Iagon IAG 基於區塊鏈技術的分散式雲服務
IAGON 是一個通過去中心化的區塊鏈和纏結網格來利用多個智能設備的存儲容量和處理能力的平台。IAGON 利用並支持存儲大數據文件和存儲庫，以及更小規模的文件，並執行複雜的計算過程， 如人工智慧和機器學習操作所需的過程，IAGON 是一個完全安全的和加密的平台，它整合了區塊鏈、加密技術和人工智慧技術為一體，用戶十分容易掌握。
雲服務市場的規模大約為每年 450 億美元，為公司提供存儲能力和計算機處理能力，並且這個規模在穩步增長。該市場主要由四大供應商主宰：亞馬遜網路服務（AWS），谷歌雲（Google Cloud），微軟（Microsoft）和國際商業機器公司（IBM），均利用中心化的和不太可信的存儲和計算設備。由於其寡頭壟斷優勢，這四家提供商的雲服務設定了高定價水平。由於其業務範圍廣泛，並對數據中心、伺服器、儲存設備的大量投資，這些提供商也有能力阻礙任何競爭，也有能力阻止市場新進入者與他們競爭。
然而有趣的是，由於商業和計算領域的兩大趨勢：大數據和人工智慧（AI），在不久的將來，對計算處理能力和存儲的需求預計將來會急劇增加。大數據是對從外部來源或內部來源（如公司的 IT 系統、社交網路、感測器等）獲得的大量信息進行收集、管理和存儲。公司的數據管理也帶動了公司對於運營、客戶和競爭對手相關數據的收集和儲存，是否有必要對數據進行分析是不言而喻的。另一個主要趨勢是人工智慧方法的出現，該方法從過去的操作中「學習」數據，找到模式和業務規則，並預測未來的行為。基於人工智慧的處理過程會消耗 CPU 和 GPU進程中大量的計算量，並且消耗的顯著的處理能力。隨著人工智慧應用在新領域的引入和廣泛採用多渠道（如感測器、社交網路、數據提供商等）的數據收集方式以及之後的更廣泛應用，存儲和處理能力的需求將呈指數增長。
IAGON 的主要目標是通過提供去中心化的存儲和處理網格來徹底改變雲和網路服務市場。通過加入一些伺服器和私人電腦中未使用的存儲容量及其處理能力，我們可以創建一個超級計算機和超級數據中心，可以與任何當前的雲計算巨頭競爭。
IAGON 基於人工智慧的運算過程
就像人腦一樣，人工智慧和機器學習演算法都需要輸入數據來演繹推論。數據挖掘是從大數據集發現模式的計算過程，有助於減少數據架構的大的數集，以便機器學習演算法能夠做出決策和推理。因此，隨著組織和公司用積累大數據集作為其日常運營的一部分，實際上在執行、供應商和客戶的的方方面面積累大數據集，他們尋求新方法來應用人工智慧和機器學習方法，從持續獲得的數據中總結出新的管理見地。
儘管如此，用於分析大量數據的人工智慧和機器學習工具需要大量的計算能力，這是一些公司普遍缺乏的，因此他們需要訂購商業雲服務並將敏感數據文件上傳到其他公司的伺服器上。由於數據的機密性和商業價值，許多公司都會避免這樣做，因此不能從用先進的人工智慧方法分析資料庫的潛在價值中受益。
區塊鏈技術為處理、存儲和分發數據以及保持數據的一致性和完整性的用例提供了獨特且完全安全的解決方案，例如去中心化的處理過程。區塊鏈只是將數據區塊散列在一起，並使用之前的散列和當前的區塊進行鏈接，以保持整個鏈條的一致性（Vijayan，2017）。區塊鏈使用 SHA 256 演算法創建散列。散列的獨特性使得它的資源密集型化從而 難以破解，因為當今SHA256 散列只能通過擁有強大的計算能力的暴風演算法（Brute force)才能打破，但是暴風演算法迄今還未在商業硬體市場上使用（Vijayan，2017）。
