当前课程知识点:大数据技术与应用 >  杨保华:区块链与数据科学 >  区块链的应用和总结 >  区块链的应用和总结

返回《大数据技术与应用》慕课在线视频课程列表

区块链的应用和总结在线视频

下一节:个性化推荐系统

返回《大数据技术与应用》慕课在线视频列表

区块链的应用和总结课程教案、知识点、字幕

那刚才我讲了说

在数据和区块链

两者有很多的这种

很好的合作的场景

区块链在解决

数据的产生的真实性

交换过程中的安全性

以及最后体现它的价值方面

都有很多很好的这个方法

那我们最后我们来看一下

那区块链它有些

相关的一些开源项目

那实际上区块链

它有很多种分类的方法

那现在大家用的

最常见的分类方法

一般是把它分为所谓公有链

还有联盟链

以及其他相关的项目

那么公有链

它有时候也称为说是

不带权限的这个网络

它一般面向公众

所有人都可以自由的参与

类比现在的这个公共的互联网

所有人都可以接入

那么同时它对于用户

其实并没有很强的身份的要求

它是匿名化或者是化名化的

很多时候它的场景并不可信

那么两个典型的项目

包括像比特币 以太坊

这两个很大的这个开源项目

联盟链

那它是所谓的带授权的

这样一个网络

它面向的应用场景

跟公有链不太一样

它面向企业

所以一般来说只有联盟中的成员

可以参与到这个网络中

就像我们的企业网络一样

同时因为它是带权限管理的

所以参与网络中的个体

往往需要一定的身份

我们会有一定的访问权限控制

这样的一个机制

加入到网络中的个体

因为他们带有身份

所以存在了一定的

信任的一个前提

典型的代表性的开源项目

是超级帐本项目

其他的项目包括像IPFS

Ripple R3 Corda等等

也都是很有趣的

跟区块链相关的项目

那我们首先来看一下

这个比特币

那么比特币我们定位它为

前人肩膀上的集大成者

它的白皮书

是在2008年10月份提出的

但是我们回过头来来看

比特币中的很多的设计

在之前已经被很多人提出

并且探索过

最早在1983年David Chaum

他提出了e-Cash

并且他把它这个

跟当地的一些银行进行了适用

但是e-Cash它本质上

它虽然能够支撑

这种小额的交易

它本质上它还是一个

中心化的一个机制

所以最终这个项目也失败了

1997年Adam Back

提出了这个HashCash

这样一个设计

那当时主要是用来

想解决垃圾邮件

还有垃圾的博客评论

这样的一个问题

那么他的思想跟后来比特币里面

大量用的POW思想

实际上是一致的

1998年 Wei Dai

他提出了所谓的这个

B-money的一个设计

B-money也是有一个

很短的一个白皮书一个文档

那如果我们去看那个文档的话

你会发现说B-money

它的整个的设计思路

实际上跟后来的这个比特币项目

应该说非常相似

除了一点就是说

因为1998年那时候

还没有P2P网络

所以在网络层的设计上稍有欠缺

但遗憾的是呢

B-money的设计

最后也只是有一个白皮书

没有正式的最终实现

那么我们知道到后来

P2P网络开始兴起对吧

1999年到2005年

是P2P最热门的时候

那时候有很多的研究的话题

那么到了2009年比特币

在站在这么多前人成果基础之上

化名中本聪的这样一个人

或者一个团队

他提出了比特币

P2P e-cash

这样一个白皮书

那么比特币上线之后

成功运行了很多很多年

但是慢慢的它也体现出

它的一些缺陷

包括它的性能比较差

它的这个使用过程中

它的匿名可能不够强等等

这样一些问题

那么比特币的

一些核心的一些开发者

针对比特币的一个缺陷

后来在2015年

也正式退出了以太坊

这样一个公有链项目

那么以太坊迄今为止

应该说是全球范围内

最大的公有链的一个项目

它的目标也是改善比特币

这样一个帐本的一个不足

它也是来作这个

去中心化的一个货币还有应用

提供了很多种不同语言的

一个客户端

那我们总结以太坊

基于比特币的主要的创新点

实际上在于这么三点

其中第一点

也是最重要的一点

是它引入了智能合约

这样一个机制

那我们知道说在比特币里面

虽然也有比较简单的

这样一个脚本机制

但是它并不是图灵完备的

这个就直接制约了

它能做的事情相当有限

第二点以太坊

改善了处理的性能

它将叔块的时间

从原来我们讲大概10分钟一个块

提升到了15秒左右

第三点它引入了一些

新型的一些哈希算法

