FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

CoNET｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

下周重磅事件：美欧日通胀大戏轮番登场市场大行情蓄势待发
 go
进行恐慌性对冲。事实上，日本官员的干预言论也没有达到“峰值”。到目前为止，日本财务大臣一直避免使用暗示干预迫在眉睫的措辞。相反，他的言论更加慎重，这使得外汇干预的风险目前看起来相对较低。（图源：Refinitiv Datastream）因此，日元要想有任何反弹的机会，就需要依赖于对日本央行下个月可能调整政策设置的猜测。这使得东京的CPI通胀数据格外受到关注，该数据料将于下周五冲击市场。预计东京6月份的核心CPI将有所上升，尽管增幅很小。这样的增幅可能不足以让市场对日本央行7月份的政策转变感到兴奋，这意味着日元可能会在一段时间内继续走低。美元关注个人消费支出通胀下周二美国将公布5月耐用品订单和新屋销售数据，下周五将公布核心个人消费支出(PCE)物价指数，与此同时，美国还将公布当月个人消费和收入数据。最近几周，美联储官员和市场参与者之间上演了一场“懦夫游戏”，政策制定者暗示今年还会再加息两次，但投资者只预计会加息一次。因此，持续存在的通胀压力将决定谁是正确的，从而推动美元走强。总体而言，美元本月承压，部分原因是市场对美联储的鹰派信号持怀疑态度，部分原因是股市的乐观情绪减少了避险资金的流入。（图源：Refinitiv Datastream）然而，美元仍有一定的复苏空间，因为美国经济似乎比其竞争对手更具弹性，而且随着美国财政部继续提高现金水平，今年夏季的几个月可能会出现流动性状况收紧的情况。最后，在邻国加拿大，5月份的通货膨胀数据将于下周二公布。尽管油价下跌，加元最近仍在上涨，主要是受加拿大央行发出的鹰派信号的影响，因此通胀报告将是决定本轮涨势能否持续的关键。
忆芳2023-06-24
会员
比特币创今年新高已涨80%》回顾6月： SEC重拳引崩盘、华尔街进场、EDX
go
or 在6 月14 日彭博社的采访反而预言，尽管监管机构动作频频，但这都将有利于比特币的未来发展。没想到市场真的迎来巨变，资产管理巨头贝莱德（BlackRock）在6 月中主动申请比特币现货ETF 「iShares Bitcoin Trust」后，比特币价格迎来反转，市场瞬间从看跌情绪转为看涨。有了贝莱德（BlackRock）带头，传统金融机构接连不断的提出相同的申请要求，包括华尔街资产管理公司Wisdom Tree 和Invesco，而资产管理巨头富达（Fidelity）也传出正在规划申请，加密基金Valkyrie 也把握机会再次向美国SEC 提交申请，比特币价格至此开始一路飙升。因为华尔街巨头进场的消息，市场重拾对加密货币的热情和兴趣，比特币价格就在昨晚突破31,000 美元，一度直逼31,500 美元，创下近一年以来的新高点，6 月中开始涨幅高达25 ％，年初至今的涨幅也已超过80%。在另一方面，比特币占总体加密货币市场的市值在近期也飙破50%，创下2 年多来的新高，证实这波涨势确实是由比特币带动。监管有利比特币？加密货币市场经历了6 月的起伏和动荡，情绪就像在洗三温暖一样，而现在分析师对于后市的立场更为坚定，加拿大加密货币平台FRNT Financial 的数据和分析主管在Telegram 分享：如果比特币持续突破31,000 美元的关键水平，将意味着我们进入了一个全新阶段，市场参与者开始重新定价之前的监管忧虑。尽管一些监管机构传达出对立的言论，比特币现货ETF 申请的增加显示机构仍然对加密货币感兴趣。他还表示，通膨、货币政策、银行危机、美债违约、美元地位问题，都是为比特币提供了最佳的机会。如果比特币达到历史高位，我不会说尽管环境充满挑战，我会说「正是由于环境充满挑战。」美国监管机构与加密货币市场的对立，或许从头到尾就不是一场拔河比赛，而是进而推升比特币价格的催化剂。感谢阅读，喜欢的朋友可以点个赞关注哦，我们下期再见！来源：金色财经
金色财经2023-06-24
“鲍威尔是个懦夫”！华尔街大鳄炮轰：他没有尽到自己的职责美联储正在摧毁银行体系
 go
上限协议发出了严厉警告。这位华尔街资深预言家认为：“再次暂停债务上限意味着不计后果的政府支出和借贷将继续下去，直到主权债务和美元危机将其带到灾难性的结局。”
风枫2023-06-24
深入剖析ZKML赛道：智能合约智能性的下一步
 go
