Lässt es sich mit cremefarbenem Papier, einer Tönung, mehr Kontrast oder größerer Schrift besser lesen? Wählen Sie Ihre Farben und Ihre Schrift, einmalig für alle Seiten.

Kostenlose Lektion

Datenverfügbarkeit: Blobs und Stichproben

Nach dieser Lektion: Ich kann berechnen, wie viele zufällige Stichproben eine gewünschte Sicherheit geben, dass Daten veröffentlicht wurden.

Lektion, 70 Min.3 BefehleRollup-Lab: Batches, Betrugsbeweise, Datenverfügbarkeit und Ausstieg in Python

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

BegriffWas er bedeutetBeispiel
Datenverfügbarkeitalle können die Daten herunterladen
Erasure CodingStücke hinzufügen, sodass jede beliebige Hälfte die Daten wiederherstellt
Stichprobeein zufälliges Stück, nach dem ein Knoten fragt
Blobein Block Rollup-Daten, den die Hauptkette eine Zeit lang aufbewahrt131072 Bytes
PruningKnoten 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

Befehl
docker exec jupyter python3 steps/erasure.py

Hier angezeigt, nicht ausgeführt. Mit „Lab starten“ geben Sie ihn im Terminal Ihres eigenen Labs ein.

Mit Stichproben nach zurückgehaltenen Daten suchen

Befehl
docker exec jupyter python3 steps/sampling.py

Hier angezeigt, nicht ausgeführt. Mit „Lab starten“ geben Sie ihn im Terminal Ihres eigenen Labs ein.

Beispiel: 63 von 128 Stücken veröffentlicht

Stichproben je ClientClients, die es merkten, von 1000Chance, dass ein Client getäuscht wird
14960.492188
27370.242249
49300.058684
89970.003444
1610000.000012

Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.

Probieren Sie es: wie schnell die Chance fällt

Code: python
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

Befehl
docker exec jupyter python3 steps/expiry.py

Hier 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.

Über dieses Lab und seinen Quellcode: Rollup-Lab: Batches, Betrugsbeweise, Datenverfügbarkeit und Ausstieg in Python

Sie unterrichten eine Gruppe? Weisen Sie dieses Modul Ihren Studierenden zu, mit Handbuch für Lehrende, automatisch geprüften Aufgaben und einem Lab für jede Person.