區(qū)塊鏈的誕生是為了解決信任和去中心化的問題。它巧妙地利用了密碼學上的散列式演算法，能夠在無需第三方介入的前提下使參與者達成共識，并讓他們共同維護區(qū)塊鏈數(shù)據(jù)，從而解決信任的問題。

區(qū)塊鏈從誕生至今，已經(jīng)發(fā)生了幾次技術的更迭。如果說比特幣是區(qū)塊鏈的1.0 產(chǎn)物，那以太坊及智能合約就是區(qū)塊鏈的 2.0 版本。智能合約是指利用不可篡改的、分布式的程序促成合約各方形成關系、達成共識。智能合約一旦放到虛擬機上便可在滿足觸發(fā)條件時自動執(zhí)行，因此是真實、可被信任的。

內容行業(yè)的諸多問題，正是區(qū)塊鏈技術可以解決的。為此，不少團隊已經(jīng)基于區(qū)塊鏈提出了新的內容行業(yè)協(xié)議，例如 Steemit， Primas和YOYOW等。 然而目前提出的協(xié)議普遍存在兩個問題：

· 對內容的分發(fā)完全依賴于用戶的點贊、評論等行為。這種完全自發(fā)的方式對單一興趣的社區(qū)或許可行，但對于今日頭條、天天快報這樣全品類的內容平臺，則無法針對每個用戶的偏好個性化地分發(fā)內容。如此，一方面用戶很難看到符合自己興趣的內容，難以對社區(qū)產(chǎn)生依賴；另一方面會造成社區(qū)內容嚴重頭部化。例如 Steemit 的白皮書中提到，如果有 100 萬內容量，頭部 100的內容會貢獻 1/3 閱讀量，接下來的 10000 貢獻 1/3，剩下的貢獻 1/3。對于一個希望有大量作者貢獻優(yōu)質內容的社區(qū)，這樣的比例是非常不健康的，會造成大多數(shù)的作者失去寫作的動力。為了解決這個問題，我們在 CNN 中開創(chuàng)性地將個性化推薦和區(qū)塊鏈結合起來，并針對區(qū)塊鏈的效率問題提出我們的解決方案。

· 目前大部分的協(xié)議解決的是單一內容社區(qū)中如何基于社區(qū)用戶的行為對內容質量進行衡量并予以相應的報酬。但由于用戶的喜好非常多樣，未來在區(qū)塊鏈上一定會同時存在很多個內容社區(qū)，如何確保優(yōu)質內容能夠在社區(qū)間高效地流通，也是一個非常重要的命題。在 CNN 中，我們通過設計對作者和轉載者的激勵機制，使得轉載者有動力轉載優(yōu)質并且和目標社區(qū)受眾相符的內容，而不會隨意轉載濫竽充數(shù)的內容，提升內容流通的效率。

CNN 的目標

CNN 選擇在以太坊和智能合約的基礎上將區(qū)塊鏈技術同內容行業(yè)相結合，為所有內容社區(qū)打造一個更開放、更公平、更高效的生態(tài)系統(tǒng)。通過這個全新的內容生態(tài)系統(tǒng)，我們的目標如下：

1. 解決現(xiàn)有內容系統(tǒng)中各家各自為政，內容不能無縫流通，用戶獲取優(yōu)質內容和社區(qū)聚合優(yōu)質內容成本高的問題。對于創(chuàng)作者來說，其內容可以更高效地在更廣的范圍內流通，尤其是讓優(yōu)質的內容和內容創(chuàng)作者得到更大的曝光。對于內容消費者，我們的目標是在區(qū)塊鏈上實現(xiàn)個性化推薦，讓內容消費者更容易找到符合自己興趣的優(yōu)質的內容。

2. 解決現(xiàn)有內容體系中收益不公的問題。一個內容生態(tài)系統(tǒng)中，核心的角色是內容生產(chǎn)者和消費者，一個創(chuàng)作了內容，一個付出了注意力。但現(xiàn)有體系中對兩個角色所創(chuàng)造的價值認可不夠，分配的收益也不夠，尤其是后者幾乎沒有參與到收益分配中。因此我們的第二個目標是變革現(xiàn)有的收益分配機制，按照不同角色的貢獻大小來決定收益分配。

3. 解決現(xiàn)有內容系統(tǒng)獲客、激勵模式復雜、低效的問題。我們希望借助區(qū)塊鏈技術和社區(qū)的理念讓現(xiàn)有內容體系里中心化的獲客和激勵模式變成一種自發(fā)式的，可以自主運轉的系統(tǒng)。從而讓更多用戶更自然地加入這個全新的生態(tài)系統(tǒng)而不需要某些中心及其投入。

下文將詳細講述 CNN 如何利用區(qū)塊鏈這一技術，建立個性化的互聯(lián)互通的內容生態(tài)協(xié)議。我們將在這套協(xié)議的基礎上，以印度最大的個性化內容 APP NewsDog 為試點，逐步建設全球最大的內容生態(tài)體系，掀起內容行業(yè)一個新的篇章。

CNN - 更開放和高效的內容生態(tài)體系

關于上文中所提及的問題，我們提出一個新的基于區(qū)塊鏈的內容生態(tài)協(xié)議以及相應的代幣 CNN。在 CNN 生態(tài)中，作者和用戶基于共同的興趣形成若干社區(qū)，在社區(qū)內發(fā)表、閱讀文章并形成互動；社區(qū)間相對獨立，但優(yōu)質內容可以通過用戶轉載實現(xiàn)流通。

如何設立一個有效的機制，建立開放自由的內容生態(tài)，發(fā)揮每篇文章的原創(chuàng)價值是整個內容社區(qū)建設的核心。為保證優(yōu)質內容生產(chǎn)和流通，我們提出幾下幾點原則，并將在協(xié)議中相應體現(xiàn)：