： 1、DeFi 可验证的链下 ML 预言机。继续采用生成式人工智能可能推动行业实施其内容的签名方案（例如，新闻出版物签署文章或图像）。签名数据准备好进行零知识证明，使数据可组合且可信。ML 模型可以在链下处理这些签名数据以进行预测和分类（例如，对选举结果或天气事件进行分类）。这些链下 ML 预言机可以通过验证推理并在链上发布证明来无需信任地解决现实世界的预测市场、保险协议合约等问题。基于 ML 参数的 DeFi 应用。DeFi 的许多方面可以更加自动化。例如，借贷协议可以使用 ML 模型实时更新参数。目前，借贷协议主要依赖由组织运行的链下模型来确定抵押因子、贷款价值比、清算阈值等，但更好的选择可能是社区训练的开源模型，任何人都可以运行和验证。自动化交易策略。展示金融模型策略的回报特征的常见方式是 MP 向投资者提供各种回测数据。然而，没有办法在执行交易时验证策略师是否遵循该模型 - 投资者必须信任策略师确实遵循模型。zkML 提供了一个解决方案，MP 可以在部署到特定头寸时提供金融模型推理的证明。这对于 DeFi 管理的保险库可能尤其有用。 2、安全性智能合约的欺诈监控。与其让缓慢的人工治理或中心化参与者控制暂停合约的能力，可以使用 ML 模型来检测可能的恶意行为并暂停合约。 3、传统 ML 分散的、无信任的 Kaggle 实现。可以创建一个协议或市场，允许 MC 或其他感兴趣的方验证模型的准确性，而无需 MP 披露模型权重。这对于销售模型、围绕模型准确性进行竞赛等方面非常有用。生成式 AI 的去中心化提示市场。生成式 AI 的提示创作已经发展成为一门复杂的工艺，最佳输出生成提示通常具有多个修改器。外部方可能愿意从创作者那里购买这些复杂的提示。zkML 在这里可以有两种用法： 1 ）验证提示的输出，以向潜在买家确保提示确实创建所需的图像； 2 ）允许提示所有者在购买后保持对提示的所有权，同时对买家保持模糊，但仍为其生成经过验证的图像。 4、身份用保护隐私的生物识别认证替代私钥。私钥管理仍然是web3用户体验中最大的障碍之一。通过面部识别或其他独特因素抽象私钥是 zkML 的一种可能解决方案。公平的空投和贡献者奖励。可以使用 ML 模型创建用户的详细人物画像，根据多个因素确定空投分配或贡献奖励。当与身份解决方案结合使用时，这可能特别有用。在这种情况下，一种可能性是让用户运行一个开源模型，评估他们在应用程序中的参与情况以及更高层次的参与，比如治理论坛的帖子，以推理他们的分配。然后提供这个证明给合约，以获得相应的代币分配。 5、Web3社交用于web3社交媒体的过滤。web3社交应用的去中心化性质将导致垃圾信息和恶意内容的增加。理想情况下，社交媒体平台可以使用一个社区共识的开源 ML 模型，并在选择过滤帖子时发布模型推理的证明。案例：关于 Twitter 算法的 zkML 分析。广告/推荐。作为一个社交媒体用户，我可能愿意看到个性化的广告，但希望将我的偏好和兴趣对广告商保密。我可以选择在本地运行一个关于我的兴趣的模型，将其输入到媒体应用程序中为我提供内容。在这种情况下，广告商可能愿意为最终用户支付费用，以实现这一点，然而，这些模型可能远不如目前生产中的定向广告模型复杂。 6、创作者经济/游戏游戏内经济再平衡。可以使用 ML 模型动态调整代币发行、供应、销毁、投票门槛等。一个可能的模型是一个激励合约，如果达到一定的再平衡门槛并验证了推理的证明，就会重新平衡游戏内经济。新类型的链上游戏。可以创建合作的人类对抗 AI 游戏和其他创新的链上游戏，其中无信任的 AI 模型充当一个不可玩的角色。NPC 采取的每个动作都会与一个任何人都可以验证的证明一起发布到链上，以确定正在运行正确的模型。在 Modulus Labs 的 Leela vs. the World 中，验证者希望确保所述的 1900 ELO AI 选择棋步，而不是 Magnus Carlson。另一个例子是 AI Arena，一个类似于 Super Smash Brothers 的 AI 格斗游戏。在高风险的竞争环境中，玩家希望确保他们训练的模型没有干扰或作弊。新兴项目和基础设施 zkML 生态系统可以广泛分为四个主要类别：模型到证明编译器：将现有格式（例如 Pytorch、ONNX 等）的模型编译成可验证的计算电路的基础设施。广义证明系统：构建用于验证任意计算轨迹的证明系统。 zkML 特定的证明系统：专门构建用于验证 ML 模型计算轨迹的证明系统。应用程序：致力于独特 zkML 用例的项目。 01 模型验证编译器（Model-to-Proof Compilers）在 zkML 生态系统中，大部分关注都集中在创建模型到证明编译器上。通常，这些编译器将使用 Pytorch、Tensorflow 等高级 ML 模型转换为 zk 电路。 EZKL 是一个库和命令行工具，用于在 zk-SNARK 中进行深度学习模型的推理。使用 EZKL，您可以在 Pytorch 或 TensorFlow 中定义一个计算图，并将其导出为带有 JSON 文件中一些示例输入的 ONNX 文件，然后将 EZKL 指向这些文件以生成 zkSNARK 电路。通过最新一轮的性能改进，EZKL 现在可以在约 6 秒和 1.1 GB 的 RAM 内证明一个 MNIST 大小的模型。迄今为止，EZKL 已经得到了一些显着的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathie So 的 circomlib-ml 库包含了用于 Circom 的各种 ML 电路模板。电路包括一些最常见的 ML 函数。由 Cathie 开发的 Keras 2c ircom 是一个 Python 工具，使用底层的 circomlib-ml 库将 Keras 模型转换为 Circom 电路。 LinearA 开发了两个用于 zkML 的框架：Tachikoma 和 Uchikoma。