Mengapa diperlukan sampling dalam verifikasi ketersediaan data? Singkatnya, tidak mungkin memeriksa seluruh dataset.
Di sini kuncinya adalah statistik. Merancang strategi sampling yang dapat menggunakan jumlah verifikasi paling sedikit dan probabilitas tertinggi untuk menemukan masalah kehilangan data, itulah intinya. Tapi masalahnya—semakin banyak jumlah verifikasi, bandwidth jaringan tidak mampu; terlalu sedikit verifikasi, keamanan pun tidak terjamin.
Klien ringan paling takut dengan kontradiksi semacam ini. Mereka tidak bisa memverifikasi seluruh data, jadi harus bergantung pada model matematika yang cerdas. Keilmiahan sampling menentukan apakah mekanisme verifikasi secara keseluruhan dapat digunakan. Dengan kata lain, jika matematika Anda cukup ketat, klien ringan dapat bekerja dengan tenang; jika matematika longgar, keamanan pun ikut menurun.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
11 Suka
Hadiah
11
8
Posting ulang
Bagikan
Komentar
0/400
FUD_Whisperer
· 16jam yang lalu
Ini lagi masalah lama... Sampling adalah seni keseimbangan, sedikit saja matematikanya terlalu longgar, seluruh sistem bisa menjadi berbahaya
Lihat AsliBalas0
ProtocolRebel
· 01-11 17:52
Ini adalah permainan, bandwidth dan keamanan selamanya tidak bisa mengalahkan, desain sampling yang paling canggih pun tetap berjudi pada probabilitas.
Matematika ketat tapi kenyataan tidak berpegang pada matematika, haha.
Klien ringan pada dasarnya adalah produk kompromi, tidak bisa menghindari simpul mati ini.
Strategi sampling hebat pun tidak berguna, kapasitas di chain hanya sebesar ini, mau apa lagi.
Jadi pada akhirnya tetap harus mempercayai beberapa node verifikasi, bukankah itu kembali ke sentralisasi...
Lihat AsliBalas0
FlashLoanLarry
· 01-11 17:52
nah ini hanya pertukaran bandwidth vs keamanan yang dibungkus dengan matematika yang keren... pernah nonton film ini sebelumnya lol
Lihat AsliBalas0
LiquidityWhisperer
· 01-11 17:52
Pengambilan sampel ini dan itu, pada dasarnya tetap berjudi dengan probabilitas, bagaimana jika "kemungkinan tertinggi" sebenarnya tidak begitu tinggi, bagaimana jika demikian, klien ringan justru menjadi alat penyaringan
Lihat AsliBalas0
MEVHunter
· 01-11 17:46
sampling hanyalah pertunjukan keamanan jika matematikanya tidak kokoh... sudah terlalu banyak strategi "optimal" yang dieksploitasi begitu seseorang menemukan celah probabilitas
Lihat AsliBalas0
PaperHandsCriminal
· 01-11 17:45
Itu lagi-lagi pola lama, sampling hanya keberuntungan judi. Bandwidth dan keamanan harus memilih salah satu, logika desain ini cukup ironis.
Lihat AsliBalas0
LiquidityHunter
· 01-11 17:39
Masih memikirkan ini pukul 3 pagi, sejujurnya desain sampling DA langsung mempengaruhi efisiensi jaringan... trade-off antara bandwidth dan keamanan harus tepat hingga tiga tempat desimal, jika tidak, satu klien ringan yang crash akan menyebabkan kekurangan dalam kedalaman likuiditas.
Lihat AsliBalas0
MetaverseHobo
· 01-11 17:29
Strategi sampling pada dasarnya adalah permainan probabilitas, model matematika yang longgar akan merusak keamanan, ini adalah masalah utama dari klien ringan
Mengapa diperlukan sampling dalam verifikasi ketersediaan data? Singkatnya, tidak mungkin memeriksa seluruh dataset.
Di sini kuncinya adalah statistik. Merancang strategi sampling yang dapat menggunakan jumlah verifikasi paling sedikit dan probabilitas tertinggi untuk menemukan masalah kehilangan data, itulah intinya. Tapi masalahnya—semakin banyak jumlah verifikasi, bandwidth jaringan tidak mampu; terlalu sedikit verifikasi, keamanan pun tidak terjamin.
Klien ringan paling takut dengan kontradiksi semacam ini. Mereka tidak bisa memverifikasi seluruh data, jadi harus bergantung pada model matematika yang cerdas. Keilmiahan sampling menentukan apakah mekanisme verifikasi secara keseluruhan dapat digunakan. Dengan kata lain, jika matematika Anda cukup ketat, klien ringan dapat bekerja dengan tenang; jika matematika longgar, keamanan pun ikut menurun.