数块激励

包括后来探索的新型的

这个共识机制等等

它又提高了网络的安全性

同时2017年

以太坊社区也看到说

在企业应用场景下

有一些不同的一些需求

也成立了企业以太坊联盟

在2018年10月EEA

与超级帐本还宣布合作

共同探索在企业场景中的

一些应用

在这里有必要跟大家再强调一下

这个智能合约

智能合约它并不是一个新鲜事物

如果从它提出算起

1994年Nick Szabo

最早提出这样一个智能合约

他当时的设计是说

我们可以把现实生活中的

这些合同 对吧

相关的这些商业上的一些

最佳的一些规范等等

我想把它电子化

一旦电子化了之后

那所有人就确保说

这个智能合约的执行

那肯定是自动化运行的

没有人能去篡改它对不对

那它会极大的提高

大家这个利用合约

来协同的这种效率

但是遗憾的是

这个1994年提出之后

很长一段时间里

一直解决不了一个

很大的一个问题

就是说智能合约本身是可信了

但是它运行在什么地方

你把它放在哪样的一个

可信的环境中

因为我们知道

说这个无论是计算机还是互联网

都有很多的安全的风险

比如说你放在某个计算机上

计算机可能会被黑客攻击

黑客可能会替换里面的智能合约

所以很长一段时间

智能合约那只是一个设想

直到后来这个

我们有了分布式帐本技术

我们可以提供一个

可信的运行智能合约的

这样一个环境

智能合约才能大放异彩

另外一个项目是超级帐本项目

超级帐本项目

目前来看是全球范围内最大的

面向企业应用场景的

企业级的分布式帐本

那它正式的创立是在2016年初

那在创立之初

包括30家来自金融 科技等

行业的领军的这个企业

包括像IBM 思科 Intel

J.P. Morgan等等这些企业

那么它由旗舰的基金会组织

Linux基金会来支持

遵循了商业友好的

Apache v2 的 licence

这也是为什么现在大量的

面向企业的区块链

分布式帐本的系统

都是基于超级帐本的技术来构建

因为它的Linux是商业友好的

那么从创立之初开始

经历到现在大概3年的时间

它的成长是飞速的

到目前为止全球范围内

我们已经有接近

300家企业的会员

包括十大顶级项目

数百位活跃开发者

还有大量的代码的提交等等等等

那么超级帐本项目

它跟之前的比特币

以太坊项目不同

它面向的是企业的应用场景

所以它重点考虑了

企业的一些需求

包括性能的保障

安全可控 可扩展性

还有代码实现的可插拔性等等

那这些特性都使得

超级帐本项目本身

可以发展的非常快

同时它可以支持

多种复杂的应用场景

那么超级帐本项目

它目前里面包括十个顶级的项目

它们采用不同的编程语言开发

使用了大量的这个开源的生态

开源的工具

除了Fabric Sawtooth

Iroha Burrow

这四个是作为框架项目

Cello作为部署

和管理运营的项目

Explorer Composer

作为面向合约开发者的

应用的项目

还有一个Indy

它作为分布式身份机制的

探索的项目

还有这个Callper

是作为性能评测的项目

还有Quilt来探索跨链的机制

从这些项目中大家可以看出

整个超级帐本的这个社区生态

是非常完备的

这多个项目互相配合

可以让大家

可以很快的使用超级帐本的技术

来构建基于分布式帐本技术的

这样的平台

此外超级帐本项目

对整个分布式帐本领域

它的有很多的贡献

其中很重要的一个贡献

那就是它提出的这个

分布式帐本平台的

一个参考架构

在超级帐本来分

它将整个的这个帐本平台

分为四层

从最底下的分布式帐本

到上面的智能合约

再到上面的这个身份管理机制

再到最上面的

面向客户端的这个SDK

还有API 这个参考架构

现在也被很多其他的项目所借鉴

我们来总结一下

开源的帐本项目

从比特币到以太坊到超级帐本

那么比特币它面向的

还是加密的数字货币

它是公有链

吞吐量典型的是小于10

交易延迟分钟级

不支持智能合约

PoW能源密集型的共识机制

同时它只支持所谓的单帐本

没有隐私保护的机制

同时它不支持

很友好的这个升级操作

但是它作为首个

大规模的加密货币的项目

它的意义也是非常重要的

以太坊在比特币的基础之上

改善了比特币的性能

我们可以做到

十到百这个量级的吞吐量

交易延迟可以减少到10秒级

支持智能合约

同时支持多种的共识机制

但是以太坊本身

它也是单帐本的一个机制

不保护隐私

同时也存在着一个分叉的风险

