MER:新手速懂:Merkle Tree何以验证CEX是否有100%的储备金

部分专业投资者认为,CEX们同时采用的这一举措,可从一定程度上,扮演着区块链世界的储备金证明制度的角色。

那么,Merkle Tree(默克尔树)究竟是什么,他如何帮助CEX们自证清白。这个听起来晦涩难度的计算机专业术语,到底对应着什么样的操作逻辑?

趁着这一话题已被广泛讨论,欧易OKX新手学院,就用最通俗的语言、最浅显的逻辑,带大家一探究竟。当然,要向新手用户甚至是解答好这个大问题,需要层层拆解一系列的小问题,我们逐一来看。

相信很多用户有把资产存放在中心化交易所的习惯,毕竟我们绝大多数的资产买卖发生在交易所,这样来回切换的成本和时间也更小。

但很多用户可能忽略的一点是,我们存放在交易所的资产,也就是准备用来做投资的本金,其实是交易所的负债。

当我们急需提现的时候,交易所必须全额兑付,而且是越快越好,这也是评判交易所运营状况和可信程度,最直观的指标。

Axie Infinity联合创始人:Axie Infinity每天有约100万名活跃玩家是加密新手:10月8日消息,Axie Infinity 联合创始人 Aleksander Leonard Larsen在Token2049 上关于元宇宙的小组讨论中表示,Axie Infinity 每天有大约 200 万活跃玩家,其中 50% 以前从未使用过任何加密应用程序。 他表示:“现在开始玩 Axie 真的很难。基本上,他们无法进入游戏本身,因为它太难了。”

为了让新玩家的上手流程顺畅,Axie Infinity 开发商 Sky Mavis 上个月宣布计划为新玩家提供免费的入门 Axies(目前,新玩家首先需要购买三个 Axies,每个可能要花费数百美元)。[2021/10/8 20:12:19]

所以,早前很多交易所出现暴雷事件的本质原因,就在于他们无法兑付用户的本金,说白了就是自己的钱不够了,陷入资不抵债的困境。但是用户往往对此并不知情,因为他们无法获知CEX自己还剩多少钱,用户总共在平台存了多少钱。如果总储备金 > 总负债,就证明平台安全,反之则风险重重。

Glassnode数据:新手最近在恐慌性抛售BTC:Glassnode创始人Jan Happel和Jann Allemann发推表示,自去年10月以来,还没有看到长期持有人的头寸变成绿色。看起来新进入市场的人最近在BTC上做了很多恐慌性抛售。[2021/5/6 21:30:44]

这时候,就需要CEX们主动公示上述两项金额。

按照Mekle Tree的资产验证逻辑,交易所需要先公示自己的总储备金,且必须是存放在链上的资产总额。因为上链的特殊属性,保证交易所无法造假,总储备金额度完全真实。但是,总负债额度如何证明,却成了难题。

大型交易所的总用户数动辄千万,且每个用户的存款金额多寡不一,差距极大,如果算错或者算漏那么一分一毫都会造成结果的偏差,影响CEX资产的精确性,造成不安全因素。对于CEX来说,需要精确到每个用户的资产,都被如实的计入在总负债内,甚至是查大账过程也能和用户对小账,才能保证各方安心、皆大欢喜。

央行反局负责人:利用比特币等虚拟货币进行的新手段更加隐蔽:最高人民检察院第四检察厅、中国人民银行反局负责人就联合发布惩治犯罪典型案例答记者问,随着社会经济的快速发展,各类犯罪与活动相互交织渗透,犯罪充当助纣为虐、为虎作伥的角色,手段不断翻新,涉案金额持续攀升。为非法吸收公众存款、集资等涉众型犯罪转移非法资金的案件持续高发,利用网络贩、跨境贩并清洗资赃的犯罪呈现多发态势,利用比特币等虚拟货币进行的新手段更加隐蔽......各类犯罪活动给社会稳定、金融安全和司法公正造成严重威胁。根据党中央、国务院对反工作的重要部署要求,最高人民检察院、中国人民银行充分发挥部门职能,着力加强协同合作,有力打击了各类违法犯罪活动,依法严惩了一批犯罪分子。(中国金融新闻网)[2021/3/19 18:59:34]

所以,最难的问题,其实是如何精确统计交易所的负债。唯独Merkle Tree,能在这时候发挥决定性作用。

首先解释下什么是Merkle Tree。

声音 | 菲律宾缉局:大型贩集团正利用比特币等创新手段进行隐匿:据philstar报道,6月10日,菲律宾缉局(PDEA)表示,政府的禁战争进入了一个新阶段,各大贩集团纷纷采取创新手段以避免被发现,比如通过所谓的“暗网”进行交易,以及使用比特币。[2019/6/11]

他是一种树状结构的数据处理系统,旨在验证数据完整性和准确性,也被认为是区块链技术的重要形态。这个名称的由来是,其发明者是一位名叫Ralph Merkle的科学家(斯坦福教授,公钥密码学创始人之一),并且其形态像一棵倒过来的树。