地外文明研究所（SETI）通過其 BOINC 計劃（Estrada et al.,2009）介紹了大數據集的分散式數據挖掘。引入「比特幣」和工作機制證明創立了一種框架，這種框架能激勵數據挖掘工投入工作和精力來完成一系列通過去中心化的網路進行的從運算擴展到數據處理的過程（Nakamoto, 2008）。
通過去中心化的網路提供安全存儲，有很多這樣的項目正在進行中。去中心化的存儲網路被定義為雲平台，其中節點將數據或文件的一部分或整個數據鏈存儲在區塊鏈中。其中比較知名的如 FileCoin，IPFS，SiaCoin，Storj，NextCloud 和 NEM』s Mijin 項目 （詳見例如 Protocol Labs, 2017）。去中心化的網路的可靠性和隱私性是一個主要問題。如果主機節點遇到硬體崩潰或某些節點上有蓄意配置的文件，目的是為了黑客攻擊文件接收者（一種常見的瘟疫種子），則大多數去中心化的網路都無法恢復丟失的數據。
IAGON 不僅為去中心化的網路提供服務，還與當前的數據存儲設備（如結構化查詢語言（SQL）和非關係型資料庫（NoSQL 資料庫））一起運作。IAGON 採用的方法獨特之處在於，IAGON 採用的是機器學習演算法，通過去中心化的網路分配工作量進行處理，然後加密/解密流經其系統的數據。
有許多 IAGON 可以服務的用例。IAGON 可以通過中心化的、群集式的或去中心化的網路提供安全存儲，在數據挖掘工人網路上分配數據處理的量進行數據分析，這種方式為通過區塊鏈創建智能合同提供安全解決方案，或者用於識別系統中的誠信節點和攻擊性節點。
IAGON 的多重區塊鏈支持
用戶和礦工在選擇提供和消費去中心化的雲服務時，IAGON 致力於為他們提供完全靈活的和自由的選擇權。因此，IAGON 將提供多重區塊鏈解決方案。在以太坊區塊鏈和纏結上運行其雲存儲和處理操作。
用戶和礦工可以選擇以太坊或纏結來完全安全地存儲他們的文件，處理計算任務，為雲服務支付或收取 IAGON 代幣，主要為了接觸到市場突出和先進的技術而從中收益。
IAGON 的「安全湖」技術
大數據市場的特點是大型公司最近採用了數據湖架構，例如基於 Hadoop 框架的信息系統。數據湖架構基於 NoSQL 中心資料庫（如 MongoDB、HBase 或 Cassandra）的實施，在這個中心資料庫上可以存儲和檢索任何類型的文件。對公司自己的那些不取決於內容和文件類型的信息和數據文件，公司可以將其定義一個中心存儲庫，並為所有在中小型企業、中型公司或大型企業管理的文件提供用戶操作簡便且可訪問的來源。
儘管如此，數據湖體系結構表明，一旦黑客入侵，入侵者可以在資料庫系統中「游泳」，探索文件並獲取一些寶貴數據，這些數據描述了被黑客攻擊的組織運營的方方面面。IAGON 的「安全湖」技術在加密、分割和分發數據湖文件方面的主要用途之一是「冷凍」湖泊，即通過加密和去中心化文件的方式禁止任何一方在獲得訪問權後在數據湖中導航它（下圖）。
對任何組織的數據湖進行黑客攻擊，無論是通過使用和出售供應商和商業敏感數據的方式在網上發布客戶的私人信息，還是交易商業秘密、內部通信和數字產品（如源代碼和新產品設計），都可能導致無限數量的安全、隱私和財務風險。
網上發布了大數據和數據湖基礎架構資料庫的漏洞以及黑客入侵的可能性，主要是警告組織機構針對因使用這些平台而可能出現的安全漏洞進行防範。
近年來的幾個例子說明了黑客攻擊他們的 IT 系統和資料庫對組織（以及他們的客戶和供應商）造成的廣泛威脅和風險：
