📜 [專欄新文章] 從 Rollups 來聊聊以太坊 Layer2 的演進
✍️ Kimi Wu
📥 歡迎投稿: https://medium.com/taipei-ethereum-meetup #徵技術分享文 #使用心得 #教學文 #medium
Photo by Clark Van Der Beken on Unsplash
去年 Defi summer 的熱潮後,以太上 Defi 應用呈現爆炸性成長,造就高昂的交易手續費,為了有更快的交易速度及可負擔的交易費用,人們對側鏈、Layer2 的需求更加強烈。Rollups 是 Layer2 的一種技術,在今年相當熱門,幾個耕耘已久的專案 zkSync、Optimism、Arbitrum 等也開始廣為人知。今天想來聊聊以太坊上 Layer2 技術的演進。
State Channel
state channel 最一開始是建立在 Bitcoin 上,最廣為人知的就是 lightning network。簡單來說,就是兩方在私下建立一條可以互相轉帳的通道,轉帳完畢後把通道關閉,接著將交易後的狀態更新到鏈上。若交易一筆後即關閉通道,那交易成本就跟在鏈上一樣,所以在實務上,通道一直開著(或是一段時間),交易數筆、數百筆後再上鏈更新狀態,藉此平均每筆的交易手續費就大幅降低。也因為只需通道雙方驗證交易內容,交易速度能大幅提升,讓小額支付能夠實現,就不需等10分鐘(Bitcoin)後交易才會被打包,甚至要等6個區塊的時間。而最早在以太上的 state channel 是 Raiden。
對於 Raiden 技術有興趣的可以參考這篇文章。
Plasma
Plasma 於2017年8月由 V 跟 Joseph Poon (Lightning Network的創始人之一)所提出,概念上是可以有鏈中鏈中鏈(就是Layer2 → Layer3 → … LayerN),藉此可達到百萬級甚至更高的交易量,不過概念太美好,沒人知道怎麼實作。
隔年1月 V 提出了 Plasma 的第一個版本 Plasma MVP,是以 UTXOs 模型的設計,接著3月提出了第二個版本 Plasma Cash,同年(2018)Plasma 的提案數呈現著爆炸性的成長(絕大部分都是基於 Plasma MVP 跟 Plasma Cash 做改進)(如下圖),強大的社群力量,讓大部分關鍵的問題在同年年底都找到了解答。也為之後的 Optimistic Rollup 打下了基礎。
而較著名的開發團隊,除了 EF 出來的 Plasma Group 外,還有 OmiseGo 跟 Matic(現在的 Polygon)。
對 Plasma 技術有興趣的,可以參考這篇、這篇跟這篇
https://ethresear.ch/t/plasma-world-map-the-hitchhiker-s-guide-to-the-plasma/4333
Plasma 看似一切美好,但因為資料的可取得性(data availability)的問題,使得在使用者體驗上有點糟糕。
Plasma 的所有交易資料都在 Plasma 鏈上,而 Plasma 鏈的礦工(即operator)只需繳交 Merkle root 到 L1 的合約作公證就好。因此若 operator 作惡,在 Plasma 鏈上交易者,就需有能力證明 operator 作惡。
在 Plasma 設計中有”所有者”的概念(UTXOs 的設計中,收款者需要到拿送款者的轉出證明,才能動用這筆款項,轉出證明只有收款人會擁有),如果該所有者不關心自己的資產,就可能造成資產無效的結果(account-based 的設計,若你不理你的帳號,別人一樣可以轉帳到你的戶頭中)。因此每個交易者須有能力自行提出證明,無法委託第三方。
而要證明這件事,用戶需要把 Plasma 鏈上的交易都下載下來,才能證明 operator 做了一件不合法的行為,也才能產生詐欺證明(fraud proof)到 L1 上的合約來證明 operator 作惡。而這個送出的詐欺證明,必需要被確保可以安全地送到 L1 上的合約被執行,因此需要有一段挑戰期,讓使用者可以下載及驗證資料(或是網路塞車造成詐欺證明無法被合約執行)。
題外話,Eth 2.0 light client利用了 ECC (Error Correction Code)的原理,所以只需要部分資料就可以驗證正確性。