所以以太坊它是一个最大的

这个大规模的公有的

智能合约的一个引擎

超级帐本项目面向企业的应用

所以它定位是一个联盟链

那它的性能可以很容易的做到千

甚至万 甚至更高

交易延迟可以做到秒级

支持主流的编程语言

来实现智能合约

同时支持可插拔的

这样一个共识机制

而且它的帐本类型是

多种帐本 支持多帐本

有一些额外的隐私保护的机制

包括SideDB 还有idemix等等

同时在升级操作上

目前是一个平滑升级的

这样一个支持

它是作为首个

面向企业的这样分布式帐本

目前也是最大的

开源的分布式帐本项目

最后一个项目

我们来看一下这个IPFS

它作为这星际文件系统

最早是2014年

由Juan Benet发明

目前是由他这个团队

所成立的公司

Protocol Lab来维护

作为星际文件系统

它的设计初衷

是为了实现一个

是要取代现在的这个Web的网络

是要实现一个

真正的一个分布式的Web

那么它有两个特点

一个它是一个

点对点的一个存储网络

P2P的存储网络

那这点跟之前的

很多P2P的网络类似

再一个它支持这个

所谓的超媒体的一个协议

那IPFS它之所以要提出

其实主要还是要解决

现代Web网络里面不够安全

和效率低下的这样一个问题

我们知道HTTP的1.0协议

是从1996年提出的

此后虽然打过很多次的补丁

但是主体内容并没有得到改善

所以它数据交换过程中

存在着很多的问题 不够安全

传输的效率也比较低下

那IPFS同时它也很有意思

它跟之前的P2P网络

有一点很不一样的一个地方

就是它引入了一个

有效的激励机制

通过它独有的这个Filecoin

来激励更多的节点

加入到这个网络中

那么它的工作原理也非常简单

那对于任何的这个数据来讲

它也是利用了数字摘要

我再次强调数字摘要非常重要

在IPFS中你看它也用了

数字摘要技术

它用数字摘要来作为

这个数据的索引

在网络中用节点

用分布式的方式

来存储这些索引还有数据

那这就意味着用户在使用中

如果我知道这个索引值的话

我可以很好的

马上就很快的能够

定位到最终的这样一个数据

那我们知道说索引值

一串随机数

这个谁记得住对吧

那它也提供了IPNS

这样一个域名机制

能够提供比较友好的一个

命名的一个解析

那从我刚才的讲解中

大家可以看到说

IPFS和区块链什么关系

两者实际上有非常好的

一个互补的一个关系

因为我们知道说

在区块链的系统中

往往是我们不适合用来存储

大量的一个数据

所以我们可以用IPFS

来存储原始的数据

节约链上的存储

同时我们在区块链中

利用对数据的这个索引

来真实记录这个数据的一个操作

当然虽然我们已经有了

这些开源项目

还有很多基于这些

开源项目的方案

和应用的案例

那在区块链还有这个数据科学中

其实还有很多

其他需要探索的问题

这里面我觉得可能比较重要的

有四个方面

第一个是更完备的一个安全性

我们在动态的一个场景下

怎么实现更细粒度的一个控制

再一个是可扩展性

这里的可扩展性

是讲的是在互联网尺度上

也就是一个极大规模的情况下

而且是海量数据

那现在可能无法想象到

这样一个数据量下

我怎么能够保证

我系统的这个性能表现

另外一点很重要的

要强调这个互操作性

如果你设计出一套方案来

与已有的任何其他的系统和方案

不能很好的进行互联

那这样一个方案

它的落地成本也是非常高的

所以我们需要考虑到

互操作的实践性

最后规范化 标准化

这些都在互联网的

这个成长过程中

起到了很重要的作用

那么规范化和标准化

它需要科研界 学术界 企业界

还有开源界一起通力合作

最后我们来总结一下

那这节课里面

我们一起剖析了数据的产生

交换 还有价值

在不同环节中的一些关键问题

以及区块链在这些环节中

怎么能够去缓解这些问题

那区块链它可以很好的提供

信任的基础

最终实现数据的价值

它能够保证数据

产生过程中的真实性

能够保护数据

交换过程中的安全性

同时最终实现数据价值

那我想无论是数据科学

还是区块链的这个科技

那其实从它的成长的过往来看

仍然是属于比较年轻的学科

还存在着大量的机遇和挑战

那未来信息科技领域

更需要的应该是具备这种

跨学科能力的

这种系统性的综合性人才

那我也希望大家能够

通过努力的学习

能够掌握和培养这样的能力

这节课程就到这里

好的 谢谢大家

大数据技术与应用课程列表:

