【硬塞科技字典】區塊鏈起源於拜占庭時期?什麼是拜占庭問題?

透過工作量證明機制 PoW ,節點使用算力去證明自己沒有惡意。
評論
評論

拜占庭問題又叫做拜占庭將軍(Byzantine Generals Problem)問題,常接觸 區塊鏈技術 的人應該對這個專有名詞不陌生, 因為可以經常看到什麼新公鏈推出的演算法解決了拜占庭將軍問題等新聞 ,但究竟什麼是拜占庭將軍問題呢?

拜占庭問題是 Leslie Lamport 1982 年提出用來解釋分散式系統一致性問題的虛構模型,在論文中 Leslie Lamport 提出一個抽象的案例來舉例:

拜占庭是古代東羅馬帝國的首都,由於地域寬廣,守衛邊境的多個將軍(就像是系統中的多個節點)需要透過信使來傳遞消息,達成是否一起進攻或撤退的決定。今天帝國派出了 10 支軍隊去包圍這個敵人,但由於這個敵人過於強大,這 10 支軍隊必須在分開的包圍狀態下同時攻擊,任一支軍隊單獨進攻都毫無勝算,而且還至少要 6 支軍隊(半數以上)同時襲擊才能成功攻下敵國。

因此, 這些將軍們需要找到一種共識機制 ,可以遠端協商戰術才能贏取戰鬥。在不確定將軍之中是否有叛徒會擅自變更進攻意向或者進攻時間的情況下,拜占庭將軍們如何才能保證有多於 6 支軍隊在同一時間一起發起進攻,從而贏取戰鬥?

論文中, Leslie Lamport 用數學證明,當叛徒不超過 1/3 時,存在有效的演算法,不論叛徒如何折騰,忠誠的將軍們總能達成一致的結果,但如果叛徒超過 1/3 則無法保證一定能達到共識,而這就是所謂的拜占庭問題。今天區塊鏈之所以也會與拜占庭問題扯上關係,是因為區塊鏈想解決的也是一樣概念的問題:

每個節點(將軍)給所有的其它節點(將軍)發送消息 ,且節點(將軍)根據接收到的所有消息來決定最終的決策,如何避免惡意節點(叛徒)影響共識的達成就是區塊鏈的特點了。

達成共識的過程中,如果有一個節點故意拒絕合作(惡意節點)或根本沒有說任何事情(錯誤的節點),就是拜占庭將軍中所謂的叛徒。 因此在比特幣的區塊鏈網路設計中中本聰借助密碼學 、工作量證明機制 PoW(Proof of Work)等技巧來制約、懲罰這些叛徒。透過工作量證明機制 PoW ,節點必須付出大量的工作量(算力)去證明自己沒有惡意,才能成功打包交易去通知其他節點。

最長鏈機制則是約定好所有節點都確認並沿著已知最長的鏈進行下去。所以即使惡意節點有試圖破壞,也會付出很大的經濟代價(付出超過系統一半的算力)。 可以說只要每個節點都足夠理性、想讓自己利益最大化的情況下 ,工作量證明機制 PoW 的確有效抑制了叛徒作惡的動機,進而解決了拜占庭問題。

歡迎加入「Inside」Line 官方帳號,關注最新創業、科技、網路、工作訊息

 


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。