
区块链技术中的智能合约究竟是怎么一回事
智能合约在最近备受追捧。但是这是什么呢 它能解决哪些问题呢?
中英双字视频如下:
比特币概述
2009年,中本聪推出了比特币,并震撼了全世界,因为它催生了价值1500亿美元的加密货币,这个网络比500台超级计算机要强1万倍,并且实现了去中心化的金融系统。
比特币是不断增长的一系列区块,每个区块都包含一些交易,这代表比特币所有权的转移以及前一个区块的哈希值,从而连接起交易的历史并创建不可变的记录。
网络中使用公共密钥或私人密钥来验证这些交易的有效性。比特币通过工作量证明来生成区块,这一过程非常昂贵且耗时,但区块链中的其他节点能够易于进行验证。最后,工作量证明俗称为挖矿。
关于以太坊
比特币是用于追踪数字货币所有权的点对点电子现金系统;而以太坊是为用于跟踪去分布式数据库状态变化的点对点系统。
以太坊也是不断增长的一系列区块:每个区块都包含分布式数据库的状态变化。此外,以太坊使用类似比特币的工作量证明系统进行挖矿。
以太坊在白皮书中详尽介绍了分散式数据库。它提供了一个分布式的图灵完备的虚拟机,称为以太坊虚拟机(EVM)。与比特币的区别在于,在区块链顶端的由以太坊提供的新数据层能让功能码沿着分布式的节点分布。代码由网络中的每个节点运行、维护和更改数据库中的状态。这就是为什么以太坊经常被描述为“ 世界计算机”的原因。
但是,EVM必须由一系列独立于中央机构的规则来管理,这些规则规定允许更改哪些状态。
智能合约
智能合约是“执行合约条款的计算机化交易协议”。这并不是以太坊独有的,因为比特币允许使用智能合约来构建服务,在比特币交易中添加功能。虽然这些服务使用比特币,但它们本质上是集中式的,因为智能合约必须托管在中央服务器上。
另一方面,以太坊允许开发人员编写自己的智能合约来定义EVM指令。这些智能合约可以使用以现有语言(如Javascript何Python)为模板的编程语言编写。
智能合约在分布式数据库内部以字节码的形式存在。这是以太坊创新潜力的根源所在。
网络上使用EVM执行代码的所有节点必须得出相同的结果,并对下一个区块的状态达成一致。任何人都可以将智能合约部署到分布式数据库。
"智能合约"这个术语最初于1997年被Nick Szabo提出,远在比特币出现之前。
他是一位计算机科学家、法学学者和密码学家,他想用分布式账本来存储合同。智能合约就像现实世界中的合同一样。唯一的区别在于,智能合约完全是数字化的。实际上,智能合约是存储在区块链中的一个小型计算机程序。
让我们通过一个例子看看智能合约是怎么运行的。也许你熟知大型众筹平台Kickstarter,产品团队可以在Kickstarter 创建项目、设定资金目标,进而从那些相信这个想法的人那里筹集资金。
Kickstarter实质上是介于产品团队和支持者之间的第三方。这意味着双方都需要信任Kickstarter能够妥善地处理他们的资金。
如果项目成功获得筹资,项目团队希望从Kickstarter获得他们的资金。另一方面,支持者希望筹资后他们的资金能够给到项目,或者在没有达到目标的情况下获得退款。产品团队以及其支持者都需要信任Kickstarter。
但是有了智能合约,我们能够构建类似的系统,而不需要信任如Kickstarter这样的第三方。
那么让我们来构建智能合约。
我们能制定智能合约,那么它能持有所有收到的资金直到达到某个目标。现在项目的支持者可以把资金转到智能合约,如果项目获得足够的资金,智能合约自动将钱转交给项目的创建者;如果项目没能实现集资目标,钱会自动退还给项目支持者。
很不错吧?因为智能合约存储在区块链上,一切都是完全分布式的。有了这项技术,没人能控制当中的钱。
但是我们为什么要信任智能合约呢?
不可变和分布式
因为智能合约存储在区块链上,它们继承了一些有趣的特性。它们是不可变的、分布式的。
不可变意味着一旦智能合约被创建,这永远都无法改变。因此,没有人可以背着你篡改合同的代码。
分布式意味着,你合约的输出被网络上的每个人验证。因此,个人不能强迫智能合约放出资金。
因为网络上的其他人会发现这个举动并将其标记为无效。篡改智能合约几乎是不可能的。
智能合约可以应用到许多不同的领域,而不仅仅是众筹。银行可以利用它发放贷款或提供自动支付;保险公司可以用它来处理某些索赔;邮政公司可以用它来交货付款等等。
那么现在你可能会想,你要在哪儿以及如何使用智能合约。如今有一些支持智能合约的区块链,但其中最大的是以太坊。它是专门为支持智能合约而设计的。
当中使用一种称为Solidity的特殊编程语言来编程。这种语言是专门为以太坊创建的,并使用类似于Javascript的语法。
值得注意的是比特币也支持智能合约,虽然这比以太坊更受限制。
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