? 2017 年 1 月，Camarda（2017）報告說：「對 Hadoop 的攻擊是在對 MongoDB，ElasticSearch 和 Apache CouchDB 進行持續攻擊之後發生的。在某些情況下，犯罪分子已經知道要克隆和抹掉資料庫，並持有原有資料庫要求兌換贖金。在其他攻擊中，他們只是刪除資料庫而不要求付款。
? 在同一時期，Constantin（2017）報告說：「勒索軟體組可以從數千個 MongoDB 資料庫和 Elasticsearch 集群中抹除數據，這些勒索軟體開始瞄準其他數據存儲技術，這只是一個時間問題......到目前為止，已經有 126 個 Hadoop 的用例被抹掉。受害者數量可能會增加，因為從互聯網上可以訪問到數千個 Hadoop 這樣的部署，儘管很難確定受攻擊的容易程度。對 MongoDB 和 Elasticsearch 的攻擊也遵循類似的模式。MongoDB受害者的數量在幾小時內從幾百上升到了幾千，並在一周內增加到了數萬人。最新的統計數據顯示，被抹去的 MongoDB 資料庫的數量已經超過了 34000 個，而被刪除的Elasticsearch 集群的數量已經超過了 4600 個。」
? Cliburn（2017）指出，攻擊者在基於 Hadoop 的系統上的行為「可能包括在數秒內破壞數據節點、數據卷或使用 TB 位元組的數據快照。」
? 早期的報告解釋了如何破解 Hadoop 系統並利用其漏洞破壞和複製大量數據（參見例子 Gothard，2015）。鑒於已暴露的漏洞的性質，以及尚未被攻擊者利用但可能存在於系統中的漏洞的性質，以及許多組織中缺乏運營網路安全審計的政策，如果它們採用這些入侵技術，資料庫一般都會暴露給第三方。這對任何組織來說結果都可能是災難性的，對其運營將產生巨大影響。舉例來說，據報道，Equifax2017 年 9 月被黑客攻擊，暴露了 1.43 億客戶的個人數據，導致 Equifax 的市場價值大幅下降 19％。
IAGON 的「安全湖」基於區塊鏈不可破解的加密技術，基於對原始文件的小型切片、匿名切片和高度加密切片進行文件分割和存儲，確保這些數據文件、其他類型文件（如掃描件、照片和視頻）以及任何大小的資料庫受到完全保護，並確保任何存儲文件的快速檢索和更新。除了安全地上傳文件並使用密碼（密鑰）檢索和加密文件的用戶之外，沒有人能夠讀取小文件切片的內容，對其進行加密、刪除、更改、檢索、識別其來源，甚至也不能與其他來源於
原始上傳的文件生成的文件切片相關聯。IAGON 的技術確保即使信息系統以任何方式遭到破壞，他們所使用的數據和文件也無法以任何方式被訪問、刪除或修改。
IAGON 的智能計算網格平台和人工智慧追蹤技術
對於處理能力的需求明顯增加，一個很好的例子就是 NVIDIA 系統的銷售不斷增長，因為NVIDIA 系統能完成機器學習和深度學習以及其他需要大量計算和處理功能的高級人工智慧操作。基於人工智慧的創新需要大容量的處理能力（主要由具有大容量的 CPU 和 GPU 伺服器的電池提供），該技術領域包括人臉識別、視頻處理、語音分析、文本分析、模式識別，運用在大型資料庫、數字文檔儲存庫、無人駕駛、基於物聯網的決策支持系統和其他方面。人工智慧技術和應用程序預計將呈指數型增長，因此也帶動了對處理能力的需求，以支持研究和日常運作。
IAGON 的智能計算網格相當於其他任何電網（如太陽能發電）：
? 它將多個生產商連接到客戶
? 智能計算網格滿足對必要資源的需求
? 它將未使用的資源傳輸給有需求的用戶（對 CPU 和 GPU 處理能力和存儲空間的需求），以及