Tachikoma 用于将神经网络转换为仅使用整数的形式并生成计算轨迹。Uchikoma 是一个工具，将 TVM 的中间表示转换为不支持浮点运算的编程语言。LinearA 计划支持使用域算术的 Circom 和使用有符号和无符号整数算术的 Solidity。 Daniel Kang 的 zkml 是一个基于他在《Scaling up Trustless DNN Inference with Zero-Knowledge Proofs》论文中的工作构建的 ML 模型执行证明的框架。在撰写本文时，它能够在约 5 GB 的内存和约 16 秒的运行时间内证明一个 MNIST 电路。在更广义的模型到证明编译器方面，有 Nil Foundation 和 Risc Zero。Nil Foundation 的 zkLLVM 是一个基于 LLVM 的电路编译器，能够验证用流行编程语言（如 C++、Rust 和 JavaScript/TypeScript 等）编写的计算模型。与这里提到的其他模型到证明编译器相比，它是通用的基础设施，但仍适用于复杂的计算，如 zkML。当与他们的证明市场结合使用时，这可能尤为强大。 Risc Zero 构建了一个通用的 zkVM，针对开源的 RISC-V 指令集，因此支持现有成熟的语言，如 C++和 Rust，以及 LLVM 工具链。这允许在主机和客户 zkVM 代码之间实现无缝集成，类似于 Nvidia 的 CUDA C++工具链，但是使用 ZKP 引擎代替 GPU。与 Nil 类似，使用 Risc Zero 可以验证 ML 模型的计算轨迹。 02 广义证明系统证明系统的改进是使 zkML 取得成果的主要推动力，特别是自定义门和查找表的引入。这主要是由于 ML 对非线性的依赖。简而言之，非线性是通过激活函数（例如 ReLU、sigmoid 和 tanh）引入的，这些激活函数应用于神经网络中线性变换的输出。由于数学运算门的限制，这些非线性在 zk 电路中实现起来具有挑战性。按位分解和查找表可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在 zk 中的计算效率更高。出于这个原因，Plonkish 证明系统往往是 zkML 最受欢迎的后端。Halo 2 和 Plonky 2 及其表式算术方案可以通过查找参数很好地处理神经网络非线性。此外，前者拥有充满活力的开发人员工具生态系统和灵活性，使其成为包括 EZKL 在内的许多项目的实际后端。其他证明系统也有其优势。基于 R 1 CS 的证明系统包括 Groth 16 ，因其小型证明尺寸而闻名，以及 Gemini，因其处理极大电路和线性时间验证器而闻名。基于 STARK 的系统，例如 Winterfell 证明器/验证器库，尤其在通过 Giza 的工具将 Cairo 程序的追踪作为输入，并使用 Winterfell 生成 STARK 证明来验证输出的正确性时，非常有用。 03 zkML 特定的证明系统在设计能够处理先进的机器学习模型的复杂、电路不友好的操作的高效证明系统方面已经取得了一些进展。基于 GKR 证明系统的 zkCNN 和基于组合技术的 Zator 等系统往往比通用证明系统更具性能，这一点在 Modulus Labs 的基准测试报告中有所体现。 zkCNN 是一种使用零知识证明来证明卷积神经网络正确性的方法。它使用 sumcheck 协议来证明快速傅里叶变换和卷积，具有线性的证明时间，比渐近计算结果更快。已经引入了几个改进和泛化的交互证明，包括验证卷积层、ReLU 激活函数和最大池化。根据 Modulus Labs 的基准测试报告，zkCNN 特别有趣的地方在于它在证明生成速度和 RAM 消耗方面优于其他通用证明系统。 Zator 是一个旨在探索使用递归 SNARK 来验证深度神经网络的项目。验证更深层次模型的当前限制是将整个计算轨迹适应单个电路中。Zator 提出使用递归 SNARK 逐层进行验证，可以逐步验证 N 步重复计算。他们使用 Nova 将 N 个计算实例减少为一个可以通过单个步骤进行验证的实例。采用这种方法，Zator 能够对具有 512 层的网络进行 SNARK，这与大多数当前的生产 AI 模型一样深。Zator 的证明生成和验证时间仍然对于主流应用案例来说过长，但他们的组合技术仍然是非常有趣的。应用领域鉴于 zkML 处于早期阶段，其关注点主要集中在上述基础设施上。然而，目前也有一些项目致力于应用开发。 Modulus Labs 是 zkML 领域中最多样化的项目之一，他们既开展示例应用，也从事相关研究。在应用方面，Modulus Labs 通过 RockyBot（一个链上交易机器人）和 Leela vs. the World（一个人类与经过验证的链上 Leela 国际象棋引擎对战的棋盘游戏）展示了 zkML 的用例。该团队还进行了研究，编写了《智能的代价》，对不同模型规模下的各种证明系统的速度和效率进行了基准测试。 Worldcoin 正在尝试应用 zkML 来创建一个保护隐私的人类身份证明协议。Worldcoin 使用定制硬件处理高分辨率虹膜扫描，并将其插入到 Semaphore 实现中。