拓扑链区块链区块链技术网

皕利分享 2023年01月27日 23:20 182 0

本篇文章给大家谈谈拓扑链区块链，以及区块链技术网对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

区块链的核心技术是什么？

简单来说，区块链是一个提供了拜占庭容错、并保证了最终一致性的分布式数据库拓扑链区块链；从数据结构上看，它是基于时间序列的链式数据块结构；从节点拓扑上看，它所有的节点互为冗余备份；从操作上看，它提供了基于密码学的公私钥管理体系来管理账户。

或许以上概念过于抽象，我来举个例子，你就好理解了。

你可以想象有 100 台计算机分布在世界各地，这 100 台机器之间的网络是广域网，并且，这 100 台机器的拥有者互相不信任。

那么，我们采用什么样的算法（共识机制）才能够为它提供一个可信任的环境，并且使得：

节点之间的数据交换过程不可篡改，并且已生成的历史记录不可被篡改；

每个节点的数据会同步到最新数据，并且会验证最新数据的有效性；

基于少数服从多数的原则，整体节点维护的数据可以客观反映交换历史。

区块链就是为了解决上述问题而产生的技术方案。

二、区块链的核心技术组成

无论是公链还是联盟链，至少需要四个模块组成：P2P 网络协议、分布式一致性算法（共识机制）、加密签名算法、账户与存储模型。

1、P2P 网络协议

P2P 网络协议是所有区块链的最底层模块，负责交易数据的网络传输和广播、节点发现和维护。

通常我们所用的都是比特币 P2P 网络协议模块，它遵循一定的交互原则。比如：初次连接到其拓扑链区块链他节点会被要求按照握手协议来确认状态，在握手之后开始请求 Peer 节点的地址数据以及区块数据。

这套 P2P 交互协议也具有自己的指令集合，指令体现在在消息头（Message Header) 的命令（command）域中，这些命令为上层提供了节点发现、节点获取、区块头获取、区块获取等功能，这些功能都是非常底层、非常基础的功能。如果你想要深入了解，可以参考比特币开发者指南中的 Peer Discovery 的章节。

2、分布式一致性算法

在经典分布式计算领域，我们有 Raft 和 Paxos 算法家族代表的非拜占庭容错算法，以及具有拜占庭容错特性的 PBFT 共识算法。

如果从技术演化的角度来看，我们可以得出一个图，其中，区块链技术把原来的分布式算法进行了经济学上的拓展。

在图中我们可以看到，计算机应用在最开始多为单点应用，高可用方便采用的是冷灾备，后来发展到异地多活，这些异地多活可能采用的是负载均衡和路由技术，随着分布式系统技术的发展，我们过渡到了 Paxos 和 Raft 为主的分布式系统。

而在区块链领域，多采用 PoW 工作量证明算法、PoS 权益证明算法，以及 DPoS 代理权益证明算法，以上三种是业界主流的共识算法，这些算法与经典分布式一致性算法不同的是，它们融入了经济学博弈的概念，下面我分别简单介绍这三种共识算法。

PoW：通常是指在给定的约束下，求解一个特定难度的数学问题，谁解的速度快，谁就能获得记账权（出块）权利。这个求解过程往往会转换成计算问题，所以在比拼速度的情况下，也就变成了谁的计算方法更优，以及谁的设备性能更好。

PoS：这是一种股权证明机制，它的基本概念是你产生区块的难度应该与你在网络里所占的股权（所有权占比）成比例，它实现的核心思路是：使用你所锁定代币的币龄（CoinAge）以及一个小的工作量证明，去计算一个目标值，当满足目标值时，你将可能获取记账权。

DPoS：简单来理解就是将 PoS 共识算法中的记账者转换为指定节点数组成的小圈子，而不是所有人都可以参与记账。这个圈子可能是 21 个节点，也有可能是 101 个节点，这一点取决于设计，只有这个圈子中的节点才能获得记账权。这将会极大地提高系统的吞吐量，因为更少的节点也就意味着网络和节点的可控。

