热点资讯
欧博真人百家乐博彩平台客服_Vitalik：以太坊景况爆炸问题，多项式快活决策可处置 | BTC
写在前边：为了搪塞以太坊的景况爆炸问题，以太坊长入首创东谈主Vitalik提议了新的处置决策，其提议使用多项式快活（polynomial commitments）决策来替代默克尔树（Merkle tree），以此大大减少无景况以太坊客户端的见证数据（witnesses）。
（图：以太坊长入首创东谈主Vitalik Buterin）
（辅导：著作有好多公式，译文仅供参考，以原文为准）
以下为译文：对于这一筹办，这里要感谢好多东谈主提供的匡助，尤其是（1）AZTEC团队向我先容了复制敛迹（ copy constraint）参数、排序参数以及灵验的批界限证明顺次； （2）Datery Khovratovich和Justin Drake在Kate 快活部分提供的决策，（3）Eli ben Sasson对于FRI提供的反应，以及（4）Justin Drake进行的审查职责。这篇著作仅仅第一次尝试，要是有进一步的弥留念念考，我如实但愿该决策大致被类似但更好的缱绻所取代。
太烦不看版细致：
可持续发展咱们建议用称为“多项式快活”（polynomial commitments）的神奇数学来替代默克尔树（Merkle tree）来积贮区块链景况。平允包括：将无景况客户端的见证内容（witnesses）的大小减少到接近于零。这篇著作提议了诳骗多项式快活进业绩态积贮所存在的挑战，并提议了具体的构建顺次。
什么是多项式快活（polynomial commitments）？
多项式快活是多项式P（x）的一种‘哈希’，其具有可对哈希实行算术查验的属性。
举例，在三个多项式P（x），Q（x），R（x）上，给定三个多项式快活h_P = commit(P(x))， h_Q = commit(Q(x))， h_R = commit(R(x))，然后： 要是P(x) + Q(x) = R(x)，你不错生成一个证明（proof），证明它和h_P， h_Q， h_R的关系（在某些构造中，你不错浅显地查验h_P + h_Q = h_R）； 要是P(x) * Q(x) = R(x)，你不错生成一个证明（proof），证明它和h_P， h_Q， h_R的关系； 要是P(z) = a ，你不错针对h_P坐褥一个证明（称为怒放证明opening proof或简称opening） 你不错将多项式快活用作vector快活，类似于默克尔树（Merkle tree）。多项式快活的一个主要优点是，由于其数学结构的原因，其生成复杂证明要容易得多（详备解释见下文）。
有哪些流行的多项式快活决策？
现时有两个领跑者，它们分辩是Kate快活（在这篇著作中搜索 “Kate”）以及基于FRI的快活。你可能还传闻过防弹证明（Bulletproofs）和DARKs算法，这些是替代型多项式快活决策。而要了解关联多项式快活的更多信息，YouTube上有干系的内容（part 1，part 2，part 3，以及幻灯片）。
多项式快活在以太坊中有哪些容易应用的场景？
咱们不错用多项式快活来替换目下区块数据的默克尔根（举例以太坊2.0的分片区块），并用怒放证明替换默克尔分支（Merkle branches）。这给咱们带来了两个很大的上风。当先，数据可用性查验会变得容易，而且不会存在诈骗，因为你不错浅显地以当场形势（举例一个N次多项式的2N个坐标中的40个）申请怒放。非交互式的托管证明也可能变得更容易。
生肖属鸡的朋友，他们是一个性格比较自我的人，平时在生活中总是严格要求自己，而且他们为人也非常的好，总是懂得心存感恩，从来不会咄咄逼人，因此大家都比较喜欢和他打交道，他们做事也会有始有终，从来都不会患得患失，因此只要继续努力，必定能够活出自我，很快就能够上让人羡慕的幸福生活。
其次，劝服大齐据片断的轻客户端也变得愈加容易，因为你不错制造一个同期涵盖多个索引的灵考证明。对于任何集{(x_1， y_1)， ...， (x_k， y_k)}，界说三个多项式： 通过所有这些点的插值多项式I(x)； 在x_1，...，x_k等于0的零多项式Z（x）=（x-x_1）* ... *（x-x_k）； 商多项式Q（x）=（P（x）-I（x））/Z（x）； 商多项式Q（x）的存在，意味着P(x) - I(x)是Z（x）的倍数，因此P（x）-I（x）为零，其中Z(x) 为零。这意味着对于所有i，咱们齐有P(x_i) - y_i = 0，即P(x_i) = y_i。考证者（verifier）不错生成插值多项式和零多项式。证明（proof）由对商的快活，加上圈套场点z上的怒放证明构成，因此，咱们不错对苟且多个点领有一个常数大小的见证内容（witness）。