然后可以使用该系统执行诸如成员资格证明和投票等有用操作。他们目前使用受信任的运行时环境和安全的安全区域来验证相机签名的虹膜扫描，但他们最终的目标是使用零知识证明来验证神经网络的正确推理，以提供加密级别的安全保证。 Giza 是一种协议，采用完全无信任的方法在链上部署 AI 模型。它使用包括 ONNX 格式表示机器学习模型、Giza Transpiler 用于将这些模型转换为 Cairo 程序格式、ONNX Cairo Runtime 用于以可验证和确定性的方式执行模型，以及 Giza Model 智能合约用于在链上部署和执行模型的技术堆栈。尽管 Giza 也可以归类为模型到证明编译器的类别，但他们作为一个 ML 模型市场的定位是目前最有趣的应用之一。 Gensyn 是一个分布式硬件供应网络，用于训练 ML 模型。具体而言，他们正在开发一个基于梯度下降的概率审计系统，并使用模型检查点来使分散式 GPU 网络能够为全尺度模型提供训练服务。尽管他们在这里的 zkML 应用非常特定于他们的用例——他们希望确保当一个节点下载和训练模型的一部分时，他们对模型更新的诚实性——但它展示了将 zk 和 ML 相结合的强大力量。 ZKaptcha 专注于 web3 中的 bot 问题，为智能合约提供验证码服务。他们目前的实施让最终用户通过完成验证码来生成人类工作的证明，验证码由他们的链上验证程序验证，并通过几行代码由智能合约访问。今天，他们主要只依赖于 zk，但他们打算在未来实现 zkML，类似于现有的 web2 验证码服务，分析鼠标移动等行为以确定用户是否是人类。鉴于 zkML 市场还很早，许多应用程序已经在黑客马拉松级别进行了试验。项目包括 AI Coliseum，一个使用 ZK 证明来验证机器学习输出的链上 AI 竞赛，Hunter z Hunter，一个使用 EZKL 库来验证带有 halo 2 电路的图像分类模型输出的照片寻宝游戏，以及 zk Section 9 ，它将 AI 图像生成模型转换为用于铸造和验证 AI 艺术的电路。 zkML 面临的挑战尽管在提高和优化方面取得了飞速的进展，但 zkML 领域仍然面临一些核心挑战。这些挑战涉及技术和实践等方面，包括：以最小的精度损失进行量化电路规模，特别是当网络由多个层组成时矩阵乘法的高效证明对抗攻击量化是将浮点数表示为定点数的过程，大多数机器学习模型使用浮点数表示模型参数和激活函数，在处理 zk 电路的域算术时，需要使用定点数。量化对机器学习模型的准确性的影响取决于所使用的精度级别。一般来说，使用较低的精度（即较少的比特数）可能会导致准确性降低，因为这可能引入舍入和近似误差。然而，有几种技术可用于最小化量化对准确性的影响，例如在量化后对模型进行微调，以及使用量化感知训练等技术。此外，zkSummit 9 上的一项黑客马拉松项目 Zero Gravity 显示出，针对边缘设备开发的替代神经网络架构（例如无权重神经网络）可以用于避免电路中的量化问题。除了量化之外，硬件是另一个关键挑战。一旦通过电路正确地表示了机器学习模型，由于 zk 的简洁性，验证其推理的证明将变得廉价且快速。这里的挑战不在于验证者，而在于证明者，因为随着模型规模的增长，RAM 消耗和证明生成时间会迅速增加。某些证明系统（例如使用 sumcheck 协议和分层算术电路的基于 GKR 的系统）或组合技术（例如将 Plonky 2 与 Groth 16 相结合，Plonky 2 在证明时间方面效率高但对于大型模型的高效证明大小较差，而 Groth 16 在复杂模型的复杂度上不会导致证明大小增长）更适合处理这些问题，但在 zkML 项目中管理权衡是一个核心挑战。在对抗攻击方面，仍然有待努力。首先，如果一个无信任的协议或 DAO 选择实施一个模型，在训练阶段仍然存在对抗攻击的风险（例如训练模型以在看到特定输入时表现出特定行为，这可能被用来操纵后续的推理）。联邦学习技术和训练阶段的 zkML 可能是最小化这种攻击面的一种方式。另一个核心挑战是当模型保护隐私时存在模型盗窃攻击的风险。虽然可以混淆模型的权重，但在给定足够的输入输出对的情况下，从理论上讲，仍然有可能反向推导出权重。这主要是对小规模模型的风险，但仍然存在风险。智能合约的可扩展尽管在将这些模型优化为在 zk 的限制条件下运行时存在一些挑战，但改进工作正在以指数速度进行，一些人预计在进一步的硬件加速下，我们很快就能与更广泛的机器学习领域达到同等水平。为了强调这些改进的速度，zkML 从0x PARC 在 2021 年展示了如何在可验证电路中执行小规模 MNIST 图像分类模型的演示，到 Daniel Kang 在不到一年后为 ImageNet 规模的模型做同样的工作的论文。在 2022 年 4 月，这个 ImageNet 规模的模型的准确性从 79% 提高到 92% ，并且像 GPT-2 这样的大型模型在近期内有望成为可能，尽管目前的证明时间较长。我们认为 zkML 是一个丰富而不断发展的生态系统，旨在扩展区块链和智能合约的能力，使其更加灵活、适应性强和智能化。尽管 zkML 仍处于早期开发阶段，但它已经开始显示出有希望的结果。随着技术的发展和成熟，我们可以期待在链上看到更多创新的 zkML 用例。来源：金色财经