3、加密签名算法

在区块链领域，应用得最多的是哈希算法。哈希算法具有抗碰撞性、原像不可逆、难题友好性等特征。

其中，难题友好性正是众多 PoW 币种赖以存在的基础，在比特币中，SHA256 算法被用作工作量证明的计算方法，也就是我们所说的挖矿算法。

而在莱特币身上，我们也会看到 Scrypt 算法，该算法与 SHA256 不同的是，需要大内存支持。而在其他一些币种身上，我们也能看到基于 SHA3 算法的挖矿算法。以太坊使用了 Dagger-Hashimoto 算法的改良版本，并命名为 Ethash，这是一个 IO 难解性的算法。

当然，除了挖矿算法，我们还会使用到 RIPEMD160 算法，主要用于生成地址，众多的比特币衍生代码中，绝大部分都采用了比特币的地址设计。

除了地址，我们还会使用到最核心的，也是区块链 Token 系统的基石：公私钥密码算法。

在比特币大类的代码中，基本上使用的都是 ECDSA。ECDSA 是 ECC 与 DSA 的结合，整个签名过程与 DSA 类似，所不一样的是签名中采取的算法为 ECC（椭圆曲线函数）。

从技术上看，我们先从生成私钥开始，其次从私钥生成公钥，最后从公钥生成地址，以上每一步都是不可逆过程，也就是说无法从地址推导出公钥，从公钥推导到私钥。

4、账户与交易模型

从一开始的定义我们知道，仅从技术角度可以认为区块链是一种分布式数据库，那么，多数区块链到底使用了什么类型的数据库呢？

我在设计元界区块链时，参考了多种数据库，有 NoSQL 的 BerkelyDB、LevelDB，也有一些币种采用基于 SQL 的 SQLite。这些作为底层的存储设施，多以轻量级嵌入式数据库为主，由于并不涉及区块链的账本特性，这些存储技术与其他场合下的使用并没有什么不同。

区块链的账本特性，通常分为 UTXO 结构以及基于 Accout-Balance 结构的账本结构，我们也称为账本模型。UTXO 是“unspent transaction input/output”的缩写，翻译过来就是指“未花费的交易输入输出”。

这个区块链中 Token 转移的一种记账模式，每次转移均以输入输出的形式出现；而在 Balance 结构中，是没有这个模式的。

密码学中的数学基础（二）图论及其著名的哥尼斯堡七桥问题

本文首发于 2017-11-14 19:07 原地址：

区块链当中一个重要分支就是密码学。而密码学当中涉及到相当拓扑链区块链的数学知识。密码学和数学拓扑链区块链的关系可谓深之又深，甚至可以说信息安全的很大基石就是数学（密码学是信息安全中的一部分）。图论（Graph Theory）是数学的一个分支，属于应用数学，其以图为研究对象。

区块链当中一个重要分支就是密码学。而密码学当中涉及到相当的数学知识，比如：数论、初等数学、代数学、组合数学以及概率论等。若没有一点数学基础的话，密码学的研究将是进行不通的。密码学和数学的关系可谓深之又深，甚至可以说信息安全的很大基石就是数学（密码学是信息安全中的一部分）。学习和掌握一些数学知识是必要的，在此我主要分享一些有关于密码学的数学知识。

图论（Graph Theory）是数学的一个分支，属于应用数学，其以图为研究对象。图论中的图是由若干给定的点及连接两点的线所构成的图形，这种图形通常用来描述某些事物之间的某种特定的关系，用点代表事物，用连接两点的线表示相应两个事物间具有这种关系。图论的概念和结果来源非常广泛，既有来自生产实践的问题，也有来自理论研究的问题。历史上参与研究图论问题的人既有著名的数学家也有普通的业余爱好者。

