京公网安备 11010802034615号
经营许可证编号:京B2-20210330
POS 权益证明究竟是什么
大家好,你们可能在网上看过一些文章,当中表示,像比特币这样的加密货币使用大量的电力来维护网络安全性。
但是为什么会这样呢? 更重要的是,还有什么其他选择吗?
工作量证明(POW)
由于工作量证明的算法,挖新的货币需要大量的计算能力。这个概念最早出现在1993年,旨在打击滥发电子邮件,并于1997年正式被称为"工作量证明(Proof of Work)"。
然而这项技术并没有被大规模使用,直到中本聪在2009年创建了比特币。他意识到这种机制可以在网络中,让众多节点达成共识,而且他用此来保护比特币区块链的安全。
然而,工作量证明算法需要让所有节点解决密码难题。这个难题被矿工所解决,率先完成的能够获得奖励。
这导致人们构建越来越大型的挖矿设备,比如这样。
根据Digiconomist,仅仅比特币矿工就要使用54太千瓦时的电力。这些电量足够支持美国5百万个家庭用电,甚至整个新西兰或匈牙利,但是这不仅止于此。
对于有更好更多设备的人群,工作量证明将给予更多的奖励。你的计算能力越高,就越有可能去创建下一个区块,从而获得矿工奖励。
为了进一步提高机会,矿工们一起组成了矿池(mining pools),他们结合各自的算力,把奖励平均分配给矿池中的每个人。
总而言之 工作量证明让矿工们需使用大量的能量,从而促进了矿池的产生。这让区块链变得更加中心化,而不是去中心化。
为了解决这些问题,我们必须找到新的算法,比工作量证明一样高效甚至更好。
权益证明(POS)
在2011年,在一个比特币论坛中一位名为QuantumMechanic的用户提出一项技术,他称之为"权益证明(proof-of-stake)"。
基础概念是,让每个人互相竞争挖矿是很浪费的。因此相反的是,权益证明通过选举的形式,其中任意节点被随机选择来验证下一个区块。
在这里有一些小的术语区别,权益证明中没有矿工,但是有验证者(validator)。并不让人们”挖(mine)”新区块 而是"铸造(mint)” 或"制造(forge)”新区块。
验证者并不是被完全随机选择的,要成为验证者,节点需要在网络中存入一定数量的货币作为权益,可以将这理解为保证金。
权益的份额大小决定了被选为验证者的几率,从而得以创建下一个区块,这是线性相关的。假设Bob在网络中存入100美元 Alice存入1000美元,那么Alice比Bob有高于10倍的几率选为验证者。
因为这偏袒有钱的一方,似乎不太公平,但事实上这比起工作量证明更公平。
对于工作量证明,富人可以很大程度上享受经济实力带来的成果。他们为挖矿设备和电力支付的成本并没有直线上升。相反他们购买的越多,获得的越多。
但是让我们回到权益证明,如果一个节点被选出来验证下一个区块,他将检查当中所有的交易是否有效。如果一切没问题,节点则通过该区块,区块将加到区块链中。作为奖励,该节点可获得当中每个交易费。
那么,我们该如何相信网络中的其他验证者?
这里需要用到权益了。
如果验证者通过了欺诈性交易,他们将失去一部分权益。只要权益高于验证者所获得的交易费,我们就可以信任他们能够很好的完成工作。否则,他们失去的钱比能获得的还多。
这是金钱方面的动力,只要权益比所有交易费要高,这就是可行的。
如果节点不再是验证者,他的权益以及获得的交易费将在一定时间后返还给他。不会马上返还,因为若发现你的区块存在欺诈时,网络会对你进行惩罚。
因此,工作量证明和权益证明的区别是很明显的。
权益证明的优点
权益证明不会让每个人都对新区块进行挖矿。因此消耗更少的能量,而且更去中心化。
为什么这么说呢?