金色财经2023-06-24
读懂TUSD的机遇与风险
 go
ainlink 储备金证明由去中心化的预言机网络运行，可以自动对 DeFi 应用中的抵押品进行实时审计，保障用户资金安全，杜绝准备金率不达要求或链下托管方欺诈等现象。”从而 DeFi 应用可以通过该服务监控 TUSD 的储备金覆盖率。在 TUSD 添加了 PoR 之后的一个月内，其市值增长超过 120% 。 Odaily星球日报此前报道，TUSD在 6 月 10 日因为其铸造合作伙伴Prime Trust暂停铸造曾遭遇 FUD，短暂轻微脱钩。但在近日Prime Trust停止被BitGo收购、被内华达州监管机构审查并停止存取款一连串波动当中，TUSD似乎并未受到影响。TrueUSD表示，其旗下稳定币TUSD资金仍然安全，TrueUSD没有Prime Trust的风险敞口，且用户的资金都是安全的。来源：金色财经
金色财经2023-06-24
在Filecoin上做什么？Filecoin生态项目体验与启示
 go
ilecoin与其他链的代码进行交互预言机价格预言机，提供Filecoin链上代币间的兑换价格可检索语言机?保证数据检索稳定性，数据检索不通将对矿工予以惩戒 Filecoin需要解决的核心问题 Filecoin的愿景是提供一个可用的去中心化存储网络DSN，在这个网络中，SP发布存储容量接单，存储用户选择SP提供服务。截止目前，Filecoin网络提供了11Eib的原值存储空间，可以视为web3应用数据存储的天然仓库，为DApp的开发实现完全去中心化运行提供了可行性。但是Filecoin的存储空间利用率并不好，虽然推出了公证人分配DataCap的机制，但是也很难保证数据的有效性。解决这个的核心问题不在于审核机制，而在于Filecoin存储和检索网络的可用性。当Filecoin的存储空间和检索网络实现安全、稳定、可用的目标后，数据真实性的问题会立马破解。因此，提高Filecoin的存储和检索可用性是必须要解决的问题。基于这个逻辑会存在以下的几个机会： 1、Filecoin CDN加速节点 2、Filecoin检索网络，官方的Saturn项目在稳步推进中，当前已经在测试中，预计明年会正式推出 3、Filecoin存储工具套件 4、通用的模块化功能组件 5、Filecoin存储空间提供商的空间分配系统 6、不同垂直领域的数据存储和数据挖掘的应用层 7、应用层的数据存储激励等 Filecoin 是一个存储挖矿项目，技术要求比比特币和POW时期的以太坊都要高的，在生态中聚集了很多技术和资金资源。FVM推出后，项目开发活跃度很高，很多项目是在FVM推出之前就已经布局了，这是Filecoin生态发展的优势。Filecoin具备宏大的愿景，FVM上的丰富项目会让让Filecoin有更多的故事可以讲，共同的叙事终会迎来价值的释放。来源：金色财经
金色财经2023-06-23
V神：深入了解钱包和其他用例的跨 L2 读取
 go
的演员将不得不自己为此付出代价。 -“预言机”（至少是一些 DeFi 人称之为“预言机”的技术）在这里不是一个可接受的解决方案：钱包密钥管理是一个非常安全的关键低级功能，因此它最多应该依赖于几个非常简单的、无需加密信任的低级基础设施。此外，在相反的方向上（L1s 读数为 L2）： -在乐观汇总中，由于欺诈证明延迟，州根需要一周才能达到 L1。在ZK汇总中，由于验证时间和经济限制的结合，现在需要几个小时，尽管未来的技术将减少这种情况。 -预确认（来自测序仪、证明者等）不是 L1 读数 L2 的可接受解决方案。钱包管理是一个非常安全关键的低级功能，因此L2 - L1通信的安全级别必须是绝对的：甚至不可能通过接管L2验证器集来推送错误的L1状态根。L1 应信任的唯一状态根是已被 L2 在 L1 上的状态根持有合约接受为最终状态根。对于许多 DeFi 用例来说，其中一些用于无信任跨链操作的速度慢得令人无法接受;对于这些情况，您确实需要具有更不完善的安全模型的更快网桥。然而，对于更新钱包密钥的用例，更长的延迟更容易接受：您不会延迟数小时交易，而是延迟密钥更改。您只需要将旧密钥保留更长时间即可。如果您因为密钥被盗而更改密钥，那么您确实有很长一段时间的漏洞，但可以缓解，例如。通过具有冻结功能的钱包。最终，最好的延迟最小化解决方案是让 L2 以最佳方式实现对 L1 状态根的直接读取，其中每个 L2 块（或状态根计算日志）包含一个指向最新 L1 块的指针，因此如果 L1 恢复，L2 也可以恢复。密钥库合约应放置在主网上或 ZK 汇总的 L2 上，以便可以快速提交到 L1。 L2 链的块不仅可以依赖于以前的 L2 块，还可以依赖于 L1 块。如果 L1 通过此类链路恢复，则 L2 也会恢复。值得注意的是，这也是早期（Dank之前）版本的分片被设想的工作方式;有关代码，请参见此处。 11.另一条链需要多少与以太坊的连接才能持有密钥库植根于以太坊或 L2 的钱包？令人惊讶的是，没有那么多。它实际上甚至不需要是汇总：如果它是 L3 或验证，那么在那里保存钱包是可以的，只要您在 L1 或 ZK 汇总上持有密钥库。