谈到图论不得不提的就是著名的哥尼斯堡七桥问题。在贯穿古普鲁士哥尼斯堡城的普瑞格尔河上有七座桥连接两岸及河中的两个小岛，当地居民都很喜欢去岛上游玩，但有一个问题困扰着当地居民拓扑链区块链了很长的时间。在1736年，该市的一位市民向大数学家欧拉（Euler）提出拓扑链区块链了此问题。该问题是，从家里出发，七座桥每座桥都恰好通过一次，然后再回到家里，是否可以办到。事实上，当地居民以前曾反反复复试验了多次，不论怎么样行走，都不能成功的实现每座桥恰好只经过一次，但却没有人严格证明过。

欧拉将两岸分别用B和C两点进行表示，两岛分别用A和D来表示，A、B、C、D各点的位置并不重要，仅当两块陆地之间有桥时，把每座桥用连接对应点的一条边代替，每条边的曲直长短也不重要，于是欧拉将上图的实际场景抽象为下图，并且将此图形称为图（graph）。

为了解决这个具体的问题，欧拉提出了判定一般图存在这种走法的充要条件，并给出了必要性证明，开创了图论（一维拓扑）的研究。这个结果发表于1736年，其把问题归结为一笔画问题，证明了从家里出发，七座桥每座桥都恰好通过一次，然后再回到家里，是不可以办到的。此论文被公认为第一篇图论文章，欧拉本人也被尊崇为图论和拓扑学之父。欧拉在解决此问题的同时给出了连通图可以一笔画的充要条件是：奇点的数目不是0个就是2个（连接到一点的数目如果是奇数条，就称为奇点，如果是偶数条就称为偶点，要想一笔画成必须中间点均是偶点，也就是说来去必须有对应，奇点只可能在两端，因此任何图如果要一笔画成，奇点要么没有要么在两端）

当时的数学界起初并未对欧拉解决七桥问题的意义有足够的认识，甚至有些人仅仅当其为一个数学游戏。图论诞生后并未及时获得足够的发展，直到200年后的1936年，匈牙利数学家科尼希出版了《有限图与无限图理论》，此为图论的第一部专著，其总结了图论200年的成果，是图论发展的第一座里程碑。此后，图论进入发展与突破的阶段，又经过了半个多世纪的发展，现已成长为数学科学的一个独立的重要学科。而且其分支很多，例如图论、算法图论、极值图论、代数图论、随机数图论、模糊图论、超图论等。特别值得一说的是，由于现代科学尤其是大型计算机的迅猛发展，使得图论大有用武之地，无论是数学、物理、化学、地理、生物等基础科学，还是信息、交通、战争、经济乃至社会科学的众多问题，都可以应用图论方法予以解决。当然，图论也是计算机科学最重要的基础之一。

注：一笔画

1）凡是由偶点组成的连通图，一定可以一笔画成。画时可以将任意一偶点作为起点，最后一定可以以此点为终点画完此图。

2）凡是只有两个奇点的连通图（其余都为偶点），一定可以一笔画成。画时必须将一个奇点作为起点，而另一个奇点将为终点。

3）其它情况的图都不能一笔画出。 // 奇点数除以二便可以算出此图需要几笔才能画成。

注：欧拉通过对七桥问题的研究，不仅解决了哥尼斯堡居民提出的问题，而且得到并证明了更为广泛的有关一笔画的三条结论，人们将之称为欧拉定理。对于一个连通图，通常把某点出发一笔画所经过的路线叫欧拉路，同时将一笔画成又回到出发点的欧拉路称为欧拉回路，而具有欧拉回路的图被称为欧拉图。

于中阳 Mercina-zy

拓扑链区块链区块链技术网

什么是DAG，DAG有发展前途吗？

DAG(Directed acyclic graph)拓扑链区块链，有向无环图，是计算机领域一个常用拓扑链区块链的数据结构，因为独特的拓扑结构所带来的一些特性，经常被用到处理动态规划，导航中寻求最短路径，数据压缩等场景中。从15年开始，区块链概念被单拎出来，这之前区块链还只是比特币技术里的一个数据结构，中本聪白皮书里把block和chain连一起的时候也只是a chain of blocks 。随着以太坊去中心化计算机的概念提出来，很多人开始把以太坊称作区块链2.0，而比特币被归到了区块链1.0。至于区块链3.0，市场上为了抢夺区块链3.0的冠名权打的不可开交，没准会是DAG。