我们都知道,区块链是一个所有节点都可以参与数据处理的网络系统,这是他和传统互联网的本质区别,后者的数据计算、传输和存储均由中心化节点大包大揽,这决定了前者的效率远不及后者。

所以,区块链技术目前的应用主要是记录交易信息,比如最初代的比特币系统其实主要处理点对点的电子转账问题。区块链,也由此被称为分布式记账。这个账本的特殊性就在于,任何一个细微数据发生异动,都会给系统造成恶性影响,因为这是所有节点集体维护的,牵一发动全身。

日本加密货币交易所BITPOINT将于5月举办面向虚拟货币新手的研讨会: 据日本加密货币交易所BITPOINT官网信息,BITPOINT将于日本时间2018年5月26日星期六14:00~16:45在福冈县举办面向虚拟货币新手的研讨会,届时,BITPOINT董事长林千春将会作为讲师出席此研讨会。[2018/4/28]

于是,为了保证不出错,就需要一个极为严谨、精确度极高的数据处理系统,如Merkle Tree。Merkle Tree的处理思路是,把所有的数据处理流程层级化,也就是所有的节点划分层级,且一层层向上传输结果的过程中,需要前后节点验证,验证失败则无法继续下一步,也就说明数据造假。

我们看到,Merkle Tree之所以是个倒过来的树状,就是因为它是自上而下递交数据的验证过程。如果数据爆炸性增长,就对应着大树的开枝散叶,而根部始终只有一个,且越长越粗。形象理解,根部数据所涵盖的信息量,会随着系统数据的累加而更丰富。

那么,随着节点的层级越复杂、系统越庞大,数据会不会被漏掉,精确性会不会打折扣?针对这一问题,Merkle Tree采用了哈希算法。

简单科普下,哈希算法,就是将所有数据文件,编码成独一无二的字符的过程。这个字符叫做哈希值,由字母和数字混合组成。而数据文件,就是我们常说的区块。每个区块的数据内容有变,哈希值也会相应产生变化。可以说,哈希值就是区块的身份证明。

在区块链系统中,哈希算法将所有的区块链前后链接,形成了一个链式的网络。一前一后的两大区块相连,首先就需要验证哈希值。哈希值错了或者缺了,计算就会陷入停顿,网络无法更新。在Merkle Tree系统中,任何一个环节的哈希值出现异常,就相当于某个枝干错位,很快就被检测出来。需要注意的是,每个节点的哈希值都会公开,用以反向检索对应流程所涉及的数据,类似于账单。

在这样一个极度缜密、环环相扣的数据结构中,每一位用户或者说节点的数据,都直接影响总体数据,也就是根数据的变化。但是,如果计算过程启动,不会出现任何错漏和误差。

介绍完背景和术语后,相信读者更容易理解,采用Merkle Tree的CEX为何能证明总负债数据真实可信。在引入Merkle Tree的情况下,每个用户的账号都是一个节点,账户的资金数额都是节点的数据。通过Merkle Tree计算出的所有账户资产总额,就是真实的CEX总负债。

另外,CEX还可以向用户提供统计时用户账户的资产额度,以及Merkle tree到根节点上的所有节点哈希值。这样,用户可以确认自己的资产也被包含在本次统计当中,不存在漏算的问题,只是对大家来说流程可能相对繁琐复杂。

解决了总负债的真实性问题之后,我们只需要将这一结果和平台链上资金总额做比对,即可核验平台运行的状况。二者数额1:1,或者总储备 > 总负债,证明平台安全可靠。如果总储备 < 总负债,就需要引起警惕了。

总结来看,采用Merkle Tree(默克尔树)验校总负债的真实性,就是一种确保信息透明的方式。他的推出,是让大家确信,CEX没有挪用用户的资产,或者说平台的经营成本甚至是创始人的额外花销,与客户的本金完全隔离。

当然,这种方法并非尽善尽美,因为这可能会在一定程度上会泄露CEX官方和用户的部分隐私,将其暴露给处心积虑盗取资产的黑客。但是,从目前CEX的行业现状来看,共享可审计的Merkle Tree总储备金成为标准规范,已经是改善用户信任问题的不二之选了。至于如何做好防黑客攻击,相信资金和技术实力雄厚的大平台,自有应对的良策。

对于欧易OKX这种抗风险能力强、企业价值观正向的平台来说,这一制度会进一步增强用户对其信任,形成良性循环。毕竟,在一个公开透明的网络中,大家会更认可主动接受监督、自证清白真实的平台。

OKX

企业专栏

阅读更多

金色早8点

比推 Bitpush News

Foresight News

PANews

Delphi Digital

区块链骑士

深潮TechFlow

链捕手

区块律动BlockBeats

DeFi之道

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

金星链

LunaAIG:AIGC:Web3时代的生产力工具

摘要在我们《元宇宙(七):虚拟人的“灵魂”是什么?》的报告中,提到了虚拟人的灵魂并不仅是逼真的外表,而是来自于AI自主生成的内容.

[0:15ms0-0:883ms