你确实需要的是链可以直接访问以太坊状态根，以及一个技术和社会承诺，如果以太坊重组，愿意重组，如果以太坊硬分叉，则硬分叉。一个有趣的研究问题是确定一条链在多大程度上可以与多个其他链建立这种形式的连接（例如。以太坊和Zcash）。天真地这样做是可能的：如果以太坊或 Zcash 重组，你的链可以同意重组（如果以太坊或 Zcash 硬分叉，则硬分叉），但你的节点运营商和你的社区通常有两倍的技术和政治依赖性。因此，这种技术可用于连接到其他一些链，但成本增加。基于 ZK 桥的方案具有吸引人的技术特性，但它们的关键弱点是它们对 51% 攻击或硬分叉不具有鲁棒性。可能还有更聪明的解决方案。 12.隐私保护理想情况下，我们也希望保护隐私。如果您有许多钱包由同一密钥库管理，那么我们希望确保： -目前尚不清楚这些钱包都是相互连接的。 -社交康复监护人不知道他们正在保护的地址是什么。这会产生一些问题： -我们不能直接使用默克尔证明，因为它们不保护隐私。 -如果我们使用 KZG 或 SNARK，那么证明需要提供验证密钥的盲版本，而不透露验证密钥的位置。 -如果我们使用聚合，那么聚合器不应该学习明文中的位置;相反，聚合器应该接收盲证明，并有办法聚合这些证明。 -我们不能使用“轻量级版本”（仅使用跨链证明来更新密钥），因为它会造成隐私泄漏：如果许多钱包由于更新过程而同时更新，则时间会泄漏这些钱包可能相关的信息。因此，我们必须使用“重型版本”（每笔交易的跨链证明）。使用 SNARK，解决方案在概念上很简单：默认情况下，证明是信息隐藏的，聚合器需要生成递归 SNARK 来证明 SNARK。目前这种方法的主要挑战是聚合需要聚合器创建一个递归SNARK，这目前非常慢。有了KZG，我们可以在非索引揭示KZG证明上使用这项工作（另见：Caulk论文中这项工作的更正式版本）作为起点。然而，盲证明的聚合是一个需要更多关注的开放问题。不幸的是，从 L2 内部直接读取 L1 并不能保护隐私，尽管实现直接读取功能仍然非常有用，既可以最大限度地减少延迟，又因为它对其他应用程序的实用性。 13.总结要拥有跨链社交恢复钱包，最现实的工作流程是在一个位置维护密钥库的钱包，以及在许多位置维护钱包的钱包，其中钱包读取密钥库（i）更新其验证密钥的本地视图，或（ii）在验证每笔交易的过程中。使之成为可能的一个关键因素是跨链证明。我们需要努力优化这些证明。等待Verkle证明的ZK-SNARKs或定制的KZG解决方案似乎是最佳选择。从长远来看，聚合协议（其中捆绑器生成聚合证明，作为创建用户提交的所有用户操作的捆绑包的一部分）对于最小化成本是必要的。这可能应该集成到ERC-4337生态系统中，尽管可能需要对ERC-4337进行更改。应优化 L2，以最大程度地减少从 L2 内部读取 L1 状态（或至少是状态根）的延迟。L2s直接读取L1状态是理想的，可以节省证明空间。钱包不仅可以在 L2 上;您还可以将钱包放在与以太坊连接级别较低的系统上（L3，甚至是仅在以太坊重组或硬分叉时同意包含以太坊状态根和重组或硬分叉的独立链）。但是，密钥库应位于 L1 或高安全性 ZK 汇总 L2 上。使用 L1 可以节省很多复杂性，但从长远来看，即使这样也可能太昂贵，因此需要在 L2 上使用密钥库。保护隐私将需要额外的工作，并使某些选择更加困难。但是，无论如何，我们可能应该转向隐私保护解决方案，至少确保我们提出的任何内容都与保护隐私兼容。来源：金色财经
金色财经2023-06-23
你唱戏我搭台,Uniswap V4再造流动性增长飞轮
 go
率，也可增加收益来源； ● 定制的链上预言机：采取中位数、截断或其他自定义预言机的实现方式，例如几何平均预言机Geomean； ● 内部化的MEV利润分配回LP：为流动性提供者内化矿工可提取价值。当然，更多的创新Uniswap希望由开发者来实现。以前大家依赖于UNI团队对Uniswap协议进行功能迭代，制约了更新速度。现在，基于Uniswap协议的流动性和安全性，这些钩子允许开发者创建更具灵活性和定制化的流动池。主动权已交给了开发者，开发者将成为流动池的创新主体，1000个人有1000个哈姆雷特和魔法杖，犹如chatGPT开放插件市场一样，“百钩大战”即将开启，必将加速创新速度，打开流动池的创新空间。 2、Singleton：搭建单例流动池推动交易降本增效在流动池架构方面，V4中移除了V3的Factory/Pool模式，取而代之是大合约框架，即单例合约Singleton。两种模式比较如图2-1所示。图2-1 V3 Factory/Pool模式 vs V4 Singleton模式（图片来自Uniswap官网） Factory/Pool模式是每个流动性池对应一个合约，属于多代币多合约的架构，其缺点是部署新池需要部署新合约，其成本随字节码大小而变化，并且多池交易需要跨多个合约，成本高效率低。 Uniswap V4采用了Singleton设计模式，其中所有流动性池均由一个合约管理，不仅让部署流动池的成本降低了99％，也使得多跳交易更加方便和高效。多跳交易是加密货币交易中的常见策略，它允许用户通过一系列代币对从一个加密货币转换为另一种加密货币。