“蜂巢思维”，区块链时代的第一性原理

人造世界就像天然世界一样，很快就会具有自治力、适应力以及创造力，也随之失去我们的控制。但在我看来，这却是个最美妙的结局。

——《失控》

"蜂巢思维"出自凯文·凯利的《失控》（1994），简单的说“蜂巢思维”就是“群体思维”。蜜蜂的群体结构，在蜂巢之中每个个体各有分工，自发维系整个蜂巢，蜂巢就像是一个整体，汇集了每个个体的思维。凯文·凯利用蜂巢思维比喻人类的协作带来的群体的智慧。

1.蜂群的“蜂巢思维”

“蜂群的灵魂”在哪里？早在1901年，比利时作家莫利斯·梅特林克发出了这样的疑问：它由谁统治，由谁发布命令，由谁预见未来……？

现在我们已经能确定统治者不是蜂后。当蜂群从蜂巢前面狭小的出口涌出时，蜂后只能跟着。蜂后的女儿负责选择蜂群应该何时何地安顿下来。五、六只无名工蜂在前方侦察，核查可能安置蜂巢的树洞和墙洞。他们回来后，用约定的舞蹈向休息的蜂群报告。在报告中，侦察员的舞蹈越夸张，说明她主张使用的地点越好。接着，一些头目们根据舞蹈的强烈程度核查几个备选地点，并以加入侦察员旋转舞蹈的方式表示同意。这就引导更多跟风者前往占上风的候选地点视察，回来之后再加入看法一致的侦察员的喧闹舞蹈，表达自己的选择。

除去侦察员外，极少有蜜蜂会去探查多个地点。蜜蜂看到一条信息：“去那儿，那是个好地方。”它们去看过之后回来舞蹈说，“是的，真是个好地方。”通过这种重复强调，所属意的地点吸引了更多的探访者，由此又有更多的探访者加入进来。按照收益递增的法则，得票越多，反对越少。渐渐地，以滚雪球的方式形成一个大的群舞，成为舞曲终章的主宰。最大的蜂群获胜。

这是一个白痴有、白痴享、白痴治的选举大厅，其产生的效果却极为惊人。这是民主制度的真髓，是彻底的分布式管理。曲终幕闭，按照民众的选择，蜂群挟带者蜂后和雷鸣般的嗡嗡声，向着通过群选确定的目标前进。这是一个由两万个群氓合并成的整体，它和比特币的方式有异曲同工之妙。

2.蚂蚁的“蜂巢思维”

从一个定居点搬到另一个定居点的蚁群，会展示出涌现控制下的“卡夫卡式噩梦”效应。你会看到，当一群蚂蚁用嘴拖着卵、幼虫和蛹拔营西去的时候，另一群热枕的工蚁却在以同样的速度拖着那些家当掉头东行。而与此同时，还有一些蚂蚁，也许是意识到了信号的混乱和冲突，正空着手一会儿向东一会儿向西的乱跑。简直是典型的办公室场面。

不过，尽管如此，整个蚁群还是成功地转移了。在没有上级作出任何明确决策的情况下，蚁群选定一个新的地点，发出信号让工蚁开始建巢，然后就开始进行自我管理。

3.鸟群的“蜂巢思维”

一个鸟群并不是一只硕大的鸟。科学报道记者詹姆斯·格雷克写道：“单只鸟或一条鱼的运动，无论怎样流畅，都不能带给我们像玉米地上空满天打旋的燕八哥或百万鲰鱼鱼贯而行的密集队列所带来的震撼。（鸟群疾转逃离掠食者的）高速电影显示出，转向的动作以波状传感的方式，以大约七十分之一秒的速度从一只鸟传到另一只鸟。比单只鸟的反应要快得多。”鸟群远非鸟的简单聚合。

