矿视界译文：抗ASIC为何难以实现？看看RVN团队怎么说

原创

1812 天前

12137

上周五，RVN 官方团队会议如期召开，会上团队成员对「抗 ASIC 新算法」进行讨论，文中包含其社区成员观点及分析对比算法前后收益。本文由矿视界（奇迹摩尔）翻译整理编辑，如需转载，请标明出处。

（一）关于“抗 ASIC 新算法”的小讨论

RVN 核心开发人员 Tron 声称他已经阅读了那篇 X1MT 相关的文章。文章是由 whitefire990 编写的有关抗 ASIC 算法的建议，并且 Tron 还说了，该篇文章研究十分透彻，分析了 ASIC 难以解决的原因。

但同时，Tron 也担心种子算法在欺骗 ASIC 方面更具优势的特性，因为这会增加区块挖掘所需的时间。PlayHard 还指出，尽管文档非常出色，但没有提及所需要的功耗以及核算。

发文作者 Whitefire990 解释说，该论文正在推动 X1MT 变体，该变体每个块具有恒定的哈希率，并且仅需要块头中的一到两个半字节。他还说，如果有人不喜欢所建议的任何变体，不如自己也来发布一篇文章。

下文中我们收录了一些 RVN 社群对于论文的观点以及用来支持观点的数据对比。

（二）个人观点

01 长期抗 ASIC 算法的归处

我参加了最近创建的算法通道，并不断观察到有关抗 ASIC 方法的讨论。尽管五年来，我一直以自己的方式非专业地分析区块链和加密货币，但我还是能够理解每次专业提案方法的设计和方向。其中一种方法是本次会议中提到的 X1MT 方法。

Whitefire990 的文章目的是要了解 X16R 样式算法的局限性，并表示希望该文能激发新的想法，或者也可以用不同的方式重新包装其他想法。

在这一点上，我打算跳过 Whitefire990 的那篇文章，我认为没有多少人会看得懂，所以我打算用自己的方式来总结它，可能稍显冗长。但要知道，每次学习和分析新事物都需要花费大量的精力和时间，而我，愿意充当社区的桥梁。

02 在抗 ASIC 战场上拯救私人 GPU

Whitefire990 那篇文章的目的如下，保持与 X16R 算法相同的风格和精神，同时在不开发全新算法的情况下进行转换。此外，新算法方案的效率与 X11 算法的 28nm ASIC 和 1080i GPU 形成对比。

03 ASIC 环境下各硬件应用 X16S 算法前后的收益比

首先，X16S 中有 16 个可选算法。S 之后是基本 16 算法列出顺序本身，但是在每个块创建时新算法列出顺序都是随机的。简而言之，算法列表本身的顺序已在基本设计中设置好了，但是从 N 块到 N + 15 块的算法列表顺序是随机的。模拟结果如下，应用 X16S 算法之前 ASIC 性价比约为应用之后的 175 倍。

04 ASIC 环境下各硬件应用 X16R 算法前后的收益比

这次，是对 X16R 的 ASIC 电阻模拟，X16R 在 2019 年 10 月 1 日之前负责 RVN 的 ASIC 电阻。与前面描述的 X16S 不同，算法列表顺序会针对每个块的创建和基本设计发生改变。

乍一看，ASIC 电阻可能会明显更高，因为 S 方法比 R 方法更随机，但事实并非如此。原因就是选择块的顺序。也就是说，在每次创建块时监视生成算法的随机序列 1 亿次之后，16 个算法中的一个被持续重复。特别值得一提的是，一个算法连续重复 5 次的概率只有 4.3%，连续重复 6 次以上的概率趋近零。

因此，设计一个具有“选择和集中”策略的芯片，从 ASIC 制造商那一方，将可连续重复四次以上的某一特定算法排除在外，可以提高效率，这是不可忽视的。正因如此，应用 X16R 算法之前 ASIC 性价比约为应用之后的 81 倍。

05 ASIC 环境下各硬件应用 X16RF 算法前后的收益比

X16RF 设计用于解决 X16R 中所示特定算法低复制概率的问题，它通过从块头中额外提取四位数来增加特定算法的连续性。结果显示，某个算法连续 12 次出现的概率提高到了 8.6% 左右。由于这个原因，应用 X16RF 算法之前 ASIC 性价比约为应用之后的 27 倍。

06 ASIC 环境下各硬件应用 X1632RF 算法前后收益比

X1632RF 算法和 X16RF 相似，但是在创建区块期间可以选择算法数量存在差异（一种可以多选 16 个算法）。事实上，ASIC 设计的复杂度变得越来越高，因此应用 X1632RF 算法之前 ASIC 性价比约为应用之后的 13.4 倍。

07 ASIC 环境下各硬件应用 X20RVS 算法前后的收益比

X20RVS 有 20 个可选算法，并且每次创建块时算法顺序都会改变。VS 代表 Variable Sbox，目的是增加复杂性，对于 GPU 来说，这一直很不讨喜。这是因为 ASIC 的盈利能力是X20RVS GPU 的 65.1 倍，与 X16R 相差不大，但是 ASIC 与 FPGA 的性价比却大大降低了两倍左右。

08 ASIC 环境下各硬件应用 X1MT 算法前后的收益比

最后一个回顾关于 X1MT 算法，包括从名称我们可以知道的内存转换（MT）。该算法的预期效果如下。

①它为 GPU 和 FPGA 保持了几乎相近的性价比

②它具有任何变体建议的最大 ASIC 电阻量

③它可以被校准并均衡、稳定块之间的全网算力，从而使难度调整算法更容易地维护 60 秒块值得注意的是，内存转换根本不影响 GPU 或 FPGA 的算力，但使 ASIC 大大降低了其性能。模拟结果显示，应用 X1MT-16 算法之前 ASIC 性价比约为应用之后的 7.7 倍，而到了 FPGE 仅高 2 至 5 倍。

仅供参考，应用 X1MT-32 算法之前 ASIC 性价比约为应用之后的 3.5 倍。与 FPGA 相比，性价比则无太大差异。

Whitefire990 在文章的结尾说了 X1MT-16 使用与 X16R 相同的哈希函数，GPU 程序员只需要实现暂存器生成和内存转换步骤，这可能需要 3 天时间。

X1MT-32 需要同样步骤，再加上 M6 和 HAMSI-256 的执行，这一步可没有现有 GPU 代码。

此外，X1MT-32 还需要从其他 GPU 挖矿软件（如 Nexus 和 Sinovate）执行一些“剪切和粘贴”来将其余的功能组装在一起。一个好的 GPU 程序员要安装并运行 X1MT-32，可能也需要整一周。

他的所提，简单来看就是，完美抗 ASIC 方法几乎不存在。在我看来，能打败 ASIC 的是另一代 ASIC。然而，RVN 开发团队设计了新算法 X16R，使 RVN 从一开始就更容易被挖掘，并且仍在努力维护 RVN 挖矿的分布。我们审查过的提案也是结果之一。我们希望 RVN 可持续的抗 ASIC 方法有一天会出现，我们社区也将继续支持此愿景。

原文链接：https://www.ravenplatform.com/home/devs-meeting-review8-nov-2019翻译&校对：有条鱼。

——–END——–