Rollups
同年(2018) 9月,在支線專注隱私性的開發的 Barry Whitehat 提出了 zk Rollup,隨後 V 也在以太坊研究員論壇發了一篇文章,解釋 zk Rollup 是如何運作的,並以On-chain scaling to potentially ~500 tx/sec through mass tx validation 為標題,也因此開啟了 Layer2 新的一頁。隔年(2019)三月,Matter Labs 獲得了 EF 的 grant 將 zk Rollup 產品化,也就是大家所知的 zkSync。
所謂的 rollups,一樣是在 Layer2 上做交易,不同的是 L1 上會記錄每一筆的交易紀錄。什麼!如果每一筆交易紀錄都上鏈,跟一般 L1 交易有什麼不同?想了解細節可以看這篇。簡單來說,在合約裡用了一顆樹來記錄每個帳號的狀態,樹的第幾片葉子(index)代表一個帳號地址,因此帳號就從20 bytes 的地址變成了幾個 bytes 的 index。以 ZK Rollups 來說,交易都是在 Layer2 被驗證過的,所以簽章資訊(65 bytes)也不用上鏈,Optimistic Rollups 會利用簽章聚合的技術,數百個簽章最終會被聚合成一個。因此,交易資料從原本100多 bytes 變成了10幾個 bytes。因為交易紀錄都 ”放上鏈“,資料可取得性也就不是問題了。
”放上鏈”指的是利用 calldata 的方式放在鏈上,並非一般認知的寫進合約裡。非0值的 calldata 每 byte 需要耗費 16 gas,而合約寫進一個 32bytes 的資料需要花 20,000(新增) or 5,000(修改) gas,相當於每個 byte 的成本為625 or 156 gas,約為 calldata 的 40 or 10倍。
同年(2019)六月 John Adler 在以太坊研究者論壇提出了Minimal Viable Merged Consensus,也就是大家熟知的 Optimistic Rollups 的原型,接著 Plasma Group 基於John Adler 的提案,提出了 OVM,從此 Layer2 上除了單純的轉帳外,還可以執行合約,也奠定了 Rollups 在 Layer2 的地位,開啟 rollups 的新世代。
StarkWare 團隊建立了可評估的數學模型,驗證了 calldata 的成本從64 gas 降到 16 gas並不會對鏈的安全造成危害,提出了 EIP-2028(在 Istanbul 上線),也是推動 rollups 可行性的重要一環。
Validity Proof v.s. Fraud Proof
Optimistic Rollups 跟 ZK Rollups 最近有很多文章在介紹跟比較,這邊就不贅述。這邊想聊的是資料的有效性,這篇文章解釋地很好,這裏擷取部分敘述。ZK Rollups 保證了上鏈的資料都是正確的,資料必須被驗證過是合法的(例如沒有被雙花)才會改變使用者的狀態(例如 balance),跟現在各個主鏈的設計是一樣的,稱作有效性證明(Validity Proof),這種設計假設大家都是壞人,要通過驗證才會相信你,確認資料是百分之百的正確聽起來很理所當然,但是背後要維護資料的正確性,需要相當高的成本。
Optimistic Rollups 則是相反,假設大家都是好人,送上鏈的交易都接受,當發現有人作弊,再靠檢舉機制來更正狀態,這稱作詐欺證明(Fraud Proof)。這樣的機制系統維護成本較低(L1 上不需要驗證每一筆資料的正確性),但需要多一個爪耙子的角色來維護系統的安全,也就多一個系統潛在的風險。而要確保爪耙子有足過的時間反應,就不能讓使用者即時地離開系統,這是 Optimistic Rollups 最被詬病的一點,提款要等七天(現在有第三方流動性提供者,使用者可以請第三方流動性提供者預付使用者的提款。使用者支付手續費來換取快速提款的服務,而流動性提供者則承擔資產鎖住七天的風險來賺取手續費。不過在 protocol 層以安全性為主要考量,還是需要較長的挑戰期)。
ZK Rollups 的實作上,也有數個小時的提款期,不過那是基於成本考量,而非安全性。