? 它有利於礦工在他們的伺服器和計算機不使用時向網格提供處理能力和存儲空間，這個過程不需要礦工做出什麼努力。
智能計算網格基於先進的人工智慧組件，包括 100 多種機器學習演算法、方法和技術，這些演算法、方法和技術集成在一起形成我們的人工智慧追蹤系統。 人工智慧追蹤系統是 IAGON 智能計算網格背後的「大腦」。它將加密的文件切片優化分配給礦工閑置的存儲空間，將計算任務優化分配給礦工閑置的（在空閑的時候）CPUs 和 GPUs，這構成了智能計算網格。
人工智慧追蹤是一個動態學習系統，不斷分析過去的和當前的數據流，這些數據流能反映礦工存儲空間和處理能力的可用性。人工智慧追蹤執行的任務包括：優化分配和傳輸加密文件切片到指定存儲空間；分配處理任務以實現網格的快速和最佳性能；以及識別應該被封閉並從網格中移除的惡意節點；隨時不斷微調網格的屬性以優化其性能（見下圖 ）。
個案研究
IAGON 計劃將去中心化概念引入主流企業和消費者市場。為了實現這一目標，IAGON 最初的設計和構建都是為了無縫集成到現有的 IT 基礎架構中，不需要再部署昂貴的資源。
IAGON 採用典型的伺服器資料庫架構和前端後端架構
上圖是用圖形展示了 IAGON 作為伺服器-資料庫和前端後端之間的中間件，用於現有的 IT基礎架構。IAGON 可以使用目前常用的 SQL 和 NoSQL 資料庫結構，無需昂貴的遷移過程或專門的資源來實施和部署。IAGON 提供了一個安全層，因為它識別特定數字指紋，該指紋與通過伺服器的請求相關聯，以確定請求是否是誠信節點。
IAGON 在公鏈和私鏈上的結構
上圖提供了 IAGON 在私鏈和公鏈網路中的概況。它使用分層技術使得數據安全地存儲在私鏈和公鏈之中。運用機器學習演算法和加密/解密協議，IAGON 能夠提供跨平台存儲數據的安全方法。
IAGON 可以的設定是不僅作為一個安全的平台與現有的區塊鏈相結合，還可以利用其數據挖掘功能來處理數據。IAGON 通過去中心化的網路分配處理的量進行擴容或減小容量，並安全地將數據存儲在不同的去中心化的平台上。這是通過 IAGON 機器學習演算法完成的，該演算法可以根據需要進行的任務分配數據。IAGON 使用既有監督的也有無監督機器學習方法（被稱為半監督式學習），通過去中心化的網路處理和分配數據。
構架
IAGON 的開放源平台的架構可以分為三個獨特的部分。這些部分是機器學習演算法、區塊鏈以及礦工和加密/解密協議。當向 IAGON 發送請求時，機器學習演算法將數據塊發送給礦工進行處理並找到匹配的簽名。然後將這些數據塊發送回到區塊鏈中驗證，同時機器學習演算法將這些數據的輸出用於識別節點。如果不處理多個區塊中的數據將無法識別節點，也無法識別數據關聯性，因此為使用 IAGON 平台的用戶提供一定程度的匿名性和隱私性。個人礦工除非能夠訪問足夠多的區塊，否則就無法識別某個請求或節點。區塊利用方差證明均勻地分布給礦工，並且不會將任何數據存儲在其本地系統中。這保證了數據的匿名處理，除了通過機器學習演算法以外，不能單獨識別任何單個節點。另外，礦工們被激勵快速處理數據以獲得獎勵，因此對於礦工為了儲存和處理數據而實際花費的時間、精力和金錢而言，這種模式並不理想。
