ضریب ناکاموتو چیست؟

اگر در قلمروی بلاک چین به مفهوم تمرکززدایی علاقه‌مند باشد، احتمالا نام ضریب ناکاموتو به گوشتان خورده است. این مفهوم گرچه ممکن است در نگاه اول کمی پیچیده به‌نظر برسد؛ اما فلسفه ساده‌ای در ورای آن نهفته است. در این مقاله از بلاگ تترلند،‌ می‌خواهیم مفهوم ضریب ناکاموتو را واکاوی کنیم و از مزیت‌ها و معایب تعریف چنین سنجه‌ای برای ارزیابی درجه تمرکززدایی بلاک چین‌ها بگوییم. تا پایان با ما همراه باشید.

ضریب ناکاموتو چیست؟

ضریب ناکاموتو به بیان ساده، سنجه یا معیاری است که درجه تمرکززدایی یک شبکه بلاک چینی را ارزیابی می‌کند و به بیانی دیگر، برابر با کمینه گره‌های موردنیاز برای یک شبکه است برای آنکه بتواند بدون افتادن به ورطه تمرکزگرایی به فعالیت خود ادامه دهد. بنابراین هرچه این ضریب یک بلاک چین بالاتر باشد، یعنی آن شبکه از درجه تمرکززدایی بیشتری برخوردار است.

«بالاجی سرینیواسان» (Balaji Srinivasan)، معاون ارشد فنی صرافی کوین‌بیس، نخستین بار در سال ۲۰۱۷ مفهوم ضریب ناکاموتو را معرفی کرد. این مفهوم به افتخار ساتوشی ناکاموتو، بنیان‌گذار بیت کوین نام‌گذاری شده است. بااین‌حال، کاربرد این ضریب به شبکه بیت کوین محدود نمی‌شود و می‌توان از آن برای اندازه‌گیری درجه تمرکززدایی هر شبکه بلاک چینی استفاده کرد.

سرینیواسان مصرانه در پی یافتن مقیاسی کمی برای سنجش درجه تمرکززدایی یک سیستم بود. او در ادامه توانست با تلفیق دو مفهوم اقتصادی «ضریب جینی» و «منحنی لورنز» راهکاری را برای این مسئله پیدا کند. گفتنی است که ضریب جینی و منحنی لورنز ازجمله سنجه‌های پرکاربرد علم اقتصاد برای ارزیابی نابرابری و توزیع غیریکنواخت درآمد در یک جامعه آماری هستند.

سرینیواسان اما توانست پای این سنجه‌های اقتصادی را به دنیای بلاک چین باز کند و با ابداع مفهوم ضریب ناکاموتو بتواند معیاری قابل اتکا برای اندازه‌گیری درجه تمرکززدایی در سامانه‌های بلاک چین در اختیار بگذارد.

اندازه‌گیری تمرکززدایی با تحلیل زیرسیستم‌ها

ضریب ناکاموتو در وهله نخست، بررسی می‌کند که یک شبکه بلاک چینی از چند زیرسیستم تشکیل شده و سپس تخمین می‌زند که پیش از آنکه بتوان کنترل هر زیرسیستم را در اختیار گرفت،‌ موجودیت چه تعدادی از آن‌ها را باید به خطر انداخت. به بیان ساده‌تر، ضریب ناکاموتو توصیفگر حداقل تلاش لازم برای ایجاد اختلال در یک شبکه بلاک چینی است.

بنابراین وقتی ضریب ناکاموتوی یک بلاک چین بالا باشد، یعنی ایجاد اختلال در عملکرد آن به تلاش بیشتری نیاز دارد. از سویی دیگر، هرچه ضریب ناکاموتوی یک بلاک چین پایین‌تر باشد، به این معنی است که آن بلاک چین، تمرکزگرایی بیشتری دارد و ایجاد اختلال در عملکرد آن مستلزم صرف تلاش کمتری است.

مزایا و معایب ضریب ناکاموتو

ضریب ناکاموتو ازجمله سنجه‌های ویژه در قلمروی بلاک چین است و در قیاس با دیگر معیارهای اندازه‌گیری، مزایا و معایب خاص خود را دارد.

مزایای ضریب ناکاموتو

شناسایی سریع‌تر بلاک چین‌های غیرمتمرکز

بزرگ‌ترین مزیت ضریب ناکاموتو این است که مقایسه و ارزیابی دوبه‌دوی بلاک چین‌ها را از منظر تمرکززدایی ساده‌تر می‌کند. وقتی این سنجه را برای چند شبکه بلاک چینی اندازه‌گیری کردید، به‌سادگی می‌توانید دریابید که کدام‌یک تمرکزگراتر است و کدام یک به آرمان ساتوشی ناکاموتو برای تمرکززدایی نزدیک‌تر.

تجزیه و تحلیل قابلیت‌های مختلف شبکه‌های بلاک چینی

ضریب ناکاموتو، معیار انعطاف‌پذیری است و می‌توان آن را در موقعیت‌های مختلف برای سنجش قابلیت‌های متفاوت استفاده کرد. برای مثال، با استفاده از این معبار می‌توانید بدانید که کدام شبکه بلاک چینی، توسعه غیرمتمرکز را در دستور کار قرار داده و کدام‌یک به ورطه تمرکزگرایی افتاده است.

شناسایی ریسک‌های بالقوه

ضریب ناکاموتو قرار است مشخص کند که چه مقدار تلاش برای ایجاد اختلال در عملکرد یک سامانه مورد نیاز است. بنابراین می‌توان از این شاخص برای سنجش دیگر مسائل امنیتی در حوزه رمزنگاری نیز استفاده کرد. وقتی ضریب ناکاموتوی یک بلاک چین پایین باشد، می‌توان دریافت که به دلایلی همچون استقرار گره‌ها در یک مکان واحد، تمرکزگرایی در آن شبکه پدیدار شده است.

بهینه‌سازی تمرکززدایی در بلاک چین‌ها

یکی از دلایل اصلی ابداع ضریب ناکاموتو، بهینه‌سازی شاخص تمرکززدایی در شبکه‌های بلاک چینی بود. این ضریب می‌تواند میزان تأثیرگذاری به‌روزرسانی‌ها بر درجه تمرکززدایی شبکه‌های بلاک چینی را به‌سرعت محاسبه کند و در اختیار بگذارد. بنابراین توسعه‌دهندگان می‌توانند سناریوهای مختلف برای تغییرات و به‌روزرسانی‌ها را با استفاده از ضریب ناکاموتو مورد ارزیابی قرار دهند تا ببینند کدام‌یک از آن‌ها می‌تواند تمرکززدایی بلاک چین را افزایش دهد و کدام‌یک به تمرکزگرایی آن بینجامد.

معایب ضریب ناکاموتو

ضریب ناکاموتو به‌رغم برخورداری از مزیت‌های فراوان،‌ معایبی نیز دارد که نباید از آن‌ها غافل شد.

دستکاری‌پذیری با داده‌های گزینشی

هنگام محاسبه ضریب ناکاموتو، مجموعه داده‌ها می‌تواند نقشی حیاتی