4.算法生成的群体智慧

在《蝙蝠侠归来》中有一个场景，一大群黑色大蝙蝠一窝蜂地穿越水淹的隧道涌向纽约市中心。这些蝙蝠是由电脑制作的。动画绘制者先制作一只蝙蝠，并赋予它一定的空间以使之能自动地扇动翅膀；然后再复制出几十个蝙蝠，直至成群。之后，让每只蝙蝠独自在屏幕上四处飞动，但要遵循算法中植入的几条简单规则：不要撞上其他的蝙蝠，跟上自己旁边的蝙蝠，离队不要太远。当这些“算法蝙蝠”在屏幕上运行起来时，就如同真的蝙蝠一样成群结队而行了。

5.涌现——看不见的手

“蜂巢思维”的神奇在于，没有一只蜜蜂在控制它，但是有一只看不见的手，一只从大量愚钝的成员中涌现出来的手，控制着整个群体。它的神奇还在于，量变引起质变。要想从单个虫子的机体过度到集群机体，只需要增加虫子的数量，使大量的虫子聚集在一起，使它们能够相互交流。等到某一阶段，当复杂度达到某一程度时，“集群”就会从“虫子”中涌现出来。

蚂蚁研究的先驱者惠勒认为，集群所形成的超级有机体，是从大量聚集的普通昆虫有机体中“涌现”出来的。他指出，这种涌现是一种科学，一种技术的、理性的解释，而不是什么神秘主义或炼金术。

涌现是一种非常普通的自然现象。涌现这个概念表现的是一种不同类型的因果关系。在这里，2+2不等于4，甚至不可能意外地等于5。在涌现的逻辑里，2+2=苹果。当聆听巴赫时，充溢我们身心的所有“巴赫的气息”，就是一副富有诗意的图景，恰如其分地展现出富有含义的模式是如何从音符以及其他信息中涌现出来的。

要想洞悉一个系统所蕴藏的涌现结构，最快捷、最直接也是唯一可靠的方法就是运行它。就此而言，有什么潜藏在人类个体中没有涌现出来，除非所有的人都通过人际交流或政治管理联系起来？在这种类似于蜂巢的仿生超级思维中，一定酝酿着某种最出人意料的东西。这里有一个关于活系统的普遍规律：低层级的存在无法推断出高层级的复杂性。

计算机科学家越来越意识到，蜂巢思维和分布式问题是一体的，它们都是从一大堆相互连接的部件中涌现出来的模式。

6.从量变到质变

事物的涌现大都依赖于一定数量的个体，一个群体，一个集体，一个团伙，或是更多。满满一槽的水，当你拔去水槽的塞子，水就会开始搅动，形成涡流。涡流发展成为漩涡，像有生命一般成长。不一会儿，漩涡从水面扩展到槽底，带动了整个水槽里的水。不停变化的水分子瀑布在龙卷中旋转，时刻改变着漩涡的形状。

不管我们在何时拔掉塞子，漩涡都会无一例外地出现。漩涡是一种涌现的事物——如同群一样，它的能量及结构蕴涵于群体而非单个水分子的能量和特性之中。一如所有涌现的事物，漩涡的特性来源于大量共存的其他个体，一滴水并不足以显现出漩涡，而一把沙子也不足以引发沙丘的崩塌。

数量能带来本质性的差异。一粒沙子不能引起沙丘的崩塌，但是一旦堆积了足够多的沙子，就会出现沙丘，进而也就能引发一场沙崩。一些物理属性，如温度，也取决于分子的集体行为。当连接度高且成员数目大时，就产生了群体行为的动态特性——量变引起质变。

7.区块链：二十一世纪的图标

原子是20世纪科学的图标。原子象征着简单所代表的质朴力量，代表着牛顿的机械论世界观，不管是科学还是管理，都遵从于自上而下的层级结构。一个带有禅意的思想：原子是过去，下个世纪的科学象征是充满活力的网络。