此外對照於 Plasma, rollups 的設計是 account-based,交易也都公開在鏈上,每個人都可以參與監督及提出詐欺證明。
ZK Rollups v.s. Optimistic Rollups
ZK Rollups 從資料的有效性來看勝過 Optimistic Rollups,離開系統時不需要額外的挑戰期,能即時提款離開系統,不過付出的代價就是交易延遲上鏈。因為產生 zkp 證明需要龐大的運算量,產生一次證明,大約需要10 ~ 20分鐘,所以說在 Layer2 上做一筆交易,10分鐘後你的交易才是有 L1 的安全性。
為了能盡早得知發出的交易是否完成,實作上會把完成的交易先丟上鏈,等zkp 證明產生後再上鏈驗證其正確性,若驗證成功,則交易視同有 L1 的安全性。
但是在通用性上,Optimistic Rollups 沒有複雜的 zkp 電路的限制,對於合約的支援度上更好,而且 zkp(SNAKRKs)在使用前需要一個盛大的啟用典禮(trusted setup ceremony)。
zkSync
zkSync 1.0 在去年(2020) 六月上線,因為不能執行合約,使用的專案並不多。同年的年初,Matter Labs 已經默默在開發一種新語言 Zinc,是可以在 zkSync 上開發合約的語言。年底,與 Defi 專案 Curve 合作,發表了在 zkSync上可以跑基本版的 Curve(兩幣交換)。今年(2021)三月,Matter Labs 發表了令人振奮的消息,zkSync 支援 EVM!只需要部分修改現有的合約就可以部署到 zkSync 上,測試網今年五月已經上線,主網預計8月上線。不過目前測試網上的交易量非常地少,相信在初期還是有相當多問題或是困難,以短期來看,Optimistic Rollups 陣營的速度跟支援度略勝一籌,不過個人相信長期會是 ZK Rollups 的世代(私心認為 lol),但最終還是由生態系的大小來決定贏家。
在 ZK 這個陣線上有延伸出不同的設計,為了加快速度及減少上鏈成本,StarkWare 提出了 Validium 的概念,資料不上鏈但使用 zkp 確保資料的正確性,像是 StarkWare 的 Volition 跟 Matter Labs 的 zkPorter 都是同樣概念的實作,不過不是本篇的重點,就不多解釋。
ETH 2
V在2020年10月提出了 A Rollup Centric Ethereum,rollup 也因此進到 Eth2 的規劃中。Eth2 的設計中 shard chain 是資料層,而在 phase 2 後才有執行層(也就是才能執行合約),V 的提案 除了讓 shard chain 當資料層外,也會內建 rollups 的邏輯。至於會採用哪種 rollups 目前沒看到結論,不過 V 本人是傾向 ZK Rollups。如果成真,那未來數百個 rollups 之間的溝通,將會是另一個挑戰 。
專案比較
ZK Rollups 有目前這幾個較知名的專案: zkSync(Matter Labs)、 Hermez(Iden3)、 Loopring(Loopring)、 StarkNet(StarkWare)跟 Aztec(Aztec)。
Optimistic Rollups 目前幾個專案 Optimism(Optimisim,前Plasma Group 成員)、 Arbitrum(Offchain Labs)、 Fuel(Fuel)。
這是目前幾大 rollups 的生態系(今年3月時的統計),比較值得一提的是,Uniswap 團隊因為社群的投票,也將會在 Arbitrum 上面部署,對於整個 Arbitrum 的生態,相信有很大的影響。
https://www.chainnews.com/articles/872971457746.htm
感謝 NIC Lin 及 Chih-Cheng Liang 的審查跟建議。若有錯誤或不同觀點,歡迎指教。
從 Rollups 來聊聊以太坊 Layer2 的演進 was originally published in Taipei Ethereum Meetup on Medium, where people are continuing the conversation by highlighting and responding to this story.
