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
指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24