
扫盲丨关于区块链你需要了解的所有概念
如今存储信息的方式有什么问题?
目前,支配我们生活的数据大部分都储存在一个地方,不论是在私人服务器、云、图书馆或档案馆的纸上。大多数情况下这很好,但这也容易受到攻击。
最近有消息称,去年黑客入侵了优步,盗取了5700万用户的个人信息。同年,美国婚外情交友网站Ashley Madison有多达3700万的用户信息被泄露。以及美国信用评级公司Equifax,有超过1.43亿消费者的个人资料被泄露,包括社会保险号、驾照号、信用卡信息等被盗。
这些违规行为可能造成严重后果,让数百万人遭受身份盗用和欺诈。Ashley Madison数据泄露加剧了这个问题,至少导致了两起自杀事件。
区块链会阻止这些问题吗?
不一定。
如果你设置的密码过于简单,区块链无法阻止黑客入侵你的计算机系统。但是有时,黑客如果使用蛮力,强大的计算能力来攻击系统,那么区块链将让这种入侵不可能实现。
“互联网的建立是为了传递信息,”区块链商业委员会CEO,区块链技术公司BitFury的通信主管Jamie Smith说。“这些信息需要存储在某处,因此地球上的每个人都有不计其数的数据库。你可以把这些数据库想象成房子,入侵这些房子很难,但并非不可能,而网络安全只是保护房子的方法之一。“
区块链技术将数据库分解成百万个小块,然后分散到数千台计算机中。“现在不是入侵某个房子,”Jamie说,“你现在必须入侵整个城镇。”
这就是“分布式”吗?
完全正确。
无论是像比特币这样的货币单位,自动驾驶汽车的导航系统,还是你的医疗或投票记录,这些都通过交织在一起的数据网络传遍整个网络。系统越复杂,则越安全。
这仅仅是开始。它还能进行自我检查和自我修复。区块链中的计算机通过检查和验证交易来保持其完整性,然后形成包含每条数据的历史记录的链。因为区块链在不断进行自我检查,所以其数据是不可变的。即使黑客设法入侵一个区块,他们所做的任何更改都会立即被发现。
为了让参与者自愿进行处理,区块链的不同系统以代币(token)的形式提供激励措施。比特币就是这样:用计算机能力换取有价值的代币。这个过程被称为“挖矿”(mining),这个概念由比特币的发明者中本聪提出。
中本聪认为,通过正确的激励措施,“基于加密证明而不是信任的网络,能够让任何有意愿的双方直接进行交易,而不需要可信的第三方“,这样能够促进有机发展,网络上的参与者越多,就有更多的力量来进行自我维护。如今,在区块链中进行挖矿的计算机能够每秒运行近5万兆次的加密操作,这称为“哈希”(hash)。
在地球上从未出现过能够每秒进行4万兆次哈希操作的超级计算机。这比世界上500台超级计算机加起来还要强大。同时这也需要大量的电力,比特币挖矿如今使用的电力比整个爱尔兰还多。
很难直接进行比较。以每秒浮点运算数(FLOPS)衡量的超级计算机功率不能与每秒的哈希值直接比较。这就像转矩和马力之间的区别,拖拉机可能比法拉利更强力,但速度就远比不上后者了。在短期内,比特币不会在国际象棋中击败深蓝,它不是为此而设计的。但之前从未出现过与之类似的事物。
中本聪究竟是谁?
中本聪的身份一直是个迷。多年来,很多人都声称自己是他,但从未被证实。还有推测中本聪可能是一群人。
我们所知道的是,中本聪是在一个名为解密高手(cypherpunks)的活动中出现,这是由密码学家、程序员和各种思想家构成的团体。在20世纪末,他们开始质疑是否有更好的方法来处理隐私问题和信息。当中的成员包括开发匿名浏览器Tor的Jacob Applebaum,维基解密的Julian Assange,以及开发分布式文件共享平台BitTorrent的Bram Cohen。
BitTorrent是什么?
BitTorrent是我表哥用来下载盗版“权力的游戏”的东西吗?