👏 歡迎轉載分享鼓掌
敘述性統計解釋 在 PTT Gossiping 批踢踢八卦板 Facebook 的最佳貼文
每天整理國際疫情的 derekhsu 也被列入名單
derekhsu:『恭喜恭喜,我竟然也被當成中共同路人之一了,這應該算是一個榮譽嗎?是不是該換用了十幾年的暱稱了?我們來對於這種垃圾報告沒有打算看看,覺得不關我的事,結果想不到我居然列名榜單之上。
於是我就想看看這些研究到底是什麼東東,不看就好,看了反而笑死,#這是什麼碩士作業等級的報告?所謂的文字雲、文字連結這些非監督式文字探勘跑出來的東西,都是簡單的工具就可以跑出來的,而且 #只要有作過文字探勘或輿情分析的人都知道這種研究的關鍵在於字典的選擇。
這裡面的研究使用了「COVID-19字典」,最好玩的是,#竟然沒有任何reference說這些字典是怎麼挑出來的。
通作這種字典有三種方法,#專家法、#統計法 跟 #參照法,專家法就是請一群訓練有素的專家透過問卷調查的方式,統計法則是利用一群有關的文章作關鍵字分析或是詞、文章向量訓練,然後再計算文章概念相似度,在挑出文章,參照法則是根據其他的研究列出字典。
我是想要看看這篇作者是誰,還有他是哪間研究所或博士畢業的,怎麼會覺得這樣的文章做出來解釋就覺得沾沾自喜開心得很,跟某些自稱認知作戰專家的政治學教授差不多,你基本的東西作不好,做出來的東西就是垃圾了啊。
還有後面有提到「刺激情緒的『情緒渲染』」在內,要知道的是,這叫做 #文章情緒分析,要說人家文章有在情緒渲染,有做完情緒分析嗎?文章內傳達的情緒,這是可以透過資料科學的方式作分析的,很多品牌會根據Twitter來作分析,這篇研究純粹也是用喊的。
說實在的,#這些NLP基本功沒作,#那剩下來的東西只有五個字,就是「#看圖說故事」。
「看圖說故事」的研究可多了,我每天貼的疫情統計大概也就是看圖說故事,不過我可沒有領研究經費,你給我一百萬去研究數據,我也可以生出來一篇圖文並茂的統計分析。
我再來看看我被歸類在哪些領域,我被列在「讚揚中國防疫措施」「排他性敘述/給我上海復星BNT」跟「抨擊國產/國內相關措施」這三點裡面。
要說我立場是這樣,這倒是沒錯的。但幹你老師綠共現在不是在抄中國防疫措施嗎?
入境驗三次,屏東封村普篩打疫苗,那個不是中國在幹過的?
給我上海復星BNT這就更是廢話了,BNT是目前世界上效果最好的疫苗之一,而且他可以打年輕人,上海復星是BNT大中華區唯一代理商,更誇張的是人家還不是代理,人家還是投資方跟研發單位,我們買的BNT可能就有5%, 3%的中國成份疫苗在內。什麼疫苗都要就是不要BNT,這政府沒有病是什麼?至於抨擊國產/國內相關措施,這更是他媽的廢話,我說要入境普篩現在有沒有?
一堆人在批評台北的相關措施,那台北就不算國內了嗎?另外,國產疫苗的處理過程好壞有眼睛的人應該都很清楚,不用我再多說什麼,我還有不只一次支持研發國產疫苗,甚至還幫國產疫苗說過話,我反對的是目前國產疫苗的過程。 https://www.ptt.cc/bbs/Gossiping/M.1621947532.A.A92.html
還有這篇文章去下定義「幫忙帶風向」跟「針砭時事」的定義作得非常之爛,因為 #他沒有作帳號的背景分析,除了IP之外,就 #驟下結論說這些帳號是在幫中共洗地,這是更是 #完全沒有遵守研究中立性的立場。甚至也不用繼續作資料探勘,你簡單查一下這些人的過去發文紀錄就知道,這些人的角度是什麼?
網軍會在股板發消息嗎?(幹你面板雙貓害我賠十幾萬) https://www.pttweb.cc/bbs/Stock/M.1626394403.A.85F
網軍會分享松島楓開微博的消息嗎?是不是因為微博要說我是中共同路人? https://www.pttweb.cc/bbs/japanavgirls/M.1625998753.A.194
網軍會分享東奧熱身賽嗎? https://www.pttweb.cc/bbs/NBA_Film/M.1625972483.A.39E
網軍會酸韓導酸到上自由時報嗎? https://news.ltn.com.tw/news/politics/breakingnews/2733113
甚至還說因為這兩篇我是疫苗乞丐的發明人? https://www.ptt.cc/bbs/Gossiping/M.1612146762.A.A76.html
拜託,這篇文章才7推耶,7推帶什麼風向?我何德何能7推就能帶風向,綠共還不請我當網軍頭子?
