Una raíz sin datos detrás
Imagina que un secuenciador publica una raíz nueva pero nunca publica las transferencias que hay detrás. Nadie puede reejecutar el lote, nadie puede impugnarlo y nadie sabe su propio saldo.
Un rollup es tan seguro como disponibles estén sus datos. Hoy verás cómo se asegura de ello la cadena principal, y durante cuánto tiempo.
Al terminar esta lección
Nota
Puedo calcular cuántas muestras al azar dan una confianza dada de que los datos se publicaron.
Palabras clave
| Palabra | Qué significa | Ejemplo |
|---|---|---|
| Disponibilidad de datos | que todo el mundo pueda descargar los datos | |
| Codificación de borrado | añadir piezas para que cualquier mitad reconstruya los datos | |
| Muestra | una pieza al azar que pide un nodo | |
| Blob | un bloque de datos del rollup que la cadena principal guarda un tiempo | 131072 bytes |
| Poda | los nodos borran datos antiguos que ya no tienen que guardar |
Las celdas que rellenan los estudiantes quedan en blanco en esta vista previa.
Ocultar datos rompe todas las protecciones
Una prueba de fraude necesita los datos para reejecutar. Quien sale del rollup los necesita para demostrar su saldo. Así que la cadena principal tiene que estar segura de que los datos se publicaron de verdad, no solo una raíz.
Descargar cada byte lo demuestra, pero eso es justo lo que hacía lentas las cadenas. El truco es comprobar unas pocas piezas al azar.
La codificación de borrado dificulta ocultar
Primero se estiran los datos. k piezas pasan a ser 2k, elegidas de forma que cualesquiera k reconstruyen el resto. Para ocultar aunque sea una pieza, un secuenciador ahora tiene que retener más de la mitad.
En el laboratorio, cuatro números pasan a ser ocho. Cualesquiera cuatro de los ocho devuelven los cuatro originales, y tres no bastan.
Estira cuatro números y reconstrúyelos
docker exec jupyter python3 steps/erasure.pySe muestra aquí y no se ejecuta. Pulsa Iniciar laboratorio para escribirlo en el terminal de tu propio laboratorio.
Muestrea en busca de datos ocultos
docker exec jupyter python3 steps/sampling.pySe muestra aquí y no se ejecuta. Pulsa Iniciar laboratorio para escribirlo en el terminal de tu propio laboratorio.
Ejemplo: 63 de 128 piezas publicadas
| Muestras por cliente | Clientes que lo notaron, de 1000 | Probabilidad de engañar a un cliente |
|---|---|---|
| 1 | 496 | 0.492188 |
| 2 | 737 | 0.242249 |
| 4 | 930 | 0.058684 |
| 8 | 997 | 0.003444 |
| 16 | 1000 | 0.000012 |
Las celdas que rellenan los estudiantes quedan en blanco en esta vista previa.
Pruébalo: qué tan rápido baja
chance_present = 63 / 128
for samples in [1, 5, 10, 20]:
fooled = chance_present ** samples
print("muestras:", samples, "probabilidad de engaño:", "%.8f" % fooled)
# Cambia 63 por 32, para que solo se publique una cuarta parte. ¿Qué tan rápido baja ahora?
Los blobs se guardan unos 18 días
Desde 2024 los rollups publican sus datos como blobs, un espacio reservado para ellos de 131072 bytes cada uno. La cadena principal guarda para siempre un compromiso corto de cada blob. Los nodos guardan el blob durante 4096 épocas, unos 18 días, y luego lo podan.
Desde finales de 2025, PeerDAS permite que cada nodo guarde y compruebe solo algunas columnas de los blobs extendidos. Así la cadena puede llevar más blobs.
Mira cómo se poda un blob
docker exec jupyter python3 steps/expiry.pySe muestra aquí y no se ejecuta. Pulsa Iniciar laboratorio para escribirlo en el terminal de tu propio laboratorio.
Un error frecuente
Advertencia
Mucha gente cree que la cadena principal guarda para siempre los datos de los rollups. Los nodos podan un blob a los 18 días, más o menos, y solo guardan su compromiso. Por eso una ventana de impugnación tiene que acabar bastante antes, y quien quiera el historial guarda su propia copia.