网络的图标是没有中心的——它是一大群彼此相连的小圆点，是由一堆彼此指向、相互纠缠的箭头织成的网。达尔文在其巨著《物种起源》中论述了物种如何从个体中涌现而出。这些个体的自身利益彼此冲突，却又相互关联。当他试图寻找一幅插图做此书的结尾时，他选择了缠结的网。

网络是唯一有能力无偏见地发展或无引导地学习的组织形式。所有其他的拓扑结构都会限制可能发生的事物。群的拓扑结构多种多样，但是唯有庞大的网状结构才能包容形态的真正多样性。

网络是群体的象征，由此产生的群组织——分布式系统——将自我散布在整个网络，以致于没有哪一部分能说，“我就是我”。无数的个体思维聚在一起，形成了无可逆转的社会性。它所表达的既包含了计算机的逻辑，又包含了大自然的逻辑，进而展现出一种超越理解能力的力量。暗藏在网络之中的是神秘的看不见的手——一种没有权威存在的控制。原子代表的是简洁明了，而网络传送的是由复杂性而生的凌乱之力。

1962年，第一篇有影响力的论文《分布式通信网络》宣告网络的诞生，之后的几十年，网络得到巨大发展，发展成为有围墙花园的互联网。人们发现围墙花园并不是堡垒，反而更像是监狱。

区块链在这个时候应运而生，比特币在2008年金融危机之后首次打破围墙，创造了一个新的天地。经过近十年的发展，它已迅速发展成为一个3342亿美元的新兴行业。区块链基于P2P网络，融入密码学、概率论、计算机科学、行为经济学、社会学等多门学科，依赖群体智慧和涌现模式，组成了一个分布式、去中心化、协作及可适应性的网络。区块链将掀起一场革命，在这里，蜂巢似的群体是主角。

8.达尔文时代的数学原理

达尔文的自然选择说中最不能让人接受的部分就是它的必然性。自然选择的条件非常特殊，但这些条件一旦满足，自然选择就会无可避免地发生！自然选择也许不该被称为生物学定律。它发生的原因不是生物学，而是概率论。

进化不是一个生物过程，它整合了技术、数学、信息和生物学的过程，几乎可以说，进化是一条物理法则，适用于所有的群体，不管它们有没有基因。

我相信存在一种生命的数学。自然选择也许就是这种数学中的加法。要想充分解释生命的起源、复杂性的趋势以及智能的产生，不仅仅需要加法，还需要一门丰富的数学，由各种互为基础的复杂函数所组成。它需要更为深入的进化。单凭自然选择是远远不够的。要想大有作为，就必须融入更富创造力和生产力的过程。除去自然选择，它必须有更多的手段。

一如乘法是某种连加运算，但从这种快捷运算中涌现出了全新的力量，如果我们只把乘法看成是加法的重复，就永远也不可能掌握这种力量。只满足于加法，你就永远得不到E=mc²。

任何事物聚集成群都会与原来有所不同：聚合体越多，由一个聚合体触发另一个聚合体这样的相互作用就越有可能会呈指数级增长。在某个点上，不断增加的多样性和聚合体数量就会达到一个临界值，从而使系统中一定数量的聚合体瞬间形成一个自发的环，一个自生成、自支持、自转化的化学网络。

区块链就是这样的网络，聚合自组织的蜂巢，从多个维度上进行自然选择，在不同的尺度上，以不同的节律，用不同的风格运行着。这种多元化的深度进化，犹如智能，是从某种动态群落中涌现出来的。这种最具适应性的系统是如此不羁，以至于与失控之间仅一线之隔。进化的系统会自己找到这个平衡点。