这种本领不错为区块数据的屡次拜访提供一些平允。但是，其对于一种不同的用例而言，存在的上风就要大得多：证明区块往来账户witness。平均而言，每个区块会拜访数百个账户和存储密钥，这导致潜在的无景况客户端的见证内容大小会有0.5 MB大小。而多项式快活多见证（multi-witness），证据决策的不同，不错将区块witness的大小从数万字节减少到几百字节。
那咱们不错使用多项式快活来存储景况吗？
大体上，咱们是不错的。比较将景况存储为默克尔树（Merkle tree），咱们遴荐将景况存储为两个多项式S_k(x) 和S_v(x) ，其中S_k（1），...，S_k（N）暗意键（key），而S_v（1），.. 。，S_v（N）暗意这些键（key）上的值（要是值大于字段大小，则至少暗意这些值的哈希值）。
为了证明键值对（k_1，v_1），...，（k_k，v_k）是景况的一部分，咱们将提供索引 i_1， ...， i_k 并（使用上头提到的插值本领）闪现与索引匹配的键和值，即k_1 = S_k(i_1)， ...， k_k = S_k(i_k) 和 v_1 = S_v(i_1)， ...， v_k = S_v(i_k)。
为了证明某些键（key）的非成员性，不错尝试构造一个奇特的证明，证明键（key）不在S_k（1），…，S_k（N）中。相背，咱们只需对键（key）进行排序，以便证明非成员身份就足以证明两个相邻key的成员身份，一个小于方向key，一个则大于方向key。
而这和Justin Drake提议的使用SNARKs/STARKs来压缩witness以及干系的想法有着一样的平允，另外一个平允是，由于证明是累加器密码学原生的，而不是构建在累加器密码学上的证明，因此这摒除了一个数目级的支拨，并移除了对零学问证明友好哈希函数的需求。
但这里存在着两个大问题： 为k个密钥生成witness需要的时候是O（N），其中N是景况的大小。而瞻望N对应的景况数据会有大要50 GB，因此在单个区块中生成这么的证明是虚伪际的； 2、用k个新值更新S_k(x)和S_v(x) 消费的时候也需要O（N）。这在单个区块中是不切履行的，特别是接头到诸如witness更新和再行排序之类的复杂性。 底下咱们将先容搪塞这两大问题的处置决策。
高效读取（Efficient reading）
咱们提供了两种处置决策，一种针对Kate快活而想象，另一种则是针对基于FRI的快活。可怜的是，这些决策具有不同的优点和瑕玷，从而会导致不同的属性。 1、Kate快活 当先，请概括，对于N次多项式f，有一种决策可生成N个对应于O(N * log(N))时候中每个q_i(x) = (f(x) - f(i)) / (X - i)的怒放证明。
还请概括，咱们不错按以下形势褪色witness。接头这么一个事实，q_i(x)仅仅一个离开f（x）/（X-i）的子常数（sub-constant）项，频频，已知f/((X - x_1) * ... * (X - x_k))是f /（X-x_1），...，f /（X-x_k）使用部分分式瓦解（ partial fraction decomposition）的某种线性组合。只需知谈x坐标就不错详情具体的线性组合：只需提议一个线性组合c_1 * (x - x_2) * ... * (x - x_k) + c_2 * (x - x_1) * (x - x_3) * ... * (x - x_k) + ... + c_k * (x - x_1) * ... * (x - x_{k-1})，其中不存在特别数项，这是k个未知数中的k方程组。
给定这么的线性组合，咱们取得的东西仅是离开f/((x - x_1) * ... * (x - x_k))的一个子常数项（因为所有原始错误齐是子常数的，是以线性诞妄的组合势必是sub-constant），因此它势必是商 f(x) // ((x - x_1) * ... * (x - x_k))，其等于祈望值(f(x) - I(x_1 ... x_k， y_1 ... y_k)) / ((x - x_1) * ... * (x - x_k))。
一个可能的挑战是，对于大的景况，一个履行可计较的单一信得过成立（举例，100多个孤苦参与者，因此只好其中任何一个是默契的，决策即是安全的）是不够大的：举例，PLONK成立只可容纳约3.2 GB。相背，咱们不错有一个由多个Kate快活构成的景况。
咱们对好多快活作如下单一witness。为证明
，当先让
（这是fi和1的线性组合，因此考证者verifier不错及时计较此快活）。witness是
；要是Q是一个多项式，则F履行上在那些位置为零，因此fi在其位置具有祈望值。