https://www.ptt.cc/bbs/Gossiping/M.1612181977.A.CB1.html
還有這篇,拜託,這篇也才16推,而且這兩篇都不是發文,只是回文,更好笑的是,#我這篇是在幫政府解釋以色列為什麼可以取得那麼多疫苗我們取得不了,#我是在幫政府說話,這作者是文盲嗎?#我是叫人不要事後諸葛耶?黑人問號。
#簡單來說啦,#這作者是半桶水,#而且很懶,#希望他是沒有領政府經費而是個人義務作這種研究的。』
Re: [討論] 國防安全研究院 PTT八卦板疫情輿論分析 https://disp.cc/b/163-dQvn
前情提要 laptic https://www.facebook.com/PttGossiping/posts/2374475356023448
osalucard https://www.facebook.com/PttGossiping/posts/2374418136029170
COCOCCC https://www.facebook.com/PttGossiping/posts/2374320616038922
Induction 1. https://www.facebook.com/PttGossiping/posts/2374187979385519
Induction 2. https://www.facebook.com/PttGossiping/posts/2374218949382422
DCSHK https://www.facebook.com/PttGossiping/posts/2374167766054207
CavendishJr https://www.facebook.com/PttGossiping/posts/2374128309391486
#認知作戰 #林瑋豐事件 #三級警戒 #新冠肺炎 #武漢肺炎 #COVID19 #COVID2019
敘述性統計解釋 在 子迂的蠹酸齋 Facebook 的精選貼文
有段時間沒接觸行為科學的書籍了。 天下文化 此次出版的《雜訊》,是由諾貝爾經濟學獎得主丹尼爾康納曼,與另外兩位學者共同撰寫。康納曼在台灣曾經出版過《快思慢想》,這本非常經典之作。雖然當初出版時有部分翻譯問題,但內容中討論的「快思」及「慢想」兩套系統,以及對人類諸多不理性行為的討論,依舊能帶來諸多啟發。
書名名為《雜訊》,聽來費解,但其實這是統計學上未能妥善解釋或改善的變因。本書開頭便以人類打靶時的不同結果,作為解釋「雜訊」的方式。若彈孔集中分布於靶心,則不存在偏誤或雜訊;若彈孔集中但偏離靶心,則產生了「偏誤」;彈孔集中與否的狀態,則取決於是否受到「雜訊」干擾。康納曼於書中明確的說,統計學長期發展皆致力於發現並解決「偏誤」,鮮少花費氣力於消除「雜訊」。
書中將雜訊分作水準雜訊、型態雜訊,而型態雜訊中又包含了場合雜訊。水準雜訊所指,便是不同個體因為性格和專業判斷不同,產生的不同結果。型態雜訊,則是因個體對不同事件好惡有差異之別,導致統計意義上的雜訊。而場合雜訊則屬於無法歸類的項目,諸如天氣、情緒等等。
舉本書中的法官故事為例。有些法官平均起來特別喜歡輕判,有些則喜愛重判,這是水準雜訊。而部分法官針對盜竊案特別重判,或針對單親家庭的罪犯特別寬容,這是型態雜訊。而宣判當天的天氣、法官的情緒、咖啡的好壞等則為場合雜訊,因太不可定義及討論,則被視為單純的隨機變數。本書《雜訊》,即為討論如何消除水準及型態雜訊而寫。
20世紀初,統計學大師高爾頓參加一場鄉間活動,主持人將一頭牛牽至台上,請底下800餘位鄉民猜體重。這些鄉民中有畜牧專家,也有單純的路人。他們將手中的投注票丟到箱中進行活動。高爾頓不相信這麼多閒雜人等能正確猜出牛的體重,事後向主辦單位索取全部投注票,算得所有人猜測的平均體重為1197磅,而牛隻的實際體重為1198磅,平均數離真實數字相去不遠,就連中位數也與實際體重相差無幾。