引述阿博切那个怪人的话，他说：“我更关心那些空白的地方，那些能想象得到却实现不了的形态。”在区块链的网络里，未来已来！

未来科技的五大发展趋势

智能对象智能对象使用AI和机器学习以更智能的方式与人和环境进行交互。智能扬声器、网络摄像头等。都只是初级的智能物体，真正高级的智能物体会在一定的时间内自主或半自主地运行，完成一定的任务，比如打扫房间或给田地施肥。有拓扑链区块链了这些智能物件，未来的智能家居和智能家电将不再只是一种假设和奢望。更重要的是，消费设备、工业系统、医疗设备都是适合使用AI的智能对象。

智能对象的下一个层次将是大量的智能对象共同努力实现某个目标。美国国防部正在测试用于空中监视的Perdix微型无人机，本田正在开发合作合并能力，以便自动驾驶汽车能够协调它们的活动。

数字双胞胎技术数字孪生，又称数字孪生，是充分利用物理模型、传感器更新、运行历史等数据。集成多学科、多物理量、多尺度、多概率的仿真过程，并在虚拟空间中完成映射，从而反映相应物理设备的全生命周期过程。未来，物理世界的各种事物都将能够通过数字孪生技术进行复制。

在工业领域，数字孪生技术的使用将极大地推动产品在设计、生产、维护和维修方面的变革。数字孪生有望通过数字呈现真实世界的实体或系统，节省数十亿美元的维护、维修和运营成本。孪生数提供拓扑链区块链了关于现实世界对象状态的信息，并且可以响应变化或改进操作。

物联网领域有很多数字双胞胎的例子，但是数字双胞胎对于不是“物”的物体的潜力越来越大。例如，面向人类的数字双胞胎可以提供生物学特征和医学数据，医生可以用来诊断疾病。全市数字结对可以为城市规划师提供运营维护方面的信息。

从云到边而云计算和人工智能的应用，以及数据价值的挖掘，以全面创新驱动企业数字化转型，为各行各业带来巨大价值。同时，云服务不断加速企业数字化转型。从数据中心到云边缘再到移动终端，随着更先进的云服务，商业世界不断被推动向前。虽然人们经常认为云计算和边缘计算是两种相互竞争的方法，但这是对这两个概念的根本误解。边缘计算指的是一种计算拓扑拓扑链区块链：它使内容、计算和处理与用户/对象或网络的“边缘”联系得更紧密。云就是计算机：这样一个灵活可扩展的功能，是作为服务提供的，但确实需要集中化。如果合并，云模型创建面向服务的模型，采用集中控制和协调结构，将云服务部署到中间服务器或实际边缘，从而支持分布式执行模型。Office 365和AWS Greengrass就是今天这个统一概念的两个例子。

对话平台对话平台是一个AI开放平台，可以理解用户，也可以进行交互。对话平台的广泛应用将开启一场新的互动革命。随着语音识别和自然语言处理技术的发展大热，声纹识别技术(识别说话人是谁的技术)也逐渐进入大众的视野，它将与人脸识别等生物认证技术一起在安全和个性化服务领域得到越来越多的普及。目前的语音识别和声纹识别等语音技术受背景噪音，多人同时说话等环境因素影响准确度依然有很大的提升空间。

对话式平台将改变人们与技术进行交互的方式。翻译/转换意图的负担由用户转移到计算机。对话式平台先获取用户提出/发出的问题或命令，然后通过执行某种功能、呈现某种内容或要求进一步的输入来进行响应。这可能是简单的应用场景，比如查询天气，也可能是较为复杂的应用场景，比如商务预订。在未来几年，对话式界面将成为用户交互的一个主要设计目标，将通过专用硬件、操作系统的核心功能、平台和应用程序来实现。