在V4中所有交易币对都放在一个大合约里，用户进行多跳交易时，只需调用一次合约就可以完成所有交换，大大提升了交易效率和降低Gas费用，对交易用户格外友好，有助于鼓励费用敏感用户提高交易频率。 3、Flash Accounting：与EIP-1153结合实现成本优化 Flash Accounting，称之为“闪电记账”，是在单例合约架构之上引入的一种新的记账方式。在V3及以前的版本中，每个交易中涉及的所有资产都须在交换过程中转入/转出流动池，这无疑使得过程变得复杂并产生更多的Gas费。而V4的闪电记账则是根据净余额来进行转移。这种记账方式允许在交易过程中，在单例合约内部或外部借出任意数量的代币，但必须保证在交易结束时，所有借用代币都必须被偿还，最后在交换完成后将代币的净余额从池中转移出去。很显然，这种记账方式简化了复杂的池操作，例如原子交换和添加流动性，且在与单例模式结合时，还简化了多跳交易。但需要注意的是，在当前的执行环境中，因为需要在每次余额变动时进行存储更新，所以记账成本高。但可以按照 EIP-1153规定的方式使用“瞬态存储”来对这些余额进行记账，使其成本得以进一步优化。总之，在单例合约结构之上引入“闪电记账”的方式，不仅提高了跨池路由效率，还进一步降低了穿越多池的交易成本。这种特性结合挂钩合约之后会变得非常有用，支持更复杂的集成和创新，将大大增加池的数量。 4、Native ETH：简化复杂性降低门槛改善用户体验根据白皮书所述，基于实现复杂性和流动性碎片的担忧，V2中移除了原生ETH（Native ETH）配对。但单例和闪电记账的实现方式缓解了这些问题，所以V4将原生ETH带回到交易中，允许WETH和ETH进行配对。在V2和V3版本中，用户需要在交易之前将其ETH转换为WETH，这不仅提高了初学者的进入门槛，还会产生额外的Gas成本，带来糟糕体验。原生ETH转移的Gas成本大约是ERC-20转移的一半，ETH为21k Gas，ERC-20s约为40k Gas。在V4中，用户可以直接使用原生ETH进行交易，从而节省了Gas费。同时，由于用户不再需要执行额外的转换操作，增强了交易的便利性。因此，从进入门槛、交易成本和便利性各个方面来说，原生ETH回归流动池交易大大改善了用户体验。 5、Uniswap V4：再造流动性增长飞轮谋定未来格局 Uniswap作为头部DEX协议，旨在实现数字资产的交换和流动性提供。Uniswap围绕流动性创新不断，可以说一直被模仿，从未被超越。这里，我们对V1-V3版本的创新做一个简单回顾，并对V4创新带给Uniswap协议本身和行业发展的意义进行总结性提炼。 ● Uniswap V1：2018年，引入了自动化做市商（AMM）模型，无需买方和卖方撮合，通过资金池和智能合约来实现交易和提供流动性，使得交易更加简单和高效，并为流动性提供者提供了收益机会。 ● Uniswap V2：2020年，引入闪电贷功能，允许用户在无需提供资金的情况下进行借贷。还引入了流动性LP代币，使流动性提供者能够获得流动性挖矿奖励，并在其他协议中使用LP代币进行质押和获取奖励。 ● Uniswap V3：2021年，利用ERC721 NFT实现集中流动性模型，使得流动性提供者可以选择将资金集中在更窄的价格范围内，以实现更高的资本做市效率。还引入了分层费率模型，允许流动性提供者在不同价格范围内设置不同的手续费，以提高收益。从三个版本的迭代创新可以看出，Uniswap聚焦流动性一直致力于提高资本效率和LP收益，并保持了最大DEX的地位。根据Dune.com的数据，该协议目前在链上交易量中占有60%的份额，是其第二大竞争对手的3倍多。而在V4中，Uniswap继续巩固这些优势，通过Hooks、Singleton、Flash Accounting等创新举措，高高垒起护城河，持续在未来发展中扩大竞争优势： ● 赋予开发者更大自由度加速业务创新 Hooks作为V4核心基础，将激发开发者针对流动池的定制创新，打造各类去中心化金融产品和服务，为用户提供更多的选择和价值，由此带来百倍的灵活性和创新空间。从Factory/Pool多代币多合约模式到单例大合约模式，本质上是Uniswap将核心实现逻辑从众多的流动性产品需求中抽象出来，并通过Hooks将主动权和创新空间交给社区和开发者，势将引发更多的参与者进入，并创新更多的流动性业务。对于开发者来说，在Uniswap的流动性和安全性基础之上，聚焦业务逻辑，发挥更大自由度，这无疑将带来更多可能性和应用场景，比如动态手续费、基于时间加权平均做市商来进行更低滑点的swap拆单、定制化预言机、限价交易、链上量化交易策略和流动性调仓策略、自动手续费复投等。 ●提高资本效率优化成本挤压竞品生存空间从开发者利用流动池来说：各类DeFi应用类似于一个前端，业务的开展都需要底层流动性支持。难的不是DApp的开发，而是你的流动性从哪里来？Hooks打开了开发者的创新空间，同时单例合约结合闪电记账实现的集中式流动池为创新业务提供了流动性规模、深度、性能、效率和成本等优越保障。不仅可以促进业务层面创新，反过来各类业务创新也将提高流动池各类资产的利用率。从管理LP和获取收益说：流动性提供者只需要在一个合约里添加或移除流动性（LP），就可以参与大合约里所有的币对。