· 信譽可塑：讀者、作者以及推薦節(jié)點都在統(tǒng)一的信譽體系之下。信譽體系可以通過代幣在社區(qū)中的流動以及 peer review 的方式保證社區(qū)的健康發(fā)展。通過信譽體系來保障廣告收益的合理分配，使得社區(qū)生態(tài)的參與方都可以獲得相應的收益，促進社區(qū)的持續(xù)健康發(fā)展。

· 自由多元：內容是承載人們思想和感情的工具，因此在 CNN 的框架下，創(chuàng)作者可自由表達其對社會、經(jīng)濟、政治、體育、娛樂、就業(yè)等任何一個話題的文章，但不可隨意發(fā)表劣質文章濫竽充數(shù)；

· 鼓勵創(chuàng)作內容與社區(qū)調性和諧：CNN 架構鼓勵文章自由流轉，但內容創(chuàng)作原則上應與社區(qū)調性相符，否則如娛樂八卦出現(xiàn)在較為嚴肅的經(jīng)濟類社區(qū)，就略顯違和。因此 CNN 框架鼓勵作者在相關社區(qū)創(chuàng)作內容，以此建立社區(qū)的調性；

· 保護版權：版權爭議成本高昂，需要社區(qū)雇傭專業(yè)的審核團隊完成工作，往往耗費大量人力、物力和財力且效率低。CNN 利用區(qū)塊鏈公平、不可篡改的特性，保證每篇文章有源可尋，力求保護真正創(chuàng)作者的版權；

· 開放流通：優(yōu)質內容的核心在于它的思想可以傳播給更多的受眾從而對其產(chǎn)生潛移默化的影響；CNN 鼓勵在保護知識產(chǎn)權的前提下，促進優(yōu)質內容在各平臺間自由流通，從而最大化文章價值。

在 CNN 體系內，主要有四類節(jié)點：

1. 作者：作者是各個社區(qū)中內容的生產(chǎn)者，作者的權重由用戶對其內容的喜好程度決定，是廣告收入分成中比例最大的角色；

2. 用戶：用戶是各個社區(qū)中內容的消費者，通過閱讀、點贊、評論等行為表達對內容的喜好，并因為付出了注意力而獲得廣告收入的分成；

3. 廣告主：廣告主在各個社區(qū)以 CNN 支付廣告費進行投放，以期獲得品牌的曝光或者下載/注冊用戶；

4. 推薦節(jié)點：推薦節(jié)點是 CNN 體系中游離于社區(qū)之外的節(jié)點，通過為各個社區(qū)提供推薦服務而獲取廣告收入分成。

CNN 協(xié)議主要包含兩方面的內容：一、促進作者、用戶在社區(qū)內活躍的機制；二、促使優(yōu)質內容在不同社區(qū)間流通的機制。針對這兩方面，我們設計了與文章發(fā)布、推薦、閱讀、轉載以及用戶激勵相關的模塊，將在下面的章節(jié)中詳細介紹：

1. 內容生產(chǎn)

對內容社區(qū)而言，內容生產(chǎn)無疑是整個社區(qū)最至關重要的一環(huán)。如何設立一個有效的機制，建立開放自由的內容生態(tài)，發(fā)揮每篇文章的原創(chuàng)價值是整個內容社區(qū)建設的核心。要保證優(yōu)質內容的持續(xù)產(chǎn)出，CNN 將圍繞以下幾點作為核心運轉：

保護創(chuàng)作者版權：版權保護是區(qū)塊鏈技術的重要應用之一。區(qū)塊鏈系統(tǒng)里記錄的數(shù)據(jù)有嚴格的時序性，并且無法篡改。因此，一旦發(fā)生版權沖突，系統(tǒng)可以根據(jù)內容發(fā)布的先后順序確定最終版權。如果有作者發(fā)布了侵權內容，系統(tǒng)會如實地記錄發(fā)布時間、作者與發(fā)布內容，沒有人可以通過刪帖等方式來清除侵權記錄。這從根本上保護了創(chuàng)作者的利益，有助于激發(fā)其創(chuàng)作熱情。

鼓勵原創(chuàng)首發(fā)：每個社區(qū)有自己的調性與喜好，也有自己圈子的常駐作者，社區(qū)內生產(chǎn)的內容更符合本社區(qū)的氣質。因此在每個社區(qū)內，我們更看重該社區(qū)生產(chǎn)的內容，推薦時更偏重于首發(fā)于本社區(qū)的優(yōu)質內容。為此，社區(qū)會對原創(chuàng)內容進行一定的流量支持。

拒絕內容灌水：為從源頭上杜絕低質文章的產(chǎn)生，創(chuàng)作者在創(chuàng)作時需要交納一定數(shù)量的 CNN 幣作為押金，如若 7 天內無人舉報其版權或質量問題，則返還。如果其內容被舉報存在質量問題（如抄襲、標題黨等），經(jīng)社區(qū)選舉的委員會投票鑒定屬實，則扣除其押金，并將追回相關的廣告收益，加到當日的獎勵基金中。

對于完全重復的內容，我們可以通過 Hash 值來判斷。對于拼湊或者修改的內容，我們采用局部敏感哈希算法 （Locality Sensitive Hash， LSH）［7］，通過各種降維方式映射出多個局部的低維的特征（如詞向量特征）后再進行比較。提取部分特征后，拼湊或者修改的內容會與原內容在降維后的很多特征保持一致，從而被系統(tǒng)檢測出。

當技術手段也無法判斷內容時，我們將采取以社區(qū)委員會為基礎的版權認證解決方案。依據(jù)適當?shù)墓芸?，社區(qū)內的志愿者均可成為“裁判”，并可利用區(qū)塊鏈內的信息追溯侵權所得。具體方案是：

