分散网络在数据丰富，超连接的世界中的作用

当涉及到计算机数据存储时，似乎我们用完了数字。 如果年龄足够大，您可能还记得1980年代磁盘存储的度量单位是千字节。 如果您还年轻，您可能更熟悉以GB为单位的拇指驱动器或今天拥有TB的硬盘驱动器。

人类不可思议的数据足迹

但是我们现在正在以前所未有的速度生成数据。 结果，我们将需要能够掌握如此之大的数字，以至于它们似乎几乎超出了人类的理解范围。 为了对我们正在进入的新领域有所了解，请考虑以下问题：市场情报公司IDC估计，到2020年，全球数据创建和消费总量将达到59 ZB，即59万亿千兆字节的旧资金。

然而，尽管现有的数据总量几乎不可思议，但其增长速度却更加惊人。 早在2012年，IBM计算出全球数据的90％是在前两年创建的。 从那时起，全球数据量呈指数级增长，并且趋势将持续下去。 的确，IDC预测，在未来三年中，人类将创造比过去三十年更多的数据。

显而易见的问题是：发生了什么变化？ 为什么我们突然产生比以往更多的数据？ 当然，智能手机是故事的一部分。 现在，每个人都可以在口袋里有效地携带一台移动计算机，这使上一代台式计算机的功能相形见war。 这些机器不停地连接到互联网，即使在闲置时也不断地接收和传输数据。 美国Z一代成年人平均每天解锁手机79次，大约每13分钟解锁一次。 这些设备始终处于开启状态，导致大量新数据产生，每24小时发出5亿条新推文，4,000 TB Facebook帖子和650亿条新WhatsApp消息向网络空间发射。

智能手机只是冰山一角

但是，智能手机只是新数据现实中最明显的体现。 尽管您可能会假设像Netflix和YouTube这样的视频平台构成了全球数据的最大份额，但实际上，整个消费者份额仅占大约50％，并且这个百分比预计在未来几年会逐渐下降。 那么，剩下的是什么呢？

物联网和连接设备的兴起进一步扩大了我们的全球数据覆盖范围。 实际上，最快的同比增长发生在称为嵌入式数据和生产率数据的一类信息中。 这是来自传感器，连接的机器以及自动生成的元数据的信息，这些数据存在于幕后，超出了最终用户的视野。

以自动驾驶汽车为例，该自动驾驶汽车使用摄像头，声纳，激光雷达，雷达和GPS等技术来监控交通环境，绘制路线图并避免危险。 英特尔计算得出，使用当前技术的自动驾驶汽车平均每天将产生4 TB的数据。 从一个角度来看，一辆汽车每天将产生相当于3,000人的数据量。 此外，至关重要的是要安全地存储此数据。

一方面，这对于安排服务间隔和最有效地诊断技术问题很有用。 它也可以用作分散系统的一部分，以协调交通流量并最大程度地减少特定城市的能源消耗。 最后，可能也是最重要的一点是在短期内，这对于解决人身伤害或事故中的法律纠纷至关重要。

无人驾驶汽车只是整个故事的一小部分。 根据麦肯锡公司（McKinsey＆Company）的调查，使用物联网技术的企业百分比在2014年至2019年间已从13％增加到25％，预计到2023年设备总数将达到430亿。从工业物联网到整个智能城市，未来的经济中，连接的设备数量将大大增加，从而产生潜在的高度敏感甚至关键数据。

摩尔定律的尽头在眼前吗？

有两个因素需要考虑，并且都指向分散网络的实用性的增加。 首先，尽管我们拥有比以往任何时候都更多的数据来应对全球挑战，例如气候变化，金融不稳定以及诸如COVID-19之类的机载病毒的传播，但就这些信息可以提供多少而言，我们可能正在接近一个严格的技术界限由集中式计算机实时处理。 尽管近年来数据量呈指数增长，但处理能力并未以相同的速度增长。

1960年代，英特尔联合创始人戈登·摩尔（Gordon Moore）提出了摩尔定律，该定律指出，随着微芯片上的晶体管数量每两年翻一番，计算能力将以相应的速度增加。 但是摩尔本人承认这不是科学定律； 它更多是一个暂时的统计观察。 他承认，在2010年，随着晶体管的尺寸越来越接近原子，计算机处理能力将在未来几十年内达到严格的技术极限。 之后，可以向处理器添加更多内核以提高速度，但这将增加设备的尺寸，成本和功耗。 因此，为了避免瓶颈效应，我们将需要找到监视和响应数据的新方法。

