碎片,共同签名后拼凑出完整密钥,更加去中心化,安全性也更高。

 u4I6SjlGGklun2dC84p4o4X95ovtYUcHxrt26Jtc.png

2、侧链/中继链(Sidechains/Relays)

侧链技术通过双向锚定,实现主链和侧链之间的资产流通,增强主链的性能。主链上的资产可以通过SPV模式(简单支付验证)等方式在侧链中释放,实现资产的双向流通。BlockStream的Liquid项目和BTCRelay都是典型的侧链应用,侧链技术相对哈希锁定而言,能够提供更多的跨链交互场景。

3、哈希锁定(Hash-locking)

哈希锁定技术用于区块链网络之间的资产交换,确保资产转移要么全部完成,要么全部未完成。其底层技术包括哈希时间锁定合约,通过设置超时机制,确保交易的安全性和完整性。该技术被广泛应用于闪电网络,极大提升了交易速度和安全性。

4、多方安全计算(MPC)

多方安全计算通过分布式节点控制区块链系统中的私钥,将数字资产的使用权和所有权分离,实现不同区块链系统间的资产流通和价值转移。MPC方案保障了跨链交易的安全性和隐私性,推动了区块链技术的进一步发展。

跨链技术推动价值互联网发展

当下的我们进入了一个以人工智能、区块链和大数据等为代表的数字化社会,各种新模式、新业态层出不穷。随着区块链应用深化,支付结算、物流追溯、医疗病历、身份验证等领域的企业或行业,都将建立各自区块链系统。

DDO认为,未来这些众多的区块链系统间的跨链协作与互通是一个必然趋势。可以说,跨链技术是区块链实现价值互联网的关键,互联互通将成为越来越重要的议题。

未来,区块链的标准,将从用户的角度出发、以业务为导向,从智能合约、共识机制、私钥安全、权限管理等维度,规范区块链的技术和治理,增强区块链的可信程度,给区块链的信任增加砝码。DDO也将继续创新研发,助力推动价值互联网的实现。

Lectures associées

Les grands modèles américains tendent vers le confinement, au nom de la sécurité

Le 27 juin, Anthropic a annoncé que le gouvernement américain avait autorisé le redéploiement de son modèle de cybersécurité Mythos 5 à plus de 100 organismes américains, mais la version publique Fable 5 reste suspendue sans calendrier de retour. Le même jour, OpenAI a lancé GPT-5.6, dont l'accès via API est restreint aux partenaires approuvés par le gouvernement. Ces décisions font suite à un ordre exécutif sur l'IA signé début juin et à une injonction du Département du commerce du 12 juin ordonnant la suspension de Fable 5, marquant un cycle complet d'"arrêt-négociation-autorisation conditionnelle" pour le contrôle des modèles d'IA de pointe par les autorités américaines en moins d'un mois. Les entreprises concernées contestent la base technique de ces mesures. OpenAI indique que son modèle Sol n'a pas franchi son propre cadre de sécurité, tandis qu'Anthropic a réfuté point par point les raisons avancées par le gouvernement. Dean W. Ball, ancien conseiller de la Maison Blanche, critique un processus de régulation manquant de transparence, de normes claires et d'expertise technique, créant une incertitude dommageable pour l'industrie. L'article établit un parallèle avec la "Guerre du Chiffrement" des années 1990, où le contrôle américain sur les technologies de cryptage a finalement échoué, nuisant à la compétitivité des entreprises nationales. Aujourd'hui, le risque est que ces restrictions étouffent l'innovation et la diffusion économique essentielle aux technologies génériques comme l'IA, d'autant plus que les modèles open-source, notamment chinois, progressent rapidement. Cet épisode pourrait marquer un tournant : l'insertion durable du gouvernement comme autorité d'approbation entre les modèles d'IA commerciaux et leurs utilisateurs. Si l'objectif affiché est la sécurité, la méthode opaque et arbitraire menace les investissements et risque de concentrer le pouvoir de l'IA de pointe entre les mains d'une minorité déjà puissante.

链捕手Il y a 14 mins

Les grands modèles américains tendent vers le confinement, au nom de la sécurité

链捕手Il y a 14 mins

Il y a quelques instants, DeepSeek V4 a mis à jour DSpark, augmentant la vitesse d'inférence de 80 %

DeepSeek a annoncé une mise à jour majeure de son modèle DeepSeek-V4-Pro avec le lancement de DSpark, un nouveau cadre de décodage spéculatif (Speculative Decoding) open source, accompagné de l'infrastructure complète DeepSpec. Cette mise à jour, axée sur l'ingénierie et non sur les capacités fondamentales du modèle, vise à accélérer considérablement l'inférence des LLM en production. Le cœur de DSpark est l'introduction d'une **génération semi-autorégressive**. Cela combine la génération parallèle à haut débit d'un modèle "brouillon" léger avec une modélisation des dépendances entre tokens pour améliorer le taux d'acceptation. De plus, un système de **vérification planifiée par confiance et conscient du matériel** (Confidence-Scheduled Verification) évalue dynamiquement la probabilité que chaque token généré soit accepté par le modèle cible. Il adapte ainsi la longueur de vérification en temps réel pour optimiser l'utilisation des ressources GPU, notamment en charge élevée. Les résultats sont significatifs : face aux méthodes de pointe comme Eagle3 et DFlash, DSpark augmente la longueur moyenne de tokens acceptés de 26.7% à 30.9% et de 16.3% à 18.4% respectivement sur les modèles Qwen3. En déploiement réel, par rapport à la génération token par token précédente (MTP-1), **DSpark améliore la vitesse de génération pour l'utilisateur de 60% à 85% pour le modèle Flash et de 57% à 78% pour le modèle Pro**, à débit total constant. Le projet open source **DeepSpec** fournit une stack complète pour entraîner et évaluer des modèles brouillons pour le décodage spéculatif, supportant actuellement les algorithmes DSpark, DFlash et Eagle3, ainsi que les familles de modèles cibles Qwen3 et Gemma.

marsbitIl y a 6 h

Il y a quelques instants, DeepSeek V4 a mis à jour DSpark, augmentant la vitesse d'inférence de 80 %

marsbitIl y a 6 h

Trading

Spot
活动图片