· 當用戶對內容版權發(fā)生質疑，質疑者需提交一定數(shù)量的 CNN 幣作為押金。隨后，向全網(wǎng)發(fā)出廣播，要求組成“委員會”，針對質疑進行投票。委員會的每個委員需提交一定數(shù)量的 CNN 幣做為押金，投票結果以多獲勝；

· 如果最終判定無版權問題，質疑者和投票失敗方的 CNN 將被沒收，分給文章創(chuàng)作者和投票獲勝方作為補償；

· 如果判定確實有版權問題，質疑者可獲得侵權者的押金，廣告收益被追回，加入到當日的獎勵基金中，而投票獲勝方可拿回其參與投票時繳納的押金，并共同分享投票失敗方繳納的押金。

上述方案用偽代碼表示為：

def vote（sponsor， agrees， disagrees， author， reward， depositA， depositS， depositC， revenueAd）：

if agrees.count 》 disagrees.count：

sponsor.account += depositA

reward += revenueAd

for agree in agrees：

agree.account += depositC / agrees.count

else：

author.account += （depositS + depositC） / （disagrees.count + 1）

for disagree in disagrees：

disagree.account += （depositS + depositC） / （disagrees.count+1）

2. 內容轉載

高質量的內容是社區(qū)得以持續(xù)發(fā)展的根本。如上文所述，CNN 體系鼓勵優(yōu)質內容的流通，從而最大化內容價值，因此當用戶將優(yōu)質原創(chuàng)文章從源社區(qū)轉載到相關的其他社區(qū)時，理應受到獎勵。但我們同時不希望看到用戶只是為了獲得回報而隨意轉載文章，甚至是垃圾文章，為此 CNN 制定了 CCM （Content CirculaTIon Mechanism）。機制具體規(guī)則如下：

· 轉載文章需要繳納一定數(shù)量的 CNN 幣，繳納的 CNN 幣歸文章作者所有

· 同一篇文章只能向一個目標社區(qū)轉載一次，以區(qū)塊鏈記錄的在目標社區(qū)首次出現(xiàn)的時間戳為準

· 若轉載的文章在目標社區(qū)產(chǎn)生收益，則轉載人基于轉載收益分配模式獲取相應收益

在這個機制下，轉載相當于對文章的投資，用戶先付出成本并寄希望于文章帶來更高的收益。只有當文章確實優(yōu)質，并且符合目標社區(qū)受眾時，轉載者才有付費轉載的動力。用戶轉載文章的收益取決于所轉載文章在目標社區(qū)被用戶喜愛的程度，因此保證了只有高質量并符合目標社區(qū)調性的文章被轉載流通。

3. 分布式信譽機制

信譽系統(tǒng)是內容系統(tǒng)的關鍵組成部分。好的內容系統(tǒng)一方面需要好的內容，另一方面也需要對內容的可信的評價。在傳統(tǒng)的中心化的內容評價系統(tǒng)里，無論是實名或者匿名的系統(tǒng)，都存在評價不夠真實的可能。匿名化的系統(tǒng)，因為評價無成本，所以攻擊者可以制造大量的垃圾評論，淹沒對內容的真實評價；而實名化的系統(tǒng)，用戶往往出于隱私的考慮，而不愿意暴露自己的真實想法。CNN 一方面通過區(qū)塊鏈保證了歷史記錄的不可更改；另一方面通過 Zero Knowledge Proof 實現(xiàn)了用戶在不透露自己隱私的前提下，完成對自己行為的認證，保障了評論的有效與隱私。因此，CNN 上的信譽更加真實可信，從而有利于整個生態(tài)的建設。

CNN 的信譽機制包含下列組成部分：

· 作者信譽：作者信譽標志著這個作者在讀者中的受歡迎程度。作者的信譽越高，他的文章就越容易獲得推薦，從而會產(chǎn)生更多的收益。

· 用戶信譽：用戶信譽體現(xiàn)了這個用戶在內容生態(tài)體系里的貢獻。用戶通過評論、點贊或者點滅來對作者的內容進行評價，從而篩選出更有價值的內容，豐富了內容生態(tài)。CNN 系統(tǒng)的分配系統(tǒng)會根據(jù)用戶的信譽給予用戶獎勵。

· 推薦節(jié)點信譽：推薦節(jié)點信譽體現(xiàn)了這個推薦節(jié)點服務下游節(jié)點的能力。一個推薦節(jié)點的效果越有效，那么它將獲得更高的機會去服務更多更有價值的用戶，從而提高了自己收益。

4. 推薦

4.1 調性把控

不同用戶對內容需求是非常多樣的，互聯(lián)網(wǎng)上同時存在著包羅萬象的NewsDog/今日頭條，充滿精英氣質的 Flipboard，文藝青年主導的 Vice，或是憤青聚集的網(wǎng)易新聞。社區(qū)的調性，通常是由社區(qū)最初期的用戶決定的。在 CNN的生態(tài)內，每個內容社區(qū)最早的 20 個用戶將組成委員會，每人抵押 CNN 幣后投票決定是否要兼容并包，還是要保持自己的調性。

一旦社區(qū)決定了自己的調性，將通過給不同的分類制定不同的推薦度來把握，推薦度也是由委員會投票決定。這些推薦度通過智能合約被轉化為不同的點擊率標準，作為擴大推薦受眾群的標準。

4.2 內容熱度

內容社區(qū)需要獎勵優(yōu)秀的文章與作者，優(yōu)質的內容需要得到更多的展示機會，獲取更多的收入，這樣才能促使作者貢獻更多的優(yōu)質內容。在 CNN 系統(tǒng)中，我們通過內容熱度 R 來代表內容的受歡迎程度，計算公式為

