Eine Wurzel ohne Daten dahinter
Stellen Sie sich vor, ein Sequencer veröffentlicht eine neue Wurzel, aber nie die Überweisungen dahinter. Niemand kann den Batch nachspielen, niemand kann ihn anfechten, und niemand kennt seinen eigenen Kontostand.
Ein Rollup ist nur so sicher, wie seine Daten verfügbar sind. Heute sehen Sie, wie die Hauptkette dafür sorgt und für wie lange.
Am Ende dieser Lektion
Notiz
Ich kann berechnen, wie viele zufällige Stichproben eine gewünschte Sicherheit geben, dass Daten veröffentlicht wurden.
Schlüsselwörter
| Begriff | Was er bedeutet | Beispiel |
|---|---|---|
| Datenverfügbarkeit | alle können die Daten herunterladen | |
| Erasure Coding | Stücke hinzufügen, sodass jede beliebige Hälfte die Daten wiederherstellt | |
| Stichprobe | ein zufälliges Stück, nach dem ein Knoten fragt | |
| Blob | ein Block Rollup-Daten, den die Hauptkette eine Zeit lang aufbewahrt | 131072 Bytes |
| Pruning | Knoten löschen alte Daten, die sie nicht mehr aufbewahren müssen |
Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.
Zurückgehaltene Daten brechen jede Sicherheitsprüfung
Ein Betrugsbeweis braucht die Daten zum Nachspielen. Wer das Rollup verlässt, braucht sie, um den eigenen Kontostand zu belegen. Die Hauptkette muss also sicher sein, dass wirklich die Daten veröffentlicht wurden und nicht nur eine Wurzel.
Jedes Byte herunterzuladen würde es beweisen, aber genau das hat Ketten langsam gemacht. Der Trick ist, stattdessen ein paar zufällige Stücke zu prüfen.
Erasure Coding macht Verstecken schwer
Zuerst werden die Daten gestreckt. Aus k Stücken werden 2k, so gewählt, dass beliebige k davon den Rest wiederherstellen. Um auch nur ein Stück zu verstecken, muss ein Sequencer jetzt mehr als die Hälfte zurückhalten.
Im Lab werden aus vier Zahlen acht. Beliebige vier der acht ergeben die ursprünglichen vier, und drei reichen nicht.
Vier Zahlen strecken und wiederherstellen
docker exec jupyter python3 steps/erasure.pyHier angezeigt, nicht ausgeführt. Mit „Lab starten“ geben Sie ihn im Terminal Ihres eigenen Labs ein.
Mit Stichproben nach zurückgehaltenen Daten suchen
docker exec jupyter python3 steps/sampling.pyHier angezeigt, nicht ausgeführt. Mit „Lab starten“ geben Sie ihn im Terminal Ihres eigenen Labs ein.
Beispiel: 63 von 128 Stücken veröffentlicht
| Stichproben je Client | Clients, die es merkten, von 1000 | Chance, dass ein Client getäuscht wird |
|---|---|---|
| 1 | 496 | 0.492188 |
| 2 | 737 | 0.242249 |
| 4 | 930 | 0.058684 |
| 8 | 997 | 0.003444 |
| 16 | 1000 | 0.000012 |
Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.
Probieren Sie es: wie schnell die Chance fällt
chance_da = 63 / 128
for stichproben in [1, 5, 10, 20]:
getaeuscht = chance_da ** stichproben
print(stichproben, "Stichproben: getäuscht mit Chance", "%.8f" % getaeuscht)
# Ändern Sie 63 in 32, sodass nur ein Viertel veröffentlicht ist. Wie schnell fällt die Chance jetzt?
Blobs werden etwa 18 Tage aufbewahrt
Seit 2024 veröffentlichen Rollups ihre Daten als Blobs, eigens dafür reservierter Platz von je 131072 Bytes. Die Hauptkette bewahrt zu jedem Blob ein kurzes Commitment für immer auf. Den Blob selbst behalten die Knoten 4096 Epochen lang, etwa 18 Tage, dann löschen sie ihn.
Seit Ende 2025 lässt PeerDAS jeden Knoten nur einige Spalten der erweiterten Blobs aufbewahren und prüfen. So kann die Kette mehr Blobs tragen.
Zusehen, wie ein Blob gelöscht wird
docker exec jupyter python3 steps/expiry.pyHier angezeigt, nicht ausgeführt. Mit „Lab starten“ geben Sie ihn im Terminal Ihres eigenen Labs ein.
Ein häufiger Fehler
Warnung
Viele glauben, die Hauptkette bewahre Rollup-Daten für immer auf. Knoten löschen einen Blob nach etwa 18 Tagen und behalten nur sein Commitment. Ein Anfechtungsfenster muss also deutlich vorher enden, und wer die Geschichte braucht, hebt eine eigene Kopie auf.