Алгоритм консенсуса Proof-of-Elapsed-Time: что это и как работает

cryptonews.ruPubblicato 2025-01-31Pubblicato ultima volta 2025-08-01

Proof-of-Elapsed-Time (PoET) — алгоритм консенсуса, в котором право формирования нового блока определяется случайным временем ожидания. Это интересный пример алгоритма, изначально разработанного для непубличных сетей.

Что такое Proof-of-Elapsed-Time (PoET)

Блокчейн-системы обеспечивают децентрализованное хранение и передачу данных за счет механизма консенсуса — порядка достижения согласия между участниками сети по поводу подлинности и очередности транзакций. Наиболее известными алгоритмами консенсуса являются Proof-of-Work (PoW) и Proof-of-Stake (PoS). Однако наряду с ними существуют и альтернативные подходы, предназначенные для более специфических сценариев. Один из таких — Proof-of-Elapsed-Time (PoET), «доказательство истекшего времени». Алгоритм разработан компанией Intel в 2016 году для проекта Hyperledger Sawtooth.

Proof-of-Elapsed-Time (PoET) представляет собой алгоритм, основанный на случайной задержке времени ожидания перед формированием блока. В отличие от PoW, где право на добавление блока получают участники, первыми решившие сложную вычислительную задачу, и PoS, где преимущество получают владельцы наибольшего количества токенов, PoET использует доверенную среду выполнения (Trusted Execution Environment, TEE). Она обеспечивает случайный защищенный выбор времени ожидания для каждого узла.

Принцип работы

Алгоритм PoET функционирует следующим образом:

  1. Выбор кандидатов: каждый узел, претендующий на добавление блока, запускает таймер с заданным случайным временем ожидания.
  2. Ожидание: узлы «засыпают» на сгенерированный интервал времени. Этот процесс выполняется в доверенной аппаратной среде (например, Intel SGX), исключающей возможность манипуляций.
  3. Предложение блока: узел, первым завершивший период ожидания, получает право предложить блок.
  4. Подтверждение: остальные участники проверяют достоверность выполнения времени ожидания и валидность предложенного блока.
  5. Финализация: при достижении консенсуса блок добавляется в цепочку.

Ключевым элементом PoET является наличие доверенной среды, способной надежно обеспечить случайность и безопасность таймера. Без использования TEE реализация PoET невозможна.

Преимущества и недостатки PoET

Можно выделить некоторые сильные и слабые стороны этого алгоритма консенсуса. К преимуществам относятся:

  • Энергоэффективность. В отличие от PoW, PoET не требует значительных вычислительных ресурсов и, соответственно, энергозатрат.
  • Равенство шансов. Алгоритм исключает преимущество участников с высокой вычислительной мощностью или крупными долями в капитале. Вероятность получения права на добавление блока определяется случайным образом, что делает систему более равноправной.
  • Безопасность. Использование доверенной аппаратной среды исключает возможность фальсификации времени ожидания.

С другой стороны, стоит отметить ограничения и риски PoET:

  • Псевдо-децентрализация. Децентрализованность системы в рамках PoET можно поставить под вопрос, так как при равноправии участников, система опирается на наличие доверенной среды, поддерживаемой сторонним поставщиком, что делает участников зависимыми от одного игрока.
  • Сложность внедрения. Требования к доверенной среде и необходимость интеграции с TEE увеличивают сложность разработки и сопровождения PoET-решений по сравнению с более традиционными алгоритмами.

Область применения

Обозначенные плюсы и минусы PoET влияют на потенциальную область применения алгоритма консенсуса. PoET в первую очередь ориентирован на участие верифицированных узлов в рамках доверенной аппаратной среды. Публичные блокчейны под это подходят плохо, а вот более централизованные решения на базе PoET вполне реализуемы.

Ими могут быть консорциумные блокчейны, объединяющие несколько компаний с единым интересом (например, в логистике, документообороте или финансовых расчетах). PoET может быть внедрен в частные сети, где управление осуществляется ограниченным числом узлов и требуется оптимальный баланс между безопасностью и производительностью.

Hyperledger Sawtooth и алгоритм PoET

Одним из наиболее известных примеров использования алгоритма консенсуса Proof-of-Elapsed-Time (PoET) является блокчейн-платформа Hyperledger Sawtooth. Этот проект разрабатывался под эгидой Linux Foundation и ориентировался на корпоративные сценарии применения распределенных реестров.

Изначально PoET был представлен компанией Intel как энергоэффективная альтернатива традиционным алгоритмам консенсуса, таким как Proof-of-Work. В отличие от PoW, который требует значительных вычислительных ресурсов, PoET реализует модель случайного ожидания, полагаясь на аппаратно-защищенную среду выполнения — Intel SGX (Software Guard Extensions). Эта технология позволяет гарантировать корректность генерации и выполнение таймеров ожидания, не требуя доверия между участниками сети.

В ранних версиях Hyperledger Sawtooth PoET применялся в качестве основного алгоритма консенсуса. Он обеспечивал справедливое распределение права на создание блока между валидаторами без необходимости дорогостоящих вычислений. Это особенно важно для корпоративных блокчейн-систем, где эффективность и безопасность имеют приоритет над полной децентрализацией.

В рамках Hyperledger проект Sawtooth был архивирован и официально прекратил активную разработку. С того времени поддержка и развитие платформы перешли к сообществу Splinter.