要考虑的第二个因素是网络安全。 在相互联系日益紧密的世界中，数百万台新设备正在上线。 他们提供的数据可能会影响诸如如何控制电网，如何管理医疗保健以及如何管理流量等问题。 结果，边缘安全性（位于网络核心外部的数据安全性）变得至关重要。 这给网络安全专家带来了复杂的挑战，因为设备和协议的许多不同组合为中间人入侵提供了新的攻击面和机会。

向自然界中的网络学习

如果集中式处理太慢且不安全，以至于数据丰厚的经济体将不复存在，那有什么替代方案？ 一些专家一直在自然界中寻找灵感，认为我们应该从上至下转换为自下而上的监视和响应数据模型。 以蚂蚁殖民地为例。 尽管每只蚂蚁的智力都相对较低，但总的来说，蚂蚁殖民地设法创造并维持复杂，动态的觅食路线网络，这些路线可以将多个巢与短暂的食物来源联系起来。 他们通过遵循一些简单的行为并对本地环境中的刺激做出反应来做到这一点，例如其他蚂蚁的信息素踪迹。 然而，随着时间的流逝，进化在个人层面上发掘出了本能和行为，从而形成了在宏观层面上高效且强大的系统。 如果一条小路被风或雨水破坏，蚂蚁将找到一条新路线，而任何蚂蚁都不会意识到维护网络的总体目标。

如果可以将相同的逻辑应用于组织计算机网络怎么办？ 与蚁群相似，在区块链网络中，许多处理能力适中的节点可以结合起来产生大于其各个部分之和的全局结果。 正如本能和行为本质上是至关重要的一样，控制节点如何交互的规则对于确定网络在实现宏观目标方面的成功程度也至关重要。

在一个互惠互利的网络中协调每个权力下放参与者的动机，需要花费数千年的时间才能自然掌握。 因此，对于分散网络的人工设计者来说，这也是一个艰巨的挑战，这不足为奇。 但是，尽管就其潜在利益而言，动物的基因突变基本上是随机的，但我们的优势在于能够有目的地建模和设计激励措施，以实现共同的总体目标。 这是我们的首要考虑：目标是消除对个体参与者的所有有害激励，这些激励会侵蚀整个网络的效用和安全性。

通过以这种方式精心设计激励结构，分散式网络可以极大地增强边缘安全性的程度。 就像一只蚂蚁的寻路网络即使一只蚂蚁迷路或死亡也将继续起作用一样，分散网络同样强大，即使单个节点崩溃或脱机，网络也能保持全部功能。 此外，对于整个网络来说，不是单个节点需要处理或理解全部数据中的全部数据就可以对其做出响应。 这样，一些研究人员认为，我们可以创建一种经济激励结构，以分散的方式自动检测并响应常见的挑战。

结论

我们正在生成的数据量呈爆炸式增长，并且我们使用集中式计算机网络进行监视和响应的能力已接近极限。 因此，分散式网络非常适合未来的挑战。 许多研究，测试和实验仍有待完成，但是基础技术的基本鲁棒性和实用性已得到证明。 随着我们走向一个数据丰富，高度互联的世界，去中心化网络可能在从物联网中获得最大的经济和社会利益方面发挥重要作用。

本文表达的观点，思想和观点仅是作者的个人观点，不一定反映或代表Cointelegraph的观点和观点。

斯蒂芬妮·苏是区块链安全公司Geeq的经济学家，政策分析师和联合创始人。 在她的整个职业生涯中，她都在自己的专业领域应用了技术。 在2001年，她是国家超级计算应用程序中心率先在社会科学数据上使用机器学习的人。 最近，她在范德比尔特大学（Vanderbilt University）担任高级讲师，研究了医疗保健和患者安全中分布式网络过程的使用。 斯蒂芬妮毕业于普林斯顿大学和罗切斯特大学。

—-

原文链接：https://cointelegraph.com/news/the-role-of-decentralized-networks-in-a-data-abundant-hyperconnected-world

原文作者：Cointelegraph By Stephanie So

编译者/作者：wanbizu AI

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。