2、基于FRI的快活
咱们将景况存储在一个二维多项式F（x，y）的求值中（每个变量的阶数为sqrt（N）），并骁敢于对4*sqrt(N) by 4*sqrt(N) square求值F。
咱们将所有咱们感情的值存储在位置 (x， x**sqrt(N))，因此它们齐具有独一的x坐标。（请概括，在很厚情况下，这些位置会超出咱们快活求值的4*sqrt(N) by 4*sqrt(N) square，而这卑不足谈。）
欧博真人百家乐为了证明在一组点x_1， ...， x_k上的求值，咱们构造了一个k次多项式旅途（x），其在x_i处的求值为x_i ** sqrt（N）。
咱们在求值域中遴荐当场的30列c_1 ... c_k，新宝代理对于每列查询30个当场行。咱们快活于h（使用FRI证明它履行上是一个多项式），为z_i = h(c_i)提供一个多启齿（multi-opening），并对列商 (R_i - z_i) / (X - path(c_i))进行FRI当场线性组合，以考证h（c_i）的声明值是正确的，因此h(t) 履行上等于F(t， path(t))。
使用二维多项式的原因是，这确保了咱们无须对所有F进行任何计较；相背，咱们只需要对咱们遴荐的当场30行F进行计较（即30*sqrt（N）），加上阶为 p * (sqrt(N) + 1)的h，创建FRI进行的计较大要为p * sqrt(N) 。不错将此本领膨胀到二维以上的多项式，以将sqrt因子裁减到更低的指数。 高效写入（Efficient writing） 咱们通过一系列的快活，来处置与更新包含所有这个词景况的单个快活干系的挑战，较大的快活，其更新频率也就较低： 区块本人，具有“读取见证”(R_k(x)， R_v(x))和“写入见证”（W_k（x），W_v（x）），暗意要写入景况的值。概括，咱们不错成立W_k = R_k，并在初始时计较W_v。 第一个缓存C1 =（C1_k（x），C1_v（x））存储最近一天的更新内容； 第二个缓存C2等于前一天的临了一个C1； 满景况S = （S_k（x），S_v（x））包含时候跳跃1-2天的值；
复制敛迹（copy constraint）参数的简介
复制敛迹参数，是咱们将使用的witness更新证明的关节构成部分；关联复制敛迹参数若何职责的详备信息，请参见此处。简而言之，该想法是遴荐一个当场r，并生成一个“累加”多项式ACC（x），其中ACC（0）= 1 且ACC（x + 1）= ACC（x）*（r + P（x））。你不错通过怒放读取ACC(y) / ACC(x)，来读取x .... y-1界限内的点累加器。你不错使用这些累加器值，将这些求值与其他求值集（手脚多集）进行比较，而无需接头胪列。
为了证明子集，咱们不错作念疏导的事情，除了咱们还要提供一个筹备多项式ind（x），证明该ind(x)在所有这个词界限内等于0或1，并成立ACC（x + 1）= ACC（x ）*（ind（x）*（r + P（x））+（1-ind（x）））（即，要是筹备为1，则在每一步乘以r + P（x），不然不使用累加器值）。
小结： 咱们不错证明a和b之间的P（x）求值，是a和b（或某些不同的c和d）之间Q（x）求值的置换； 咱们不错证明a和b之间的P（x）求值，是a和b（或一些不同的c和d）之间Q（x）求值置换的子集； 咱们不错证明P（x）和Q（x）的求值，是R（x）和S（x）置换，其中P-> Q和R-> S是疏导的置换； 鄙人面的内容中，除非明确证实，不然咱们将偷懒地表述为“P是Q的置换”，道理是“P在0和k之间的求值，是Q在0和k之间对符合k求值的置换”。请概括，底下的内容中，咱们还会波及到每个witness的“大小”，以详情咱们经受的任何C_k中的坐标，而超出界限的C_k（x）值固然不计较在内。
映射褪色参数（Map merging argument）
为了更新缓存，咱们使用了“映射褪色参数”。给定两个映射A=（A_k（x），A_v（x））和B=（B_k（x），B_v（x）），生成褪色映射C=（C_k（x），C_v（x））以便： C_k中的键被分类； 对于0 <= i < size(B)，(B_k(i)， B_v(i)) 在C中； 对于0 <= i < size(A)，仅当 A_k(i)不在B的求值集之内时，(A_k(i)， A_v(i))在C中； 咱们用一系列复制敛迹参数来放手这极少。当先，咱们生成两个提拔多项式U（x），I（x），它们分辩暗意A_k和B_k的“并集”和“杂乱”。将A_k，B_k，C_k，U，I视为连合，咱们当先需要展示：
1、A_k ⊆ U；
皇冠hg86a
2、B_k ⊆ U；
3、I ⊆ A_k；