Вывод

PoET — интересный, но узкоспециализированный алгоритм консенсуса. Он требует использования доверенной среды выполнения, что сильно ограничивает применение в публичных блокчейнах, поскольку существенно ограничивает возможности для децентрализации. Именно поэтому PoET оказался более уместен в корпоративных или частных блокчейнах, а не в публичных сетях. Его архитектура не вписывается в модели, где критичны открытость, децентрализация и равенство участников.

Letture associate

Why Do We Need an AI Content Perspective Today?

The article "Why Do We Need an AI Content Perspective Today?" explores the complex and often contentious integration of AI into the cultural and creative industries, particularly film and television. It begins with the cancellation of Amazon's AI-generated animation "Punky Duck," highlighting the ethical debates surrounding AI content. AI's rapid advancement is transforming video production, enabling cost-effective, full-length AI films (e.g., "RAPHAEL," "Dreams of Violets") while sparking industry resistance over issues like "synthetic actors." The core debate has shifted from whether to use AI to how to use it responsibly. The article analyzes why AI's entry into film is uniquely unsettling. It distinguishes between "cultural fast food" (short-form, fast-paced content like micro-dramas) and "cultural main courses" (traditional, long-form film/TV). AI currently excels at the former, matching its fragmented narratives, shallow emotional needs, and free-to-consumer models. However, venturing into the latter challenges the human-centric essence of storytelling—creativity, emotional depth, and the unique value of human labor and experience. While AI can generate massive volumes of content and lower costs, it risks devaluing human creativity, leading to homogenized output, and creating unfair competition through potential intellectual property infringement. Its efficiency also amplifies content safety risks, making preemptive governance crucial. To counter these risks, the article proposes establishing clear boundaries guided by a human-centered AI content perspective. It outlines four principles: 1) Amplify, rather than displace, human creative space; 2) Respect and protect human creative output; 3) Ensure human creative control and responsibility remain paramount; and 4) Guarantee transparency and traceability in AI creation. The conclusion emphasizes that humans must act as the "helmsmen" of technology, steering AI development to enhance, not replace, the core human values at the heart of cultural expression.

marsbit20 min fa

Why Do We Need an AI Content Perspective Today?

marsbit20 min fa

Planck Retracted? The Father of Quantum Tripped by an Algorithm

The recent discovery that two articles (published in 1940 and 1942) by Max Planck, the Nobel laureate and founder of quantum theory, are marked as "retracted" on Springer's digital platform highlights a curious clash between historical publishing practices and modern automated systems. An investigation suggests these retractions are algorithmic errors, not due to fraud or misconduct. The papers, philosophical reflections on science published in *Die Naturwissenschaften*, were likely flagged by the platform's systems. One article, a republished lecture, may have been mistaken for duplicate publication. Another, sharing a title with a prior article by a different author (a common practice for continuing debates at the time), may have triggered a similar automated check. The digital versions have even been replaced with blank pages, contrary to normal practice of preserving retracted texts. This incident underscores how contemporary digital infrastructure, built around concepts like "self-plagiarism" and strict copyright, can misclassify and obscure legitimate historical scholarly communication. It serves as a warning that digital archives are not neutral mirrors of the past but are filtered by platform rules, potentially distorting the scientific record. As AI systems increasingly rely on such databases, such erroneous metadata could propagate, affecting how future tools interpret and access historical knowledge.

marsbit24 min fa

Planck Retracted? The Father of Quantum Tripped by an Algorithm

marsbit24 min fa

Refunds! Claude 4.8 Sees Overnight Major 'Dumb-Down', GPT-5.6's Computational Power Reportedly 'Halved'

The AI community is currently alarmed by widespread reports of significant performance degradation in two leading models. This article details a "mass self-testing frenzy" triggered by a mysterious prompt designed to detect a hidden "Juice" value, representing a model's reasoning compute budget. On OpenAI's side, users suspect a covert, limited test of a "GPT-5.6-sol" model is underway. When using a specific XML prompt on the Codex platform, a normal "gpt-5.5 xhigh" model reportedly returns a Juice value of 768. However, some users routed to the suspected GPT-5.6 test receive a drastically reduced value of 128—a six-fold decrease. This has sparked debate on whether it signifies a major efficiency leap or a "watered-down, low-cost version" achieved by slashing reasoning depth to save computational expenses. Simultaneously, Anthropic's Claude models, particularly the flagship Opus 4.8 Max, are facing intense user backlash for a perceived "physical brain cut." Users on platforms like Reddit report a dramatic decline in the model's once-impressive reasoning, with complaints of it becoming "absurdly" weakened, performing worse than older, lighter models like Haiku. Specific criticisms include: losing long-context memory, refusing to think deeply even in high-reasoning modes, providing instant incorrect answers, and engaging in unhelpful, argumentative, or "gaslighting" behavior where it contradicts users unnecessarily. The article speculates these "stealth downgrades" might be a calculated corporate strategy. Companies could initially release models with temporarily boosted compute to create an illusion of a major breakthrough, then silently scale back parameters later to manage unsustainable inference costs. A proposed underlying cause is a tightened funding environment, potentially exacerbated by SpaceX's massive IPO soaking up market liquidity, which could delay AI company IPOs and force cost-cutting measures like model "nerfing." The core issue highlighted is the asymmetry of information: subscribers pay for a service that can be silently and fundamentally altered without notification or explanation. The viral "Juice test" resonates because it represents users' desire for transparency about what they are actually paying for.

marsbit1 h fa

Refunds! Claude 4.8 Sees Overnight Major 'Dumb-Down', GPT-5.6's Computational Power Reportedly 'Halved'

marsbit1 h fa

Trading

Spot
活动图片