在工作量证明中存在着矿池。这些人联合起来,提高他们挖到新区快的机会,从而获得奖励。
然而,如今比特币区块链的大部分都由这些矿池所控制,它们集中挖矿过程是很危险的。
如果三大矿池合并,它们将在网络中占据大多数,从而开始通过欺诈性交易。
另一个重要的优点是,构建基于权益证明的区块链节点,比起工作量证明节点成本更低。
你不需要昂贵的挖矿设备,因此权益证明激励更多的人构建节点,从而让网络更去中心化 也更安全。
权益证明的缺点
但即使是权益证明也不是完美的,还是存在漏洞。
你可以会想,如果我买了网络中的大部分权益,那么我就能有效地进行控制。从而通过虚假交易。
你说对了。
这被成为51%攻击。这是权益证明算法的缺点。
如果一名或一群矿工获得了51%的哈希能力,他们将有效地控制区块链。
另一方面,考虑到加密货币的价值,权益证明让这种攻击非常不切实际。
如果比特币变为权益证明的机制,那么要获得全部货币的51%,你需要花费790亿美元。因此在权益证明中 51%攻击更不可能发生。
但这并不是唯一的风险。
权益证明算法也需要谨慎选择下一个验证者。这不能完全是随机的,因为必须考虑到权益的大小。
但同时光看权益还不够,因为这将偏袒有钱人,他们将更被频繁地选择,从而获得更多的交易费。然后变得更富有,再次提高在将来被选为验证者的几率。
有很多种方式来修复这个问题,例如基于币龄的选择。
另一个潜在的问题是,当选出了下一个验证者后,他并不出来完成他的任务。
这很容易解决,可以选择大量的候选验证者。
总之,在与工作量证明相比时,权益证明带来了新的风险。为了认识和减少当中的风险还需要大量的研究。
用例
现在我们知道了权益证明是什么,它的优点和风险,现在让我们看到现实中的用例。
现在用到该技术的有Peercoin Lisk和Nxt。在未来会有更多的加密货币使用。
例如,以太坊正在开发权益证明系统称为Casper,目前这被部署在以太坊测试网上,并且正在积极开发。Cardano项目已经在开发一种安全的权益证明算法,称为Ouroboros。
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 报名加入
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
尊敬的考生: 您好! 我们诚挚通知您,CDA Level III 考试大纲将于 2025 年 12 月 31 日实施重大更新,并正式启用,2026年3月考 ...
2025-12-31“字如其人”的传统认知,让不少“手残党”在需要签名的场景中倍感尴尬——商务签约时的签名歪歪扭扭,朋友聚会的签名墙不敢落笔 ...
2025-12-31在多元统计分析的因子分析中,“得分系数”是连接原始观测指标与潜在因子的关键纽带,其核心作用是将多个相关性较高的原始指标, ...
2025-12-31对CDA(Certified Data Analyst)数据分析师而言,高质量的数据是开展后续分析、挖掘业务价值的基础,而数据采集作为数据链路的 ...
2025-12-31在中介效应分析(或路径分析)中,间接效应是衡量“自变量通过中介变量影响因变量”这一间接路径强度与方向的核心指标。不同于直 ...
2025-12-30数据透视表是数据分析中高效汇总、多维度分析数据的核心工具,能快速将杂乱数据转化为结构化的汇总报表。在实际分析场景中,我们 ...
2025-12-30在金融投资、商业运营、用户增长等数据密集型领域,量化策略凭借“数据驱动、逻辑可验证、执行标准化”的优势,成为企业提升决策 ...
2025-12-30CDA(Certified Data Analyst),是在数字经济大背景和人工智能时代趋势下,源自中国,走向世界,面向全行业的专业技能认证,旨 ...
2025-12-29在数据分析领域,周期性是时间序列数据的重要特征之一——它指数据在一定时间间隔内重复出现的规律,广泛存在于经济、金融、气象 ...
2025-12-29数据分析师的核心价值在于将海量数据转化为可落地的商业洞察,而高效的工具则是实现这一价值的关键载体。从数据采集、清洗整理, ...
2025-12-29在金融、零售、互联网等数据密集型行业,量化策略已成为企业提升决策效率、挖掘商业价值的核心工具。CDA(Certified Data Analys ...
2025-12-29CDA中国官网是全国统一的数据分析师认证报名网站,由认证考试委员会与持证人会员、企业会员以及行业知名第三方机构共同合作,致 ...
2025-12-26在数字化转型浪潮下,审计行业正经历从“传统手工审计”向“大数据智能审计”的深刻变革。教育部发布的《大数据与审计专业教学标 ...
2025-12-26统计学作为数学的重要分支,是连接数据与决策的桥梁。随着数据规模的爆炸式增长和复杂问题的涌现,传统统计方法已难以应对高维、 ...
2025-12-26数字化浪潮席卷全球,数据已成为企业核心生产要素,“用数据说话、用数据决策”成为企业生存与发展的核心逻辑。在这一背景下,CD ...
2025-12-26箱线图(Box Plot)作为数据分布可视化的核心工具,凭借简洁的结构直观呈现数据的中位数、四分位数、异常值等关键信息,广泛应用 ...
2025-12-25在数据驱动决策的时代,基于历史数据进行精准预测已成为企业核心需求——无论是预测未来销售额、客户流失概率,还是产品需求趋势 ...
2025-12-25在数据驱动业务的实践中,CDA(Certified Data Analyst)数据分析师的核心工作,本质上是通过“指标”这一数据语言,解读业务现 ...
2025-12-25在金融行业的数字化转型进程中,SQL作为数据处理与分析的核心工具,贯穿于零售银行、证券交易、保险理赔、支付结算等全业务链条 ...
2025-12-24在数据分析领域,假设检验是验证“数据差异是否显著”的核心工具,而独立样本t检验与卡方检验则是其中最常用的两种方法。很多初 ...
2025-12-24