4.3 去中心化更新特征 + 集中推薦

確定社區(qū)調性后，個性化推薦是內容分發(fā)最重要的部分，也幾乎是所有內容社區(qū)的標配。根據(jù)用戶的特性及過往的閱讀歷史來學習用戶的興趣，并為之匹配最感興趣的內容。為了充分利用區(qū)塊鏈技術去中心化的優(yōu)點同時又能提高運行效率，CNN 的解決方案是去中心化地更新用戶特征模型，再由運算能力強的推薦節(jié)點為平臺的所有用戶提供推薦服務。其運作方式如下：

· 在 CNN 上使用 LogisTIc Regression （LR）模型進行推薦，LR 模型是基于用戶和文章特征以及最后的點擊行為來預測用戶對于文章的點擊概率。推薦模型可表述為，其中x為文章和用戶的各種 feature（實體詞，分類，文章語義向量，主題模型向量等），w為各個 feature 的權重；

· 每個用戶的特征矩陣在用戶節(jié)點上去中心化地存儲和更新；

· 如果某個節(jié)點的計算能力不足，可以廣播請鄰近節(jié)點為自己完成特征矩陣的計算，并支付一定數(shù)量的 CNN 幣作為報酬；

· 社區(qū)有推薦節(jié)點和服務器為所有用戶提供基于 LR 模型和用戶特征的推薦。推薦節(jié)點獲取廣告收入分成作為報酬。由于推薦的效果決定了廣告收入，也就決定了推薦節(jié)點可以獲取的收益，因此這個機制下推薦節(jié)點會盡力給出最

好的推薦效果

· 根據(jù)推薦算法計算出用戶對文章的喜好后，我們就可以通過用戶的喜好以及內容的熱度計算出該文章的最終得分，計算公式為

用偽碼表示為：

def calc_final_score（user_interest， content_weight）：

return user_interest * （1 + 1 / （1 + math.exp（-1 * content_weight）））

4.4 基于社區(qū)的特征發(fā)現(xiàn)機制

用戶特征的豐富程度決定了個性化推薦的效果。算法開發(fā)者可以從去中心化的內容存儲系統(tǒng)中取得用戶的行為數(shù)據(jù)，并在此基礎上通過機器學習不斷地發(fā)現(xiàn)新的用戶特征，來提升推薦的效果（如用戶的 CTR 與時長），從而不斷提升社區(qū)所有成員的活躍度和收益。其運作模式如下：

· 開發(fā)者在用戶數(shù)據(jù)上發(fā)掘新的特征，提交給社區(qū)所有推薦節(jié)點組成的委員會

· 開發(fā)者去中心化地更新用戶特征模型，并進入支持 A/B 測試實驗的推薦節(jié)點上運行，開發(fā)者需要支付一定數(shù)量的 CNN 幣作為測試的成本

· 通過對實驗結果的置信分析，如果算法效果得到的提升是可靠的（》95%），那么新的特征模型將被采用，并全網(wǎng)廣播

· 采用新特征模型的算法節(jié)點，將分享 20%的后續(xù)推薦節(jié)點收益給算法開發(fā)者，直到有新的特征被引入

運作過程用偽代碼表示為：

def explore_feature（self， feature_set， recommend_server）：

if self.account 《 explore_fee：

raise（）

self.account -= explore _fee

if run_explore （feature_set， recommend_server）：

recommend_server.feature_host = self

4.5. 基于社區(qū)的語料標注

個性化推薦的實現(xiàn)需要大量的語料支持；而當今世界內容呈現(xiàn)爆發(fā)性增長趨勢，這就意味著語料也需要定期添加和升級。但語料的迭代需要人工的參與和標注，即大量的人力投入。在區(qū)塊鏈上，我們可以充分發(fā)揮社區(qū)的積極性提高標注效率和準確性，其具體操作流程如下：

· 平臺將需要標注的任務分解并發(fā)布，保證每份標注有三個用戶參與；

· 用戶如果認領任務，則需要交納一定數(shù)量的 CNN 幣作為押金，雙方確認后系統(tǒng)自動生成智能合約；

· 平臺自動對三位標注員的結果進行比對，確定每位標注員的質量水平，質量不好或者有違約的情況則扣除保證金，扣除的保證金將被加入當日獎勵基金中。標注質量滿意的標注員獲得社區(qū)的獎勵。

5. 激勵

內容社區(qū)的用戶和內容作者在平臺上有極其豐富的互動場景。除了對內容本身的消費之外還包含用戶之間的互動，內容的分享，用戶邀請等等。其中，邀請新用戶是激勵體系中最重要的一環(huán)，用戶越多，整個生態(tài)系統(tǒng)約活躍，價值也越大。在基于 CNN 協(xié)議的內容生態(tài)圈之中，用戶作為生態(tài)主體之一參與到收益分成是一種天然的激勵模式。

傳統(tǒng)的激勵系統(tǒng)規(guī)則和流程復雜，激勵結算周期長，導致了其效率低下并且容易出錯?；?CNN 協(xié)議的邀請激勵機制可以簡化激勵流程，甚至可以實現(xiàn)激勵的多級傳導效應，使得邀請新用戶帶來的可能收益被放大，從而提升激勵的效果，降低社區(qū)獲取新用戶的成本和難度。這在印度市場效果尤為明顯。具體流程為：

· 平臺每天配發(fā)一定數(shù)量的 CNN 額度作為激勵獎勵池，具體數(shù)額請參考章節(jié)七發(fā)行計劃。

· 計算每位用戶在增加整個生態(tài)用戶群體上所作出的貢獻，所有用戶根據(jù)自己的貢獻值分享每日的激勵獎勵池。

· 所有邀請與被邀請的關系被記錄到區(qū)塊鏈上，形成一個公開、無法被篡改的樹狀的邀請關系結構。用戶的貢獻值由他的子樹計算得出。

· 在 CNN 生態(tài)中，用戶可以從自己所有子樹上的用戶獲得貢獻值。如果 A 邀請 B，B 隨后又邀請 C，那么 C 是 A 的 2 級邀請用戶。如果 X 是 A 的 n 級邀請用戶，那么 X 的加入可以為 A 帶來2n點貢獻值。A 每天的貢獻值公式為：

