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

Optimistische Rollups und Betrugsbeweise

Nach dieser Lektion: Ich kann den ersten falschen Schritt in einem Batch per Bisektion finden.

Lektion, 70 Min.2 BefehleRollup-Lab: Batches, Betrugsbeweise, Datenverfügbarkeit und Ausstieg in Python

Dem Batch glauben, solange niemand widerspricht

Ein optimistisches Rollup veröffentlicht einen Batch und eine Wurzel, und die Hauptkette glaubt ihm einfach. Geprüft wird nur, wenn jemand widerspricht.

Das klingt riskant. Heute sehen Sie, warum eine einzige ehrliche Prüferin genügt und wie die Hauptkette einen Streit entscheidet, indem sie einen einzigen Schritt neu ausführt.

Am Ende dieser Lektion

Notiz

Ich kann den ersten falschen Schritt in einem Batch per Bisektion finden.

Schlüsselwörter

BegriffWas er bedeutet
Optimistisches Rollupein Rollup, dessen Batches als richtig gelten, solange niemand sie anficht
Tracedie Wurzel vor einem Batch und nach jedem Schritt
Betrugsbeweisder Nachweis, dass ein Schritt eines Batches falsch ist
Bisektioneine Stelle finden, indem man den Bereich jedes Mal halbiert
Anfechtungsfensterdie Zeit, in der ein Batch angefochten werden kann
Endgültignicht mehr anfechtbar

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

Ein Trace zeigt, wo sich zwei Seiten trennen

Jeder Batch hat einen Trace: die Wurzel vor dem Batch und nach jeder Überweisung. Wer prüft, spielt die veröffentlichten Daten nach und baut einen eigenen Trace.

Unterscheiden sich die letzten Wurzeln, sind sich beide Seiten am Anfang einig und am Ende uneinig. Irgendwo dazwischen liegt der erste Schritt, an dem sie sich trennen. Die Hauptkette muss nur diesen einen Schritt neu ausführen, um zu sehen, wer recht hat.

Bisektion findet diesen Schritt schnell

Beide Seiten vergleichen ihre Wurzeln beim mittleren Schritt. Sind sie sich dort einig, liegt der Fehler in der zweiten Hälfte. Wenn nicht, liegt er in der ersten.

Jede Frage halbiert, was übrig ist. Sechzehn Schritte brauchen vier Fragen, tausend brauchen zehn und eine Million zwanzig. Echte Streitverfahren machen das auf der Hauptkette, Zug um Zug.

Einen lügenden Sequencer erwischen

Befehl
docker exec jupyter python3 steps/dispute.py

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

Beispiel: was das Lab gedruckt hat

FrageGefragter SchrittAntwortDer falsche Schritt liegt in
18einigSchritt 9 bis 16
212uneinigSchritt 9 bis 12
310einigSchritt 11 bis 12
411uneinigSchritt 11

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

Probieren Sie es: Bisektion über 32 Schritte

Code: python
erster_falscher = 21


def einig(i):
    return i < erster_falscher


gut = 0
schlecht = 32
fragen = 0
while schlecht - gut > 1:
    mitte = (gut + schlecht) // 2
    fragen = fragen + 1
    print("Frage zu Schritt", mitte, "einig:", einig(mitte))
    if einig(mitte):
        gut = mitte
    else:
        schlecht = mitte
print("erster falscher Schritt:", schlecht, "nach", fragen, "Fragen")
# Setzen Sie erster_falscher auf 1, dann auf 32. Wie viele Fragen sind es jetzt?

Eine Anfechtung muss rechtzeitig kommen

Ein Batch kann nicht ewig offen bleiben, sonst könnte sich niemand auf ihn verlassen. Darum hat jeder Batch ein Anfechtungsfenster, oft sieben Tage. Danach ist er endgültig.

Im Lab ist das Fenster 50400 Slots zu je 12 Sekunden lang, also 7.0 Tage. Einen Batch aus Slot 1000 konnte man in Slot 51399 noch anfechten, in Slot 51400 nicht mehr.

Zusehen, wie ein Anfechtungsfenster schließt

Befehl
docker exec jupyter python3 steps/window.py

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

Ein häufiger Fehler

Warnung

Viele glauben, ein optimistisches Rollup brauche eine ehrliche Mehrheit unter den Prüfenden. Eine einzige ehrliche Person, die rechtzeitig hinsieht, genügt, denn die Hauptkette führt den strittigen Schritt selbst aus. Nötig ist aber, dass die Daten veröffentlicht sind und das Fenster lang genug ist.

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.