4、I ⊆ B_k；
5、A_k + B_k = U + I；
太平洋在线咱们事前假定在A_k和B_k中莫得访佛，这意味着A_k（i）！= A_j（j）对于界限内的i！= j与B_k疏导（因为在之前使用此算法时已对此进行了考证）。由于I是A_k和B_k的子集，是以咱们依然知谈I也莫得访佛的值。通过使用另一个复制敛迹参数来证明U和C_k之间的等价关系，证明了U中莫得访佛项，并证明C_k是已排序且无访佛的。咱们用一个浅显的复制敛迹参数证明A_k + B_k = U + I声明。
美高梅中國皇冠客服飞机：@seo3687
为了证明C_k已排序且莫得访佛，咱们证明C_k（x + 1）> C_k（x）的界限为0 ... size（C_k）。咱们通过生成多项式D_1（x），...，D_16（x），并证明C（x + 1）-C（x）= 1 + D_1（x）+ 2 ** 16 * D_2（x）+ 2 ** 32 * D_3（x）+...来作念到这极少。本色上，D_1（z），...，D_16（z）将互异存储在基2**16中。然后，咱们生成一个多项式E（x），其知足所有D_1，...，D_16的复制敛迹以及f（x）= x，而且知足 E(x+1) - E(x) = {0， 1} 松手（对E的2次敛迹）。咱们还查验了E（0）= 0以及E（size（C_k）* 16 + 65536）= 65535。
目下，咱们需要证明value（值）。咱们添加另一个多项式U_v（x），并考证： 在0...size(B)的(U， U_v)等于在0...size(B)的 (B_k， B_v)； 在size(B) ... size(A)+size(B) 的(U， U_v) ，是（A_k，A_v）在0...size(A)的一个子集； 方向是在U中，咱们先摒弃来自B的所有值，然后再摒弃来自A的值，并使用疏导的置换参数来确保键（key）和值（value）被正确复制。然后咱们考证（C_k，C_v）是（U，U v）的一个置换。
使用映射褪色参数
咱们按照底下的形势使用映射褪色参数，假定每天有BLOCKS_PER_DAY个区块。 要是block.number % BLOCKS_PER_DAY != 0，咱们考证(C1_k， C1_v) = merge((W_k， W_v)， (C1_old_k， C1_old_v))（将区块褪色到C1）； 要是block.number % BLOCKS_PER_DAY == 0，咱们考证(C1_k， C1_v) = (W_k， W_v) 以及(C2_k， C2_v) = (C1_old_k， C1_old_v) （也即是说，咱们“废除” C1并将其内容移入C2）； 请概括，C2具有一整天的时候，在此时代它保抓不变。咱们为任何东谈主产生（S_k，S_v）= merge（（S_old_k，S_old_v），（C2_k，C2_v））的证明提供奖励；提供此证光线，咱们将快活（S_k，S_v）更新为新值，并将（C2_k，C2_v）重置为空。要是S在本日莫得更新，则咱们将C1-> C2传输蔓延到更新为止；请概括，该条约如实取决于S的更新速率是否鼓胀快。要是这不成能发生，那么咱们不错通过添加更多层缓存的线索结构来处置这个问题。
从灾祸的FRI中规复
对于FRI的情况，概括，有可能会出现存东谈主生成的FRI在某些位置无效，但这不及以迫害考证。这不会立即变成安全风险，但可能会迫害下一个更新者生成witness。
咱们通过以下几种顺次来处置这个问题。当先，概括到某些FRI生成诞妄的东谈主，可提供我方的FRI。要是通过疏导的查验，它将被添加到可构建下一次更新的灵验FRI列表中。然后，咱们不错使用交互式计较游戏来检测和刑事包袱不良FRI的创建者。其次，他们可提供我方的FRI以及STARK来证明其灵验，从而立即罚没了无效FRI的创建者。通过FRI生成STARK短长常崇高的，尤其是在较大界限时，但这么作念是值得的，因为这不错赚取很大一部分无效提议者的保证金奖励。
网站以其优质博彩服务多样化博彩游戏，广大博彩爱好者提供最佳博彩体验丰富博彩乐趣。因此，咱们有了一种机制来使用多项式快活，以此手脚一个灵验读取和写入witness来存储景况。这使咱们大致大幅度减稀有证内容（witness）大小，同期也不错带来一些平允，比如让咱们有才调对数据可用性进行查验，以及放手对于景况的托管证明。
今后的职责
提议FRI证明，条目少于900次查询（改良式地讲，安全参数小于夙昔）；
从表面上讲，要是你事前计较并存储拉格朗日基（Lagrange basis）葡京娱乐棋牌，表面上不错快速更新 Kate快活。这是否不错膨胀到（i）快速更新所有witness，以及（2）为键值映射而不是一个vector职责？