區塊鏈將數據分解成區塊並通過節點發送。散列演算法利用 SHA256 並將每個區塊與其之前的散列打亂以創建一個鏈。當從單個節點接收到數據時，數據輸出將與其相應區塊的散列相匹配，並根據其標頭進行驗證，以確定輸出數據是否有效。這種處理方式為分散式處理提供了一種獨特的方法，因為它為正在處理的數據提供了一層完整性，這種處理方式也提供了一種獨特方法來確定輸出是否以任何方式被放緩。假設任一礦工無論以何種方式操縱了數據，返回的區塊將被拒絕，並且該區塊將被發送到不同的節點進行重新處理。礦工們根據他們處理的次數獲得獎勵——簡而言之，他們處理的數據越多，獎勵就越大。
加密和解密協議允許數據安全儲存在任何外部或內部平台中。這為去中心化提供了一種獨特的方法，因為任何具有 API 介面的外部平台都可以簡單地連接到 IAGON 的平台來利用 IAGON 的服務。IAGON 獨一無二的原因是，IAGON 能夠與當前資料庫架構（包括 SQL、NoSQL、大數據資料庫、私鏈、hyperledger 或任何公鏈或去中心化的網路）無縫連接。
強化學習
AGON 是一個人工智慧系統，可以隨時學習。為了達到這個目標，IAGON 通過一種被稱為強化學習的方法來學習。強化學慣用來處理動態環境的決策制定的科學。這意味著IAGON 通過了一個積極的學習過程，以優化其決策過程以確定行動方針。這為 IAGON如何處理其投入創造了無與倫比的範例。使用基於概率論的稱為馬爾克夫（Markov）決策過程的方法，IAGON 試圖確定採用一種優化的獎勵系統形式，該系統即興地採取行動以最大化其獎勵系統性能。
如圖所示，強化學習是科學中的各種範例的交集：
馬爾可夫決策過程(Markov Decision Process)可以用下面的演算法來描述：
?S，一組世界的狀態
?A，一組行動
?R， 從狀態和行動中的預期回報
?T，行動轉移的預期回報
?用來描述觀察智能體（Agent）的規則
最終目標是挑選能使將來回報最大化的行為。
馬爾可夫(Markov)狀態在他的方法中是獨一無二的，因為它以現在為出發點，將未來的決策獨立於過去狀態 （David Silver）。這是由信息狀態（也稱馬爾可夫狀態）來表示的，當且僅當：
信息狀態證明，如果一個系統的現狀是已知的，那麼不需要考慮歷史行為，因為未來的結果將獨立於歷史狀態。
數據挖掘
IAGON 採用非常不同的數據挖掘方法。IAGON 通過在 API 網路上使用私鏈，結合公共網路協議實現數據挖掘。礦工不需要存儲任何數據以便挖掘，礦工的唯一職責就是誠實地處理數據並將其輸出發送回 IAGON 的機器供學習演算法進行分析。
IAGON 平台上的數據流挖掘
在 IAGON 平台上的數據挖掘不需要執行複雜的演算法來求解方程。相反，IAGON 使用去中心化的計算網路來分配任務量並提高大眾數據處理任務的速度。使用方差證明的方法將區塊任務分配給礦工。礦工需要匹配來自數據輸入的數據簽名，並在區塊中找到其對應的數據對象並以數據輸出的方式發回。礦工不需要存儲它處理的任何數據，並且一旦數據被驗證屬於特定的區塊，礦工就被認為已經開採了該區塊。礦工根據其開採的數據點數獲得獎勵，如果區塊內沒有數據，礦工將不會收到任何獎勵。這將激勵礦工完成整個區塊的開採並增加他們開採的區塊數量。直到成功獲得第一個數據輸出，否則激勵機制不鼓勵礦工僅僅開採一個區塊，因為與網路連接的限速證明這樣的做法是不划算的，因此礦工將被鼓勵為他們自己的利益而完全挖掘整個區塊以找到所有可能的與數據輸入相匹配的數據點。