· 當一天結束的時候，每個用戶根據(jù)自己的貢獻值共同分享當天的激勵獎勵池。

在這樣的激勵網(wǎng)絡下，用戶邀請的每一個新用戶，都有可能持續(xù)不斷地給他帶來貢獻值，這將極大的提高用戶的積極性，也增強了用戶的粘度。同時去中心化的結算為基于 CNN 協(xié)議的激勵帶來了更高的效率，用戶可以更快獲取激勵獎勵。

該模塊的相關偽碼可表示為：

class User：

# calc all parent contribute when new users sign up

def cal_invite_contribute（self）：

contribuTIon = 1

p = self.parent

while（p is not None）：

p.contribuTIon += contribution

contribution /= 2

p = p.parent

…

# calc own contribute at end of day

def get_invite_profit（self， total_contribution， tot al_invite_profit）：

self.account += total_invite_profit * self. contribution / total_ contribution

7. 打賞

打賞是新興的一種非強制性的內容付費模式，用戶通過打賞來表達對作者的贊。打賞是去中心文化的勝利，打破了文化和娛樂精英在寫作、表演等領域里的壟斷地位，給了所有人展示自我的機會。打賞也是用戶對作者作品價值的一種認可，只有優(yōu)質的打動用戶的作品才可能獲得用戶的打賞。

· 在 CNN 平臺上，我們可以建立用戶與作者之間點對點的打賞通道，用戶對作者的打賞將直接實時的進入到作者的賬戶，并視為對作者作品的認可，提高作者作品的權重，使其作品可以獲得更多展現(xiàn)；同時，打賞行為也體現(xiàn)用戶的閱讀偏好。

· 為了防止作者通過打賞作弊，我們將從打賞金額里面提取一部分費用（如20%），作為推薦服務的獎勵。

CNN 底層技術調研

CNN 技術實現(xiàn)會采用當前在開源社區(qū)廣泛使用，且經(jīng)過實際項目驗證的技術方案，同時結合團隊原有的技術棧和代碼積累來進行開發(fā)。我們將設計一整套技術方案和系統(tǒng)架構，將這些架構整合到區(qū)塊鏈技術中，同時對系統(tǒng)功能的設計和實現(xiàn)進行適當優(yōu)化。

1. 區(qū)塊鏈擴容和提速

在區(qū)塊鏈上執(zhí)行一項交易，網(wǎng)絡中的所有計算機節(jié)點都需要驗證交易或執(zhí)行智能合約，如果所有節(jié)點都實現(xiàn)相同的結果并達成一致，那么交易就得到了確認，這個速度是非常慢的。目前已有一些項目可以提高以太坊的交易速率，比如Plasma 和 Raiden，但這些項目使用的是非鏈或側鏈通道，而并非旨在解決區(qū)塊鏈本身的可擴展性問題。

針對這個問題我們調研并設計幾種解決方案：

1.1 委任權益證明 DPoS

委任權益證明 DPoS （Delegated Proof of Stake） 算法［10］，可以解決去中心化POW 帶來的性能和能耗的問題。在 DPoS 下，使用區(qū)塊鏈網(wǎng)絡的主體投票產(chǎn)生N 個見證人，然后由這些見證人對區(qū)塊進行簽名。由于使用了去中心化的投票機制，DPoS 相比其他的系統(tǒng)更加民主化，在保護機制下可以確保見證人行為正確而沒有偏見。因此，每個區(qū)塊可以證明先前區(qū)塊被見證人正確的確認。DPoS 算法通過減少確認的要求，消除了交易需要等待一定數(shù)量區(qū)塊被非信任節(jié)點驗證的時間消耗，大大提高交易的速度，從而使加密數(shù)字貨幣的交易速度接近像 Visa 和Mastercard 這樣的中心化清算系統(tǒng)。

1.2 實用拜占庭容錯算法 PBFT

惡意攻擊和軟件錯誤的發(fā)生將會越來越多，會導致失效的節(jié)點任意產(chǎn)生行為，這種行為有可能誤導其他副本節(jié)點產(chǎn)生更大的危害，而不僅僅是宕機失去響應。早期的拜占庭容錯算法基于同步系統(tǒng)，由于性能太低而不能在實際中運作。Miguel Castro 和 Barbara Liskov 在 1999 年提出了實用拜占庭容錯算法 PBFT（Practical Byzantine Fault Tolerance） ［11］，通過副本復制解決拜占庭容錯問題。它解決了原始拜占庭容錯算法效率不高的問題，將算法復雜度由指數(shù)級降低到多項式級，使得拜占庭容錯算法在實際系統(tǒng)應用中變得可行。在異步環(huán)境中，通過優(yōu)化早期算法把響應性能提升了一個數(shù)量級以上，性能測試證明了該系統(tǒng)僅比無副本復制的標準 NFS 慢了 3%。

我們對現(xiàn)有的區(qū)塊鏈基礎設施和上面的幾種解決方案進行了深入的研究和對比，初步結論是會采用 DPoS 共識機制和 Sharding 結合的方案，來解決區(qū)塊鏈上擴容和交易速度瓶頸。未來我們將不斷探索新的技術實現(xiàn)，來進一步提升系統(tǒng)的容量和速度。具體方案如下：