李国杰:面向大数据的数据科学

-完整讲座

--完整讲座

-李国杰:面向大数据的数据科学--课后习题

吴甘沙:大数据分析师的卓越之道

-数据思维方式的改变

--数据思维方式的改变

-数据的假设与采集

--数据的假设与采集

-数据的准备

--数据的准备

-数据的分析

--数据的分析

-数据的解释与验证

--数据的解释与验证

-吴甘沙:大数据分析师的卓越之道——课后习题

董飞:硅谷公司的大数据实战分析

-个人介绍

--个人介绍

-硅谷热门公司

--硅谷热门公司

-大数据简介

--大数据简介

-大数据平台系统

--大数据平台系统

-工业实践

--工业实践

-结尾

--结尾

-董飞:硅谷公司的大数据实战分析--课后习题

杨光信:数据系统架构

-数据系统架构历史

--数据系统架构历史

-从sql到nosql

--从sql到nosql

-数据库系统实现变革

--数据库系统实现变革

-负载融合

--负载融合

-数据系统架构成本

--数据系统架构成本

-杨光信:数据系统架构——课后习题

时磊:大数据网络可视化

-什么是可视化

--什么是可视化

-网络可视化

--网络可视化

-大数据带来的新挑战

--大数据带来的新挑战

-大数据网络可视化的若干案例

--大数据网络可视化的若干案例

-时磊:大数据网络可视化—— 课后习题

彭元:网络安全与大数据

-网络安全概述

--网络安全概述

-大数据安全分析平台

--大数据安全分析平台

-大数据安全应用

--大数据安全应用

-大数据平台安全

--大数据平台安全

-彭元:网络安全与大数据——课后习题

钟义信:“人工智能与大数据”的创新研究

-人工智能系统的本质功能模型

--人工智能系统的本质功能模型

-隐性智慧,显性智慧

--隐性智慧,显性智慧

-人工智能:能与不能

--人工智能:能与不能

-人工智能的技术现状

--人工智能的技术现状

-机制主义人工智能模型

--机制主义人工智能模型

-信息转换和智能创生定律

--信息转换和智能创生定律

-人工智能与大数据

--人工智能与大数据

-钟义信:“人工智能与大数据”的创新研究——课后习题

吴军:数据为王和机器智能的时代

-什么是机器智能

--什么是机器智能

-大数据的重要性及特点

--大数据的重要性及特点

-大数据中的因果关系与关键技术

--大数据中的因果关系与关键技术

-大数据与机器智能

--大数据与机器智能

-大数据思维

--大数据思维

-讲座问答环节

--讲座问答环节

-吴军:数据为王和机器智能的时代——课后习题

苏中:从大数据到认知计算

-大数据概述

--大数据概述

-大数据相关新趋势

--大数据相关新趋势

-大数据技术创新1

--大数据技术创新1

-大数据技术创新2

--大数据技术创新2

-大数据技术创新3

--大数据技术创新3

-大数据商业价值和前景

--大数据商业价值和前景

-大数据机遇和挑战

--大数据机遇和挑战

-苏中:从大数据到认知计算——课后习题

王新锐:金融大数据的法律实践

-金融大数据概述

--金融大数据概述

-用户个人信息分类

--用户个人信息分类

-金融大数据法律框架

--金融大数据法律框架

-实际案例和业界实践

--实际案例和业界实践

-核心风险点

--核心风险点

-王新锐:金融大数据的法律实践——课后习题

刘鹏:互联网变现与计算广告

-互联网与商业化

--互联网与商业化

-大数据与计算广告

--大数据与计算广告

-计算广告介绍

--计算广告介绍

-数据交易

--数据交易

-刘鹏:互联网变现与计算广告——课后习题

杨保华:区块链与数据科学

-从记账技术到区块链

--从记账技术到区块链

-区块链确保数据真实性

--区块链确保数据真实性

-区块链确保数据安全性

--区块链确保数据安全性

-区块链衡量数据价值

--区块链衡量数据价值

-区块链的应用和总结

--区块链的应用和总结

-杨保华:区块链与数据科学——课后习题

杨紫陌:个性化内容推荐

-个性化推荐系统

--个性化推荐系统

-推荐系统的召回与排序

--推荐系统的召回与排序

-智能制作之个性化海报

--智能制作之个性化海报