就是那个。
Cohen的观点是,如果你把整个文件分成小块,而不是共享整个文件,那么人们可以从源头,或在彼此之间下载这些零散的文件。从这个意义上说,BitTorrent与区块链有类似之处。
纽约哥伦比亚大学计算机科学教授Steve Bellovin表示,对于解密高手(cypherpunks)来说,这是一个“完美的解决方案”。自80年代以来,加密货币一直以某种形式存在,但是它们是集中创建或管理。中本聪的见解高明之处在于,将整个内容分散化。
“你不必通过政府或银行”Bellovin说,“解密高手cypherpunk希望实现近乎摩擦的世界经济,从而让资金在全球运转,而不必经过政府或垄断企业。”
大型银行的质疑
摩根银行的CEO Jamie Dimon曾直言不讳地批评比特币。有人说比特币价格的增长是泡沫,迟早会破灭。但如今对区块链的关注不断高涨,银行也难免会关注。发布新型加密货币的代币发行融资(ICO)在疯狂激增。
摩根银行的CEO Jamie Dimon
并非所有这些都是合法的。去年11月,美国证券交易委员会(SEC)向一家名为PlexCoin的ICO提起了欺诈指控。就在两天后,名为NiceHash的加密货币挖矿市场成员发现,黑客入侵了该网站,并盗取了价值超过6000万美元的比特币。
不能通过检查账本找到黑客吗?
理论上是可以的。
虽然比特币在其早期曾被认为是毒品或洗钱等犯罪活动的工具,但这是基于对其的根本性误解。如果你有足够的资源,并且有能力通过传讯加密货币,从而找出用户相关的地址,那么你能够比纸币更准确地跟踪比特币的路径。
记住:不要将比特币用于非法活动,它是非匿名的。
尽管存在这些问题,区块链已经在2017年成为主流,因为比特币和以太坊的价值在一年飙升了10倍。
以太坊是什么?
以太坊是第二大的区块链。它比比特币小得多,其加密货币代币ether的市值为420亿美元,而比特币为1万亿美元。 但以太坊可以将智能合约整合到区块链中。“如果我上传一个项目,比如设一个赌注,我投一些钱,你投一些钱,然后第三方告知我们芝加哥公牛队与纽约尼克斯队间的胜负,从而判断赌注的输赢“,以太坊创始人之一的Joe Lubin解释到。
根据Lubin的说法,以太坊并不是像比特币那样的加密货币,而是一个完整的企业平台,程序员可以在这个平台上为任何事物构建应用程序。除以之外,由于投资者意识到其巨大价值,ether从一月份的价值8美元涨到12月的价值434美元。
区块链前景如何?
区块链将变得越来越规范化。作为货币基础,它将面临一些挑战,但大多数大型银行现在都有专门的加密货币部门,一些银行正在考虑建立自己的私人区块链。
一些地区也是如此。据报道,美国的一些州正在进行试行将投票转到区块链中。也有想法打算用区块链来确保纽约证券交易所。沃尔玛,雀巢和联合利华正在研究使用区块链来支撑其供应链。
风险投资家和比特币投资者Tim Draper认为,最终“比特币将是货币的主要来源。区块链将用于获取身份和确保合同。区块链会非常普遍,人们不仅会熟知它,而且会广泛地使用它。“
但这还有很长的路要走。比特币的价格可能会继续上涨,或者明天它可能会崩溃,并导致市场下跌,迫使监管机构作出反应。总之区块链是未来的趋势, 但实现的过程并非一帆风顺。
原文链接:
https://medium.com/s/welcome-to-blockchain/everything-you-need-to-know-about-blockchain-but-were-too-embarrassed-to-ask-b3cee3e918f8
如何掌握区块链技术
区块链创新的推动以及数字经济的蓬勃发展离不开人才的培育,而CDA数据分析师作为行业的领头羊,紧密结合当前区块链发展实际与人才需求结构,重磅推出CDA区块链学院。
扫描二维码,进入 CDA 区块链学院,学习区块链知识,选择很多,站对未来。
扫描二维码 加入CDA区块链学院
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29