Sharding 分片方案：出于解決計算性能問題的考慮，也兼顧緩解存儲問題的需求，總體思路是，受傳統(tǒng)數(shù)據(jù)庫啟發(fā)將數(shù)據(jù)劃分為子集中的方式，每個節(jié)點只處理部分交易（比如由一部分賬戶發(fā)起的，我們稱之為 Sharding 分片），從而減輕節(jié)點的計算和存儲負擔。每個分片都具備一個小規(guī)模的共識協(xié)議，運行于多個網(wǎng)絡機器的并行處理時，這些機器會驗證交易的工作量。在并行處理這樣的網(wǎng)絡中，每個分片每秒能夠處理數(shù)百筆交易，整個網(wǎng)絡每秒能夠處理數(shù)千筆交易。隨著更多節(jié)點的加入，網(wǎng)絡在驗證交易時處理速度將變得越來越快，一旦網(wǎng)絡規(guī)模和以太坊一樣大，該網(wǎng)絡每秒處理的交易量就能使其比現(xiàn)實中銀行更快，也可能更便宜。如 Zilliqa 就采用了分片 sharding 方案，每片內都有 600-800 個節(jié)點來進行運算，保證安全性，不依賴于中心化的節(jié)點來處理分片過程，已經(jīng)證明了高效可擴展性，它的吞吐量幾乎能隨著節(jié)點的線性增長而增加。目前以太坊也在對EVM 進行升級，在智能合約層提供基礎支持，因此我們在以太鏈基礎上實現(xiàn)Sharding 方案難度降低，可行性提高很多。

在 Sharding 方案的基礎上，我們會采用 DPoS 機制來解決分片內交易確認速度過慢的問題，具體實現(xiàn)上采用類似股份授權證明機制運行，它依靠一種信用系統(tǒng)，通過無摩擦的實時投票產(chǎn)生一組總數(shù)一定的“授信方”（“受托人“），這些授信方擁有產(chǎn)出區(qū)塊并添加到區(qū)塊鏈上的權利，同時避免不受信任方的參與。每一輪都由這組授信方以隨機順序輪流簽署命令產(chǎn)生區(qū)塊，每一輪的出塊次序都不相同。 非常重要的一點是，這種體系并不需要很高的信任程度，區(qū)塊鏈的產(chǎn)出者（即受托人）只可以選擇產(chǎn)出或不產(chǎn)出區(qū)塊，即打包或不打包交易，而不能改變交易細節(jié)，比如發(fā)送者、接收者或者余額。在這種模式下，受托人作惡的影響力很小。如果受托人丟塊或者出塊沒有打包交易記錄，下一個受托人產(chǎn)出的區(qū)塊將是兩倍大小，包含上一塊丟失的交易，同時確認時間從 10 秒鐘變?yōu)?20 秒，除此以外沒有其他影響。受托人惡意或遲滯的行為都是公開可見的，社區(qū)可以簡單迅速的投票讓他們出局。這樣一來，受托人會失去受托人收入，且沒有任何潛在的好處，因此沒有動力作惡。

初步技術方案的架構圖如下：

2. 去中心化的內容存儲

內容社區(qū)的數(shù)據(jù)規(guī)模非常龐大，有結構化的用戶個人信息，也有非結構化的各種文件（圖片、視頻、文檔等）。它們通常存儲在各網(wǎng)站的服務器的數(shù)據(jù)庫或文件系統(tǒng)中。這是非常中心化的內容存儲方式。這種中心化存儲的數(shù)據(jù)經(jīng)常遭受類似美國安全局 CIA 這樣的機構審查，只要控制服務器就可以輕易獲取用戶的敏感數(shù)據(jù)；另一方面這些服務器也容易遭到黑客攻擊，存在隱私數(shù)據(jù)泄露的風險和網(wǎng)頁無法訪問 502 的情況；最后，這些中心化存儲的數(shù)據(jù)極度容易被服務器所有者修改，經(jīng)常出現(xiàn) 404 網(wǎng)頁不存在或無法查看歷史的情況。內容存儲去中心化將有效得避免此類問題。

目前去中心化的存儲方案有 Sia、Storj、MaidSafe、IPFS等：

Sia 提供一個去中心化的，有獎勵機制的云儲存系統(tǒng)，這個系統(tǒng)將與中心化的類似系統(tǒng)如 AmazonS3 競爭。Sia 高度專注于成為一個企業(yè)化的產(chǎn)品，開發(fā)者在不斷優(yōu)化產(chǎn)品設計使其可以更靈活地處理云儲存中的多樣性。

Storj 是一種邊走邊付的方式，租用者頻繁地給托管主機付款。Storj 的目標與 Sia 相似，只是 Storj 沒有使用區(qū)塊鏈內置的智能合約。如果用戶不見或不在線，托管主機將得不到報酬。目前 Storj 尚處于內部測試階段。

MaidSafe 是個很有野心的項目，開發(fā)者的目標超出了去中心化的儲存系統(tǒng)，但對效率方面并不太專注。MaidSafe 使用一種全新的共識機制來產(chǎn)生共識（不同于區(qū)塊鏈），它不是 POW 工作證明，尚沒有像比特幣的機制那樣被實踐所證明。

IPFS 星際文件系統(tǒng)（InterPlanetary File System）由 Y Combinator 的 ProtocolLabs 實現(xiàn)，目標是取代我們在過去 20 年已經(jīng)習以為常的互聯(lián)網(wǎng) HTTP 協(xié)議。IPFS 是一個點對點的分布式文件系統(tǒng)，它可以將所有的計算設備都連接到同一個文件系統(tǒng)中。使用內容尋址技術可以將內容從源服務器中分離出來，并永久儲存。IPFS 可以像 CDN 網(wǎng)絡一樣距離用戶非常近，保護去中心化存儲的網(wǎng)站，并杜絕了 DDoS 攻擊發(fā)生的可能。IPFS 可以歸檔重要的公共記錄內容，避免網(wǎng)站終止運營所帶來的損失。目前已經(jīng)有許多網(wǎng)站如 Neocities 是基于 IPFS 實現(xiàn)的，并且越來越多的區(qū)塊鏈項目也在 IPFS 上運轉。具體協(xié)議偽代碼為：