你只需要提供一次流动性就可以随意选择和切换成各种LP，无需多次调用合约支付Gas费，效率高成本低。同时，V4相对V3对LP有更好的激励，白皮书中提到，donate() 允许用户、集成商和挂钩直接以池中的任一或两种代币向区间内的流动性提供者进行支付。这一新机制可以将MEV内化到LP的回报中，使其可以从MEV中受益，比如在TWAMM订单上给区间内的流动性提供者打赏，或者新类型的费用系统。从降低交易用户手续费来说：V4不像V3那样每一个单独的交易币对对应一个合约，用户每交易一个币种都要调用合约收取一次Gas费。在V4中所有的交易币对都放在一个大合约里，用户在进行多跳交易时，只需要调用一次合约就可以完成所有交换，节省了费用，也会鼓励用户提高交易频率。从协议间竞争来说：自由的创新空间、高效的资本效率、简化的操作流程、优化的成本和手续费等，有助于加速Uniswap聚合开发者、流动性提供者和交易用户，从而强化和扩大Uniswap的竞争优势。另外，对于DEX代码搬运者，DEX fork不再具有竞争力，因为Hooks可以直接利用现有的流动性资源，不必另起炉灶；而对现有的一些DEX也将挤压生存空间，比如云交易所、路由类产品应用等。 ●共享流动性加速协议可组合和基建化推动万流归宗 Hooks+Singleton的集中模式，本质上是各类业务共享流动性，将进一步加强各类资产流动性聚合；在此基础上促进业务聚合并提升协议可组合性，提供各项DeFi功能，锁住不同参与者各类需求，形成一站式体验和服务。可以说，通过V4创新，Uniswap在基建化上再下一程，意欲形成“万流归宗”之势。综上分析，我们认为一旦V4正式发布，Uniswap将再造流动性增长飞轮。它不再仅是DEX，它正从面向C端走向C端和B端并驾齐驱，正在加速成为共享流动性的新基建，成为DeFi创新的公共服务平台。我们有理由相信，Uniswap志在更大的蓝图，为DeFi带来更大发展空间。V4的出现，已经引发业界DEX与CEX的终局之争，而Uniswap正以它的创新节奏宣告新时代的到来。未来已来，我们拭目以待。参考资料： https://blog.uniswap.org/uniswap-v4 https://github.com/Uniswap/v4-core/blob/main/whitepaper-v4-draft.pdf https://eips.ethereum.org/EIPS/eip-1153 https://dune.com/hagaetc/dex-me 来源：金色财经
金色财经2023-06-22
蚂蚁集团开发自己的人工智能大语言模型
 go
去的三年里，中国企业已经推出了79个大预言模型，以提高他们的人工智能技术能力。　　6月初，有报道称，阿里巴巴正在将其最新的人工智能（AI）系统构建到其即时通讯应用钉钉和一个名为听悟的会议助手中。阿里云的大语言模型“通义千问”现在与新版本的“通义听悟”助手进行互动。
金融界2023-06-22
（崛起社区）LTC 在六周内减半莱特币价格可能达到 100 美元
 go
的不确定举措，所有关于 LTC 价格的预言和预测都未能实现。莱特币第三次减半事件如上所述，莱特币的减半事件是区块链的一次升级，每四年一次或在生成 840,000 个区块后发生。该事件将使矿工的区块奖励减少一半。到目前为止，莱特币在 2015 年和 2019 年经历了两次减半，第三次减半发生在 2023 年 8 月 2 日左右，即 24,646 个区块之后。为什么减半很重要？当资产的回报被削减一半时，会产生两个影响——使资产变得更加稀缺，如果需求保持不变或增加，则会导致标的资产价格暴涨。简而言之，这是引发负供应冲击的一种方式。加密货币交易者的典型行为是在预期反弹的情况下抢先交易。如果足够多的投资者得出类似的结论，网络效应就会催化减半前的牛市。减半期前几周或几个月的比特币和莱特币价格也出现了同样的影响。许多投资者在第三次减半事件之前预计莱特币会出现类似情况，但多头并未出现。在下一次减半前大约六周，投资者需要密切关注莱特币的价格走势，这暗示着即将到来的反弹。莱特币价格准备好爆炸了吗？日线图上的莱特币价格在过去五天上涨 12% 后，目前正在重新测试 82.81 美元的关口。虽然交易者可能会感到害怕，但他们现在不应该扣动扳机。市场参与者预计将小幅回升至 78.97 美元至 76.15 美元的支撑区域。从该区域反弹，然后成功反弹至 82.81 美元和 85.45 美元阻力位上方，是 LTC 多头触发复苏反弹的关键。这样做可能会推动莱特币价格触及 100 美元的心理水平，并重新测试区间高点 105.79 美元。监测相对强弱指数（RSI）和动量震荡指标（AO）是否恢复至平均水平之上，表明存在买入机会。虽然看涨前景风险很高，但投资者需要等待 82.81 美元或 85.45 美元的阻力位。每日时间范围内跌破 76.15 美元将使 LTC 的看涨论点失效，并可能引发大幅回调，重新测试区间低点 65.10 美元。来源：金色财经
金色财经2023-06-21

上一页
1
•••
156
157
158
159
160
•••
239
下一页

24小时热点

最新话题更多