區塊以一定的有界率產生，礦工的客戶之間沒有溝通。伺服器將礦工連接到 IAGON 平台，它使用多線路伺服器來分發和接收結果。區塊通過基於 HTTP 的協議發送，以便防火牆內的客戶端可以連接到它。目前有兩種方法可以實現礦工單元的區塊存儲和移除。包括只在電腦的內存（由隨機訪問的內存單元提供的內存）中進行處理，或者引入垃圾收集器程序，從而有效地從磁碟中刪除該區塊。挖掘客戶端體系結構應該允許該區塊作為後台進程或 GUI 應用程序運行。為了支持不同的體系結構，最好的方法是創建多個線路，其中一個線路進行通信和數據處理，而另一個線路處理 GUI 交互（Anderson, 2002）。方差證明使 IAGON 能夠識別礦工處理一個區塊的典型速度。如果礦工斷開連接、離線或沒有完成對其區塊的計算，該區塊將被重新發送給網路中的其他節點。
區塊鏈
IAGON 區塊鏈協議
IAGON 利用區塊鏈技術在 IAGON 分散式數據挖掘演算法中保持節點的誠信度。區塊鏈使用以前區塊的 SHA256 演算法來保持該鏈與歷史狀態（在這種情況下的數據）相關聯。這使得 IAGON能夠激勵其平台上的礦工真誠地處理數據並防止數據輸出的故意操縱。使用區塊鏈，IAGON的機器學習演算法可以快速識別從區塊中挖掘的數據輸出是否是該區塊的有效部分。這可以在一個簡單的區塊鏈框架內實現，類似於「比特幣」使用的區塊鏈，通過用前一個區塊的散列對輸入進行打散。創世塊是在私鏈內部創建的。區塊鏈為去中心化的網路之間跨網路共享數據提供了獨特的方法。數據可以通過節點網路進行存儲、處理和驗證，也可以在內部設施內進行存儲和驗證，其中處理外包給去中心化的節點網路。區塊鏈保持了整個數據結構的一致性。
區塊鏈保持私密的主要原因之一是在數量、品種和速度方面與市場上的大數據資料庫競爭。私鏈的研究、開發和設施成本由 IAGON 的團隊承擔，費用是來自各利益相關方的投入，反對進行重大改變以改進系統之前讓多方達成足夠大的共識。為了跟上私鏈中的大量讀寫操作，IAGON 未來可能會推出多個私有區塊鏈，以減少單點故障的可能性，單點故障可能會用無人操控的結構使整個系統都崩潰。
纏結技術
IAGON 將擴大其業務範圍，以支持在纏結平台上使用其智能計算網格和「安全湖」技術，以及在一台坊區塊鏈上操作它們。纏結技術基於有向非循環圖（DAG）的應用。
在數學上，纏結在有向無環圖（DAG）的空間上生成隨機過程，該過程根據泊松時鐘將新頂點附加到圖上而及時「增長」。至今為止，沒有頂點（邊）被刪除過。當該時鐘向系統發出信號時，會出現一個新的頂點將自身關聯到一定位置，這個位置是在先前的狀態圖根據隨機遊走選定的（Popovetal, 2017）。
纏結技術的應用有助於解決與區塊鏈技術在大規模運營中實施相關的一些問題，包括難以擴展區塊鏈，當新區塊不斷增加時對區塊的有效性達成共識。通過應用纏結技術，IAGON 可為擁有大數據存儲庫的企業提供備選解決方案，以支持這些企業大規模的處理和存儲管理任務。
採礦演算法
AGON 不像其他使用區塊鏈的加密貨幣那樣。它的使用案例採用更傳統的方法來處理數據，因此使用 POW（工作量證明）或 POS（權益證明）機制來獎勵特定礦工發現特定區塊並不是一個可行的解決方案。因此，IAGON 使用自己的機制來確定礦工的貢獻和處理速度，這種方法被稱為方差證明。方差證明根據礦工對礦池的貢獻對每個礦工進行分類。同一個礦池內的礦工們互相競爭。來自較低級別礦池的礦工會因為幾個因素升級或降級，但兩個主要因素是速度和礦工能夠找到的數據量。方差證明使用代數理論和概率函數的組合來計算礦工的貢獻以及礦工可以歸入哪個礦池。這使得新礦工能夠從挖掘數據中獲利，並以指數形式增加他們的加工資產，而礦工們投資更多的資產可以立即獲得投資回報。概率論利用離散函數、連續函數和隨著時間推移挖掘變化的結果。