沉浸式体验沉浸式体验提供参与者完全沉浸的体验，使用户有一种置身于虚拟世界之中的感觉。可以通过利用头盔显示器等装备把用户的视觉、听觉封闭起来，产生虚拟视觉，同时，它利用数据手套把用户的手感通道封闭起来，产生虚拟触动感。系统采用语音识别器让参与者对系统主机下达操作命令，与此同时，头、手、眼均有相应的头部跟踪器、手部跟踪器、眼睛视向跟踪器的追踪，使系统达到尽可能的实时性。临境系统是真实环境替代的理想模型，它具有最新交互手段的虚拟环境。常见的沉浸式系统有:基于头盔式显示器的系统、投影式虚拟现实系统。增强现实(AR)和虚拟现实(VR)在改变人们感知数字世界并与之交互的方式。结合并扩展AR和VR的混合现实俨然成了一种首选的沉浸式体验，它提供了一种界面，以便更好地匹配人们如何看待世界并与之交互的方式。结合对话式平台，用户体验会出现根本性变化，变成一种无形的沉浸式环境。

区块链区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式，是一种共享的、分布式的、分散的、标记化的账本，它做到了独立于单个的应用或参与者，因而消除了业务摩擦。一般说来，区块链系统由数据层、网络层、共识层、激励层、合约层和应用层组成。其中，数据层封装了底层数据区块以及相关的数据加密和时间戳等基础数据和基本算法;网络层则包括分布式组网机制、数据传播机制和数据验证机制等;共识层主要封装网络节点的各类共识算法;激励层将经济因素集成到区块链技术体系中来，主要包括经济激励的发行机制和分配机制等;合约层主要封装各类脚本、算法和智能合约，是区块链可编程特性的基础;应用层则封装了区块链的各种应用场景和案例。该模型中，基于时间戳的链式区块结构、分布式节点的共识机制、基于共识算力的经济激励和灵活可编程的智能合约是区块链技术最具代表性的创新点。区块链让不受信任的有关方可以相互达成商业交易。虽然区块链具有长远潜力，但是在至少今后两三年，区块链的现状比区块链承诺的前景慢一拍。企业需要清楚地了解潜在的商业机会，还要了解这项技术的能力和局限性。要是没有相应的技能组合，包括加密技能，则应慎重考虑是否投入区块链项目。

事件驱动事件驱动是指在事务管理过程中，进行决策的一种策略，即跟随当前时间点上出现的事件，调动可用资源，执行相关任务，使不断出现的问题得以解决，防止事务堆积。在计算机编程、公共关系、经济活动等领域均有应用。数字业务时刻驱动数字企业。这种时刻结合了体验或发现显著状态或状态变化的业务活动。这可能是很简单的事件，比如表明采购订单已完成的信号。事件代理和物联网以及其他新技术意味着，可以更迅速地检测这些事件，还可以更详细地分析它们。企业应该积极奉行“事件思维”(event thinking)，作为数字企业战略的一部分。到2020年，事件来源的实时态势感知将成为80%的数字业务解决方案的一个必备特点，而80%新的业务生态系统将需要支持事件处理。

持续自适应风险和信任随着越来越多复杂工具的使用，组织需要更加紧密地处理和对抗像 Wannacry 勒索软件这样的威胁。通过 CARTA(Continuous Adaptive Risk and Trust Assessment)，组织可以实时把握风险和受信任的决策。在数字世界中，组织需要将安全性集成到其 DevOps 中，以提供连续的“DevSecOps”过程。持续自适应风险评估是从防护的角度看问题，力图识别出坏人(攻击、漏洞、威胁等)。持续，就是指这个风险和信任的研判过程是持续不断，反复多次进行的;自适应，就是指我们在判定风险(包括攻击)的时候，不能仅仅依靠阻止措施，我们还要对网络进行细致地监测与响应;信任，是指判定身份，进行访问控制。持续自适应信任评估是从访问控制的角度看问题，力图识别出“好人”(授权、认证、访问)。持续自适应风险和信任评估(CARTA)可实现实时的、基于风险和信任的决策机制，对安全赋能的数字企业实现自适应响应。随着威胁不断发展和演变，安全界也在随着不断变化。将安全整合到贵公司的开发运维(DevOps)工作中，以打造持续的开发安全运维(DevSecOps)流程，以及探究诱捕技术(比如自适应蜜罐)，旨在捉住渗入到网络中的坏人，这是有望让CARTA成为现实的其中两项新技术。