當然這是群眾智慧的一個現象,但前提是群眾並未產生從眾或錨定等效應。換之,重要的是讓意見彼此獨立,就能發揮群眾智慧,降低雜訊。作者提及許多大型組織的決策,之所以會產生過大的雜訊,有相當程度的因素在於組織內部不願導致爭吵,避免有不團結的氣氛。事實上確實如此,許多企業的中高層幹部,都不願意與其他同級主觀產生紛爭導致雙方不睦,更別提下屬敢當面質疑上司決定了。
當然這些高層都並非是甚麼尋常人,他們都是受過專業訓練的專家,只是作者認為這些專家學者們,都對自身過於自信,否定自己有「客觀性的無知」存在,導致許多判斷下得果斷,卻被過多雜訊所影響,進而影響了決策的效益。
如何減少雜訊就成了更重要的問題。最重要的方式,便是保持對事物的開放心態,並衝分理解判斷的目標是準確,而並非是領導人個人特質的展現。決策不能以單一個案去審視當前狀況,而更應該以統計意義為出發點進行思考,並非陷入個案的故事及敘事結構,進而喪失客觀性。更重要的是不要對事情有「絕對」的判斷,更應該以「相對」的數字方式評斷事件。總而言之,這本書以長期被統計領域忽視的「雜訊」為題,寫了一本引人深思的著作。
每次閱讀行為科學或行為經濟學書籍時,我總能感受到一股濃濃的「反人性傾向」。作者雖然於書中並非否定人類的直覺或第一反應,但本書有相當篇幅皆用於描寫演算法或統計模型優於人類,甚至部分內容還提出,人類針對不同事物的加權比重,遠遠不及於等比重的方式用於統計模型中。
閱讀時,我不斷想起曾火紅一時的電影《魔球》。指MLB奧克蘭運動家隊,曾於2000年以數學統計模型,建立一支低薪資但卻足夠強大的球隊。該部電影中,將所有球員的能力量化分析,並否定了過往球探覓才時的直覺和潛力。果不其然,本書也略帶提到《魔球》原作。魔球確實曾經影響大量運動領域,MLB曾有多支球隊皆引進魔球計量法,進而重新打造隊伍。近幾年就連NBA也出現部分球隊,將這套系統引進,並成功打造勁旅。不過魔球的成功,也僅能代表這套系統能有效打造勁旅,真正遇上統計意義上的「異數」時,統計數字是沒有能力發掘潛力巨星的,如Kawhi Leonard或Stephen Curry於選秀或生涯初期,都是黯淡無光的球員,若全採用魔球方式,這類球員恐將沒有今日之巨星地位。
書中因多次以演算法為主軸,強調人類應該將直覺至於判斷的最後階段,而非是一開始就有直覺先入為主。作者曾以法官判決及醫療診斷為部分篇章的主題,總無可避免地提及人工智慧於這些領域的發展。多少讓人想到,《關鍵報告》中的犯罪預判系統,以及《心靈判官》中的全能西比拉系統。每每讀這類行為經濟學的書籍,總讓人有種反人類和反人性的衝動。
本書相當有趣。若你是《快思慢想》的讀者,則齋主我相當推薦你一讀,畢竟書中大量引用前作的思維陷阱案例,並有大篇幅提及「系統一」的缺失。若齋友你不曾讀過《快思慢想》,那本書有相當篇幅用於介紹這本前作,甚至在幾位作者巧妙的敘述下,你會發現讀完《雜訊》時,你也有了相當《快思慢想》的思維基礎。
《雜訊》已經全台上市。 今天(7/1)博客來還有特殊優惠,《快思慢想》66折,同時還可以用75折的價格加購《雜訊》。有興趣的齋友們還不趕快下單購買嗎?
https://www.books.com.tw/products/0010893007
敘述性統計解釋 在 推論統計範例、敘述統計定義在PTT/mobile01評價與討論 的推薦與評價
在敘述性統計解釋這個討論中,有超過5篇Ptt貼文,作者knight32907也提到: 月薪扣52萬、球衣選51號「統一獅胡金龍」正式亮相: 〔記者倪婉君/台南報導〕胡金龍今天上午 ... ... <看更多>
敘述性統計解釋 在 第2單元描述統計| 心理科學基礎統計 的推薦與評價
這個問題可再轉化為分析程序的形式:受教年數能解釋科學知識評分多少程度的提高趨勢?前一種問題描述方式,是有受過中學教育的人們,都能理解的科學思考。 ... <看更多>
敘述性統計解釋 在 推論統計範例、敘述統計定義在PTT/mobile01評價與討論 的推薦與評價
在敘述性統計解釋這個討論中,有超過5篇Ptt貼文,作者knight32907也提到: 月薪扣52萬、球衣選51號「統一獅胡金龍」正式亮相: 〔記者倪婉君/台南報導〕胡金龍今天上午 ... ... <看更多>