區塊成像：區塊成像是將區塊鏈的某個子集成像或複製為隨機分布在節點上的方法。發送到節點的區塊的圖像將意味著區塊鏈不會經歷任何排列並保持不變。理論上，隨機選擇的區塊被分支並分配給節點進行處理。成像演算法是一種適合的方法，可通過使用分散式節點來擴展從而解決任意大的問題。為了創建區塊成像演算法，我們假定區塊是可分離的：
假設變數 A 作為一個區塊：
如果，被當作區塊行索引和區塊列索引時，函數可以表示為：
因此，一旦所有子向量的大小為 0 時，它們是完全可分的。完全可分的區塊對分區沒有限制，最終目標是允許每個區塊由單獨的進程來處理，並且不涉及進程間區塊矩陣的傳輸 (Parikh and Boyd, 2012)。
二項分布: 為了確定集合內區塊的分布（區塊被假定包括 0 作為創世塊），對於自然數 n 和 k，其中 n≥k≥0，二項式係數被排列成 n 個連續值的行，並且 K 的取值範圍為 0≤k≤n。由於區塊是用自然數定義的，並且可以定義為擴張中單項式的係數。該係數允許使用二項式定理來縮放數據塊分布：
求解哪裡是非負整數提供了 k 組合的數量(Molenaar, 1970; Fog, 2008)。
隨著區塊數量的增長，該方法考慮到可擴展性，並且一旦獲得足夠的區塊的量，依賴性演算法不再需要從整個區塊鏈中解析數據。
連續時間：鑒於時間維度呈線性增長，IAGON 使用一種稱為連續時間的特定數學動態作為執行其計算的框架。連續時間解釋了在處理連續模擬時的潛在限制，這種潛在限制在使用離散時間模型時也存在。
方差證明：IAGON 使用概率密度函數來確定數據分布和礦工分類。它利用連續隨機變數的函數，在樣本空間中任何給定點的值被定義為礦工在 n 個區塊內找到數據輸出的相對可能性。區塊以這種方式分配給整個系統中的礦工，一般而言，可能性較高的礦工能以較高的速度處理數據。由於函數隨時間變化使用連續變數，因此它可以根據性能對礦工進行分類，而不是通過彩票系統或在特定系統中擁有股份。
由於區塊是連續生成的，處理過程是非同步進行的，所以概率函數的使用允許一個更公平的礦工獎勵系統，這個系統是基於礦工所參與的組別。方差證明允許新礦工隨著時間的推移提高他們的計算能力，而具有更高的計算能力和連接速度的現有礦工可以獲得與其貢獻成正比的獎勵。
解決方案協議
像所有自治系統一樣，在處理異常時總是需要某種形式的人工干預。解決方案協議在處理異常時有一套規則，以自動解決或通過對請求進行 sandbox 處理並允許手動干預來解決衝突從而執行進一步處理。
加密/解密
加密/解密協議用於內部存儲的數據。存儲在 IAGON 平台內的所有數據都會在一定程度上進行加密，以便在發生違規時保護數據。IAGON 有多種選項可以在其平台上存儲數據，包括符合法規要求的 SQL、NoSQL、私鏈和其他第三方存儲提供商。IAGON 的核心是使用 AES-256 來加密和解密數據。AES-256 是 NIST（美國國家標準與技術研究所）推薦的加密標準，採用對稱密鑰演算法。
IAGON 團隊
IAGON 的管理團隊由加密貨幣投資和金融業務領域經驗豐富的 Navjit Dhaliwal 博士領導。
關於更多Iagon信息：https://www.iagon.com/
更多區塊鏈項目介紹：http://www.qukuaiwang.com.cn/news/xiangmu
風險提示：區塊鏈投資具有極大的風險，項目披露可能不完整或有欺騙。請在嘗試投資前確定自己承受以上風險的能力。本網站只做項目介紹，項目真假和價值並未做任何審核。
TAG:區塊網 |