Trias， 高效高速的共享算力平台（上）

cfqggoqvdp

8月8日晚，Trias 联合十个社群进行直播，CEO阮安邦博士向社群成员分享了“区块链数据确权及共享的颠覆式解决方案”。

我们在之前两篇文章中完整介绍了阮安邦博士的主题分享内容。今天的文章，我们把直播中QA环节的内容整理出来，供大家学习。

整个问答环节篇幅较长，我们分为上下篇发布，以下是答疑篇（上）篇。

Q

博士做的是不是类似矿机，矿池后台管理软件，共享算力，同时监控每台机器的工作状态？

阮安邦：确实就是这样，但是我们的矿池并不是像以太坊或者比特币的矿池，它们最主要就是用来算哈希值，如果理解的没错的话也就是pow。而我们的矿池，就是一个小型的云平台，Trias真正最终想要做的一件事情就是云平台的Airbnb。

大家可以这样理解，Airbnb其实需要解决的首要问题就是信任问题。如果要到一个陌生人的家里，要如何信任他呢，同时一个家庭要迎接一个陌生人进来，要如何信任这个陌生人。这就好比我们今天所说的，如何知道一个程序是正确的，以及我如何知道那个主机的运算环境是正确的。这个程序可以理解成我个人，而运算环境就是小旅馆或者小家庭。双方都要建立在一个信任。所以如果有两条区块链来解决这样的问题。最终就可以打造成一个像Airbnb一样的一个共享算力平台，用来执行被验证过的程序。

Q

请问阮博士，受邀内测的公司主要是大数据分析公司？还是做安全的公司？

阮安邦：有各类业务场景的所有公司都很欢迎加入我们的测试环境。其实Trias也好，包括我们过去的理论研究，在我们看来都还只是一个开始，我们自己的知识面还是很窄的。我们还是很希望有尽可能多的公司、朋友们能帮助我们去看到，更多我们没有发现的一些潜在问题。

Q

也就是说，比如我是人工智能公司，需要超算的时候，可以把任务发布到你们的平台，你们再帮我匹配世界上若干台计算机或者是矿场？

阮安邦：对于人工智能公司来说，Trias能解决的一个问题，希望能减少人工智能公司获取数据以及获取算力所需要消耗的额外的成本。很多应用场景随时都在产生数据，比方说自动驾驶汽车：对于自动驾驶汽车的训练是一个非常烧钱的项目，一方面是大量的硬件资源的采购，另一方面是大量的数据的收集。

如果我们能用刚才的思路反向解决这个问题，不再要求人工智能、算法提供商、算法的训练商去收集数据到本地来执行，而让每一个个体比如说每辆车，它都能收集身边的数据，并且能提供一些算力。

在这种情况下，我们就有可能把任务分发到别人的平台，这可能并不是自己维护的平台，它是别人用Trias来实现的一个平台。比方说把任务发到一辆车上，然后在车载的或许是一个小矿机上，去分析那个矿机本地所收集到的数据，用矿机本地的算力进行处理，处理完之后再把结果写到一条链上。这样我们就省掉了数据的传递存储，也省掉了那些公司去长期维护海量算力的过程。当然，这还只是我的一个设想，我们并没有真正去衡量这件事的可行性，但我们认为这是未来Trias一种可能的方案。

Q

阮博士觉得区块链在哪些行业可能被大规模应用？您觉得还需要多久才能有面向用户的区块链产品，它会是什么行业？

阮安邦：区块链最大的应用场景，就是对数据访问的记账。区块链这方面的属性其实是可以帮助我们实现需要多方数据交换的协同运算。

对于企业级应用来说区块链可以被实现成为大数据处理平台下面一个数据访问的确权层或者是对数据访问的一个记账层。如果能把“哪个程序在什么时候访问了哪些数据产生了什么结果”这些行为记录在区块链上。那么我们就有办法让数据的拥有者和数据的使用者分别去计算他们的贡献或者是他们的收入。

我认为在人工智能这个环境也可以有很大的应用场景。依旧是数据确权，谁动了我的数据，如果能在区块链上得到清晰的体现，那么它可以很大程度上去促成数据共享。

Q

如果Trias主网上线以后，部分医院愿意在这链上运行可信计算，那么医院有什么样的激励？还有投资人有什么样的红利？另外，对于医院的普通患者有什么样的激励或者便利？

阮安邦：对于医院我提出一个概念，叫做数据矿场，每一个医院都可以变成一个数据矿场。在这样的环境中，他的数据永远不会出去，而是让其它的程序到矿厂里面对数据的价值进行挖掘，在本地对所有的数据框进行挖掘的程序进行记账。通过这样的记账，就可以因为贡献的数据而获得一定的收益。