-线上推荐系统其它要素

--线上推荐系统其它要素

-杨紫陌:个性化内容推荐——课后习题

陆祁:用户行为大数据

-个人介绍及用户理解背景

--个人介绍及用户理解背景

-用户理解与用户画像

--用户理解与用户画像

-案例1:用户属性识别

--案例1:用户属性识别

-案例2:自然人识别

--案例2:自然人识别

-案例3:WOI与社交关系识别

--案例3:WOI与社交关系识别

-陆祁:用户行为大数据——课后习题

阳任科:大数据与AI的内容分析

-内容智能生态——数据、算法、应用

--内容智能生态——数据、算法、应用

-大数据在内容分析的应用

--大数据在内容分析的应用

-IP价值评估系统

--IP价值评估系统

-爱奇艺的剧本评估

--爱奇艺的剧本评估

-爱奇艺的智能评分

--爱奇艺的智能评分

-阳任科:大数据与AI的内容分析——课后习题

王栋:美团外卖的大数据应用

-外卖行业及场景简介

--外卖行业及场景简介

-餐饮及外卖行业大数据应用框架

--餐饮及外卖行业大数据应用框架

-案例分析:智能营销场景的用户画像

--案例分析:智能营销场景的用户画像

-案例分析:智能助手场景的菜品画像

--案例分析:智能助手场景的菜品画像

-王栋:美团外卖的大数据应用——课后习题

赵楠:商业思维与大数据技术在美团旅行业务中的结合

-旅行业务的特点

--旅行业务的特点

-美团旅行业务的用户画像构建

--美团旅行业务的用户画像构建

-用户画像的应用案例

--用户画像的应用案例

-住宿需求预测问题

--住宿需求预测问题

-营销补贴策略建模

--营销补贴策略建模

-赵楠:商业思维与大数据技术在美团旅行业务中的结合——课后习题

陈彧:美团点评金融服务的大数据与人工智能

-互联网金融背景介绍

--互联网金融背景介绍

-互联网金融科技

--互联网金融科技

-数据智能的三个案例

--数据智能的三个案例

-技术展望

--技术展望

-陈彧:美团点评金融服务的大数据与人工智能——课后习题

毛波:阿里全息大数据构建与应用

-数据的进化历程

--数据的进化历程

-阿里DMP平台介绍

--阿里DMP平台介绍

-核心技术及案例

--核心技术及案例

-数据应用

--数据应用

-毛波:阿里全息大数据构建与应用——课后习题

韩定一:在线营销中的竞价机制与数据价值

-在线营销

--在线营销

-竞价机制

--竞价机制

-数据价值

--数据价值

-韩定一:在线营销中的竞价机制与数据价值——课后习题

龚笔宏:大数据在工业界中的经典案例分享

-竞价排名搜索

--竞价排名搜索

-主要技术问题

--主要技术问题

-点击率预测概述

--点击率预测概述

-点击率预测实践

--点击率预测实践

-龚笔宏:大数据在工业界中的经典案例分享——课后习题

[补充] 郝井华:即时配送中的人工智能

-即时配送业务的背景及挑战

--即时配送业务的背景及挑战

-案例1:订单分配策略

--案例1:订单分配策略

-案例2:供需平衡策略

--案例2:供需平衡策略

-未来展望

--未来展望

-郝井华:即时配送中的人工智能——课后习题

[补充] 陈辉:数据驱动营销

-什么是数据驱动营销

--什么是数据驱动营销

-LTV留存分析

--LTV留存分析

-RFM会员体系

--RFM会员体系

-消费者微群画像

--消费者微群画像

-渠道倾向性分析及行业竞争分析

--渠道倾向性分析及行业竞争分析

-机器学习潜客挖掘模型

-- 机器学习潜客挖掘模型

-陈辉:数据驱动营销——课后习题

[补充] 艾小缤:大数据评价体系在金融、征信领域的创新

-金融大数据时代

--金融大数据时代

-大数据客观信用

--大数据客观信用

-我国的金融环境

--我国的金融环境

-客观信用的实践

--客观信用的实践

-应用案例与成果

--应用案例与成果

-艾小缤:大数据评价体系在金融、征信领域的创新——课后习题

[补充] 郑宇:大数据驱动智能城市

-外部链接

--外部链接

讨论专题

-课程总结讨论单元1/2

-课程讨论总结单元2/2

区块链的应用和总结笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。