'抗ASIC的工作量證明：究竟是現實還是幻想？（二）'

演講人 | Howard Chu：

軟件工程師和優化天才，擁有世界上最快的多處理器TCP堆棧，世界上最快的Appletalk堆棧，世界上最快的LDAP服務器，比實時語音識別更快，比實時雷達數據解複用器/解碼器更快等。

演講人 | Howard Chu：

軟件工程師和優化天才，擁有世界上最快的多處理器TCP堆棧，世界上最快的Appletalk堆棧，世界上最快的LDAP服務器，比實時語音識別更快，比實時雷達數據解複用器/解碼器更快等。

現在，你認為什麼是工作量證明算法呢？如今工作量證明只是一個延遲循環。工作量證明的目標是耗時又耗能，而且還低效。這於我而言，是一種精神上的打擊，我花費畢生精力在構建高效軟件、調優編譯器上，只為追求低能耗高效率。但你靜下心沉思時，就能發現哪種運算昂貴，哪種運算低廉。這賦予我們一個如何寫出最低效算法的特殊視角。另一個我陷入的難題是隱私、去中心化這兩樣東西與效率無法共存。高效系統無一例外都傾向於中心化，事實上，不僅工作量證明證實了這一點，大部分系統中心化的話效率也就更高。比如網絡通信，你如何保證跨網絡的通信安全？整個週末我們探討了大量隱私相關話題，大家將隱私（privacy）和保密（secrecy）混為一談，兩者有一個很大區別：隱私只是保密的一個子集。如果你在兩個端點間有一條加密通信渠道，比如TLS協議層，你保證了通信渠道中的信息安全，但事實你並沒有保證通信渠道的安全。外人知道你在通信，雖是私人間的對話，但並不保密。保護自己的隱私並不會破費太多，AES加密通道費用相當低廉，而且我們有AES加速硬件。但如果要保密某件事，防止他人得知，那麼成本就會高出許多。保證通信渠道隱私，就必須在渠道中添加大量噪音，用噪音掩蓋你真正發送的信息。所以當你追求高效時，就與隱私和保密相違背，因此採用低效、去中心化的工作量證明著實困擾著我，但我們還是努力去攻克它。

我們想要把RandomX設計成一種既低效又耗能，還要應用大量的CPU的算法。從一張AMD Zen core的區塊圖可以得知，在圖的上方是前端，有指令緩存、解碼器、分叉預測器、運算緩存；在中層，有整數運算單位、浮點數運算單位；在底層有內存接口和數據緩存。

運行RandomX需要應用Core的所有組件，除此之外不應用任何組件。CPU芯片擁有其他交互界面。RandomX有一個PCI Express接口，有一個管理總線用於芯片間通信、系統管理，這些是我們無法真正高效利用的功能，因為這些功能都是某些設備專有的。雖然無法將這些功能從一枚芯片解析到另一枚芯片上，但我們可以利用所有核心組件和內存接口。

如何做到？先生成一個隨機程序，將隨機程序翻譯為機器代碼，然後執行隨機程序並轉換輸出，最有趣且最重要的是第三步。我們期望第一步和第二步的成本趨近於0，因為這兩步並沒有真正貢獻。

前面我也有提到，生成隨機程序這一步有點麻煩，如果你使用的是一種高級語言，就必須根據嚴格的規則構建程序，否則代碼不會執行程序。所以標準的方法是構建一棵抽象語法樹，樹上的每一個支點都是隨機程序的語句。從抽象語法樹下載源代碼，然後將源代碼提交給編譯器，編譯器解析源代碼，並轉換為一棵抽象語法樹。這樣會產生大量多餘工作。如果構建一個ASIC芯片來處理，就可以避免多餘工作，提高效率。因此構建RandomJS的想法破裂了。現在最好的方法是生成隨機字節，不用語法，不按照構建規則。

然後將隨機程序轉換為CPU原生機器代碼，並非只適用x86架構，還需適用當今ARM和CPU這樣的大型架構。因此我們需要使用簡單的機器指令，才能輕鬆地映射到真正的機器指令中。只是我們沒有剩餘時間來開發一個優化版的編譯器，因為分析和重寫代碼花費的時間，等於沒有生成哈希的時間。

所以實際的程序都必須應用盡可能多的CPU組件，為了使用芯片上所有的可用緩存層，我們解析了大量CPU配置文件。我們正在使用芯片上的指令緩存，充分利用整數運算以及浮點數運算，真正打敗了內存控制器。

我們使用的是Blake 2B，一個專門運行在CPU設備上的加密哈算法，來計算最終結果。對於大型計算，我們仍使用AES算法，AES運算出色是因為大多數現代CPU都有AES加速硬件。如果無加速硬件，就不能應用AES算法。

如果你要分析一個程序，會出現一個問題，你需要高度優化部分運算，你可以查看該程序計算你的交易是否較慢，如果慢你可以跳過。如果運算較快，我就會執行該程序，快速獲得哈希值。因此為了優化部分運算，我們必須鏈接多個程序，強制執行實現，要麼運行整個程序，要麼跳過程序。

鏈接程序的一個關鍵阻礙是，驗證時間必須與Cryptonight大致相同。因此給程序不能過於複雜。

我們使用大量內存是讓你不再使用芯片內存，所以我們使用2字節以上，現實中如今的芯片可以建立2字節內存，但非常昂貴。我們預計內存數量能滿足未來幾年的需求。而且，未來我們可能會增加內存大小。

我們的輕模式無需2字節RAM內存，只需256 mb即可，如果進一步減少內存，減少至128mb，速度上可能要慢上3700倍。

當前RandomX代碼已預備好運行在monerod x86系統中。但我們仍需在ARM上實現RandomX。GPU方面工作正在進行中，還支持在Nvidia、CUDA實現以及用一種OpenCL版來支持AMD GPU（非通用版OpenCL），此版本的OpenCL仍使用大量AMD特定彙編代碼。當前我們已完成4次安全審計。

原文：https://www.monerooutreach.org/monero-konferenco/howard-chu.php

稿源（譯）：https://first.vip/shareNews?id=2092&uid=1

翻譯 | Tracey_頭等倉

採編 | 筋斗雲_頭等倉