而这种收益是通过Trias的token来体现的。对于用户来说，越来越多的数据可以被公开出来，但并不是向所有人公开，只是在一个比较封闭的岛内，他可以邀请别人来挖掘。这就回到了今天的第一个问题，就是数据确权带来的问题，数据确权很大程度上限制了很多的应用。因为数据只要给了A，A就有可能把数据给B。如果我们解决了这个问题，把数据放在一个封闭的框里让别人进来挖，然后能将所有人对这个数据的使用进行记账，那其实可以去催生更多这样的应用。在这种情况下这一类应用本身就是我们平台上的智能合约。

在这样一个环境里面，对医院所维护的医疗数据框做分析的通用应用程序，它有可能成为Trias平台上的智能合约。也就是说，可以去写一个通用应用程序作为一个发行代币的主体。比方我们去做一个SaaS,这个SaaS本身是一个DAPP。

我觉得这对于程序的开发者来说，是非常有想象力的。对于用户来说，因为有了更多的开发者能处理之前没法被处理的数据，就能获得更多、更好的体验。就像之前说到的，数据确权限制我们的想象力，但这样的话，我们就可以有更多的想象力了。

而在整个生态里面，我们都是用Trias的token来进行交易的。Token本身是恒定的，所以随着我们应用场景的不断增加，比如医院、金融、教育，政府等场景，那么每个token的价值应该有很大的增长空间，对于投资者来说这就是一个最大的获利的渠道。

Q

刚才博士讲到溯源，以农产品溯源为例，如果上传数据之初，就是假数据，应该怎么办？溯源技术的落地，是否在品牌供应链上，或者生产链上可以通过一些软件进行实时监控？

阮安邦：假数据的问题，我认为几乎是所有区块链溯源场景最大的痛点。被真实存储的无法篡改的假数据同样还是假数据。

从我们的角度出发的话，同样希望用Trias来解决这个问题，我们的方案是想用程序来代替人工来收集数据。

如果我们用程序来代替人收集数据，同样还是解决两个问题。首先收集数据的程序是否能正确地收集数据。我们用软件溯源链本身来解决这个问题，保证这个程序有正确的行为，并且不会恶意篡改数据。第二，用来收集数据的程序本身是否被正确地执行了，就是可信计算的问题。所以其实Trias整个体系还是自洽的，能用自己的方案来解决所面对的不足。

当然没有绝对的安全。从做安全行业的角度出发，任何问题都可能有漏洞，我们只能在一定程度上，增加作恶的成本。比如用机器来做采集一个数据，机器也有可能被人欺骗。例如我们使用一台被验证过正确的硬件，执行了被验证的正确的软件的机器，去采集pm2.5值。那如果人为在这个机器旁边加了一个防尘罩或者是加了一个过滤器，也是没有办法的。这方面肯定还是得依靠策略和技术同时配合使用。

用软件来实时监控，我认为就是一个非常棒的解决方案，比如我们想做一个工控产品的溯源，比如零件的生产。零件的整个生产线，对每个零件的质量检查都是用其它的机器来实施的。那么就可以做到，任何一个零件的完整流水线上的任何过程，包括它的来源、它的去向以及它自身的安全性，都可以做到自动化记录以及自动化的安全评估，那么我们就可以去造一条更加完善的溯源链。

Q

IPFS很热门，在数据检索和存储上分散化是否会让有些敏感数据非法利用、存在灰色空间？

阮安邦：说实话我对IPFS并没有非常熟，我只是知道它的基本原理看过它的一些技术文章，还没有分析过它们的源代码。从我的理解就是回到了最早在讲区块链能干什么，不能干什么时的观点。就是任何一个技术都有局限，也都有它自己所聚焦的点。在我看来区块链最主要聚焦的点是数据的完整性，保障数据不被篡改。而我们提到安全有另外两个重要的基本属性:私密性和可用性。可用性我认为是IPFS最主要要解决的问题,让任何一个人在任何一个时间都能非常方便地访问他想要访问的数据。

所以在我看来IPFS技术是针对可用性的，所以并不是一个专门用来解决数据私密性和完整性问题的技术，所以它不可避免的会遭受一些比方说敏感数据被非法访问的问题。

当然我们使用一些辅助的手段来让IPFS所缓存下的数据非常难被别人利用，这是对IPFS本身的优化。比方说可以在一定程度上的去加密，但我觉得更有效的办法，可能是对一个数据块做非常小的切片，让任何一个节点上都不存在一个完整的数据单元，做一定的混淆。我觉得各种各样的方法都是可处理的。但在我看来IPFS最核心的问题就是让任何一个数据都能被非常方便地访问到。它解决的是可用性的问题。

以上就是8月8日直播环节答疑篇的上篇，我们会在明天推出下篇。