基于上述的分析調研，我們最終決定采用 IPFS 來解決內容的去中心化存儲，將內容數(shù)據(jù)和區(qū)塊鏈分離可以有效地節(jié)約區(qū)塊鏈資源，提升整個系統(tǒng)的處理能力。

3. 概率微支付

內容社區(qū)里涉及到的廣告收益分成、激勵、打賞等支付場景，通常小額且高頻。目前的概率微支付是 Orchid Protocol［13］中提出的一種微支付解決方案。概率微支付可以為區(qū)塊鏈提供一個可擴展的微支付通道網(wǎng)絡，從而實現(xiàn)多次、高頻、低成本的微支付。用戶可以向任意數(shù)量的接收者發(fā)送任意數(shù)額的支付款項，而不需要每一位接收者的初始化和結算交易，從而降低了交易成本，使得高頻小額交易變?yōu)榭赡?。操作過程如下：

發(fā)送者可以把 CNN 幣存入所有的發(fā)送者共享的以太坊智能合約，該智能合約為每一位發(fā)送者維護支付差額與罰金托管。

發(fā)送者在本地創(chuàng)建并簽署一張票據(jù)，該票據(jù)是一種包含了接收者、總額等支付數(shù)據(jù)的加密數(shù)據(jù)結構。

發(fā)送者無需在以太坊網(wǎng)絡上發(fā)布任何交易，直接將票據(jù)發(fā)送給接收者即可。接收者核實票據(jù)。如果它是有效的，那么接收者就有了加密證明他們正在收取款項。注意，即使票據(jù)沒有“中獎”，接收者仍然有確鑿的證據(jù)來證明他們能收到款項，因為決定票據(jù)是否“中獎”的隨機性是由發(fā)送者和接收者雙方?jīng)Q定的。這樣，其中任意一方都無法一手操縱結果。

一張有效的票據(jù)即是“中獎”，在這種情況下，它可以通過發(fā)布一個鏈上以太坊交易來獲取。

NewsDog - CNN 上的第一個應用

NewsDog 成立于 2015 年底，成立之初創(chuàng)始團隊就看到印度經(jīng)濟發(fā)展和數(shù)字內容市場的巨大潛力，因此鎖定了印度個性化內容社區(qū)這個創(chuàng)業(yè)方向。

伴隨著過去兩年印度智能手機用戶的翻倍和移動流量資費的大幅下降 （目前 1G 僅需 5 盧比，合￥0.5），NewsDog 在印度也得到了飛速的發(fā)展，戰(zhàn)績不俗。從 2016 年初正式上線起，NewsDog 已經(jīng)積累了 4000 余萬用戶，并在 Google Play新聞類應用排行榜單上排名第一，是目前印度最小、最快、最受歡迎的新聞類應用。它和印度上千家媒體和上萬家自媒體達成合作，為用戶提供英語、印地語、泰米爾語、馬拉提語等十種語言的內容，涵蓋政治、經(jīng)濟、娛樂、體育、健康、科技、本地和世界等十余個分類。

NewsDog 搭建了功能強大的推薦系統(tǒng)，為所有用戶做了標簽詳盡的用戶畫像，便于實現(xiàn)內容和廣告的精準推送，實現(xiàn)真正意義上的 News Just For You。

NewsDog 團隊將與 CNN 團隊緊密合作，在 2018 年年中將 NewsDog 的部分功能遷移到 CNN 協(xié)議上。

1. 基于 CNN 的推薦系統(tǒng)

對于內容平臺來說，推薦是核心，同樣也是最為消耗資源和成本的一項工作，一套高質量的推薦系統(tǒng)需要長時間的積累。另一方面，對于消費內容的用戶來講，為了獲得精準的推薦，隱私成為了必須付出的代價?；?CNN 協(xié)議的推薦系統(tǒng)能很好地解決這兩個問題。

NewsDog 的推薦系統(tǒng)基于廣泛的用戶畫像和用戶數(shù)據(jù)，而中心化的畫像和數(shù)據(jù)儲存和運算方式成為了一個耗時耗力的負擔。通過基于 CNN 協(xié)議的推薦系統(tǒng)，用戶特征模型被分布存儲在區(qū)塊鏈各個節(jié)點中，可以減少中心推薦節(jié)點的壓力。對于用戶而言，分布式的匿名存儲也可以完全消除隱私的問題。

2. 基于 CNN 的廣告收入分成模式

目前的互聯(lián)網(wǎng)內容生態(tài)中用戶扮演了非常重要的角色，內容社區(qū)利用用戶的關注力賺取了廣告價值，但用戶卻不能參與其中的商業(yè)利益分成。

基于 CNN 協(xié)議，NewsDog社區(qū)的廣告收入在內容創(chuàng)作者以外，也會與用戶、轉載者和推薦節(jié)點進行分成。

NewsDog 的內容作者是內容生態(tài)的源頭，因此也是整個收入分成模式中分成比例最大的一個角色。作者可以在自己的文章被閱讀，轉載和評論時獲得相應比例的分成。在 CNN 的版權保護機制中，如果一個作者的版權被侵犯，作者將會獲得賠償。

NewsDog 的用戶作為 CNN 系統(tǒng)中新的收入分配角色，可以依靠閱讀文章，發(fā)表評論，點贊等行為獲得收益；在社區(qū)中越活躍，獲取的收入也就越多。同時用戶也承擔著在社區(qū)間流轉內容的重任，可以在轉載文章后，通過所轉載文章的表現(xiàn)獲得相應的收益。

此外推薦節(jié)點作為一個獨特的角色在 CNN 系統(tǒng)中發(fā)揮著重要的作用，也會獲得其相應比例的收益。

3. 多級激勵系統(tǒng)

傳統(tǒng)的激勵系統(tǒng)因為中心化的設置，對規(guī)則策劃與運營的挑戰(zhàn)很大。每次激勵活動都需要投入很高的運營成本，并且激勵的效果也無法保證。NewsDog 采用基于 CNN 協(xié)議的多級激勵系統(tǒng)可以很好地解決投入和效率的問題。

由于邀請的紀錄被分布地記錄在整個區(qū)塊鏈之中，因此可以降低運營方的服務器和運算投入。目前 NewsDog 內部有兩層激勵體系，借助 CNN 協(xié)議，NewsDog可以將兩層擴展為多層，放大用戶邀請的作用，優(yōu)化激勵的效果。由于 CNN 代幣的引入，參與激勵的用戶可以更快獲得激勵獎勵，大幅縮短了激勵周期至一天，也可以很大促進激勵用戶參與的積極性。

4. NewsDog MALAMAAL - 激勵模式的延伸

NewsDog 是首個將直播競答模式引入印度的玩家。直播的形式和激勵相結合使得該模式成為一個全新的獲客利器。在 CNN 體系內，NewsDog MALAMAAL將直播競答從單純的獲客演變成一個用戶可以付費參與并且獲得更多服務的高級版本。因此我們引入了 NewsDog MALAMAAL Store。NewsDog MALAMAALStore 為玩家提供各種游戲增值服務。所有的增值服務由 CNN 幣來結算。下面介紹一些常見的增值服務及其使用場景。

游戲規(guī)則為正確答對所有 12 道題即可與其他獲勝用戶分享當期 CNN 獎勵金。為增加趣味性，游戲引入復活卡等特權。邀請用戶參加，即可獲得復活卡，增加游戲獲勝機率。在競答模式下，可在商城中購買如下特權商品：

復活卡：游戲答錯出局時，使用該卡即可復活

提示卡：游戲時使用該卡即可獲得正確答案提示

Pass 卡：用戶如果不知道正確答案，可使用該卡直接跳過，進入下一題

5. Fantasy Cricket League

板球作為印度的國民運動，被稱為印度人民的“第二宗教信仰”。數(shù)據(jù)顯示，在 2017 年 4-6 月期間舉辦的 IPL 聯(lián)賽和 IPC 大賽吸引了將近 8 億印度人民的關注。板球世界杯期間更是為印度帶來了數(shù)億美元的消費。作為印度最大的新聞應用，NewsDog 會開發(fā) Fantasy Cricket League 來滿足用戶的娛樂和資訊需求。Fantasy Cricket League 是一個板球游戲。用戶可以扮演球隊經(jīng)理并且投資球隊，通過球隊在聯(lián)賽的表現(xiàn)獲得收益。具體規(guī)則如下：

1. 用戶支付一定數(shù)量的 CNN 幣建立一支球隊

2. 每個賽季，球隊經(jīng)理可以通過球員選秀來為自己的球隊招兵買馬

3. 所有隊員選定之后，賽季正式開始。在賽季的指定階段，球隊經(jīng)理之間可以通過 CNN 來進行隊員交易

4. 在賽季末，經(jīng)理通過自己球隊在聯(lián)盟的排名來獲得相應回報

6. 其他模式

6.1 星座文化付費

星座文化正悄然走入人們的生活。為滿足用戶需求，包括中國和印度在內許多媒體都專門開辟了星座板塊，而且許多自媒體也紛紛加入星座文化大軍，例如Vogue India 在 Twitter 上擁有 112 萬粉絲，每日都會發(fā)布一條與星座相關的信息，分析星座運勢；而中國的自媒體同道大叔僅微博就有 1362 萬粉絲，每條信息都有大量轉發(fā)點贊。為滿足用戶對星座資訊的需求，NewsDog 開發(fā)了星座文化付費服務，具體如下：

1. 個性化星座資訊：用戶繳納一定量的 CNN 幣作為服務費，輸入自己的個人信息，如出生年月、出生地、血型等，即可獲得專屬星座資訊；

2. 大 V 專業(yè)星座答疑：用戶繳納一定量的 CNN 幣，邀請入駐 NewsDog 的媒體及自媒體提供量身定制的星座資訊

6.2 付費問答

信息爆炸時代，衍生出了 Quora 和知乎等問答應用，幫助用戶有效刪選過濾信息。這種模式在用戶中的傳播度和實用性決定了其發(fā)展?jié)摿蜕婵臻g。因此NewsDog 利用自身信息平臺優(yōu)勢孵化這種問答模式，給用戶提供更全面的服務，具體實現(xiàn)形式如下：

眾籌問答：用戶繳納 CNN 幣，要求某位大 V 回答某個問題；其他用戶若感興趣，可以繼續(xù)繳納 CNN 幣；如若大 V 回答，即可獲得所有用戶繳納的 CNN幣，否則用戶繳納的 CNN 幣原路送還

1 對 1 專業(yè)問答：用戶可以在內容社區(qū)內選擇自己信賴的內容創(chuàng)作者，并繳納 CNN 幣向其提問，獲取 1 對 1 專業(yè)性問答服務。內容創(chuàng)作者回答問題即可獲得用戶繳納的 CNN 幣

6.3 公益

互聯(lián)網(wǎng)的實用性不僅在于信息傳播，同時也在于縮短人與人之間的距離。而這給公益事業(yè)的推動和發(fā)展提供了良好的契機。作為印度最大的新聞類應用，利用其平臺推動公益事業(yè)不僅是應盡的企業(yè)責任，而且也可聚合用戶實現(xiàn)互助。鑒于此，NewsDog 基于區(qū)塊鏈公開且不可篡改的特性，設定了如下公益板塊的應用場景：

1. 求助用戶可在平臺發(fā)布求助信息，并上傳相應文件進行審核；

2. 用戶看見求助信息可以選擇捐獻 CNN 幣幫扶；

3. 求助者信息通過審核后即可獲得其他用戶捐贈的 CNN 幣；

4. 平臺和求助者定期發(fā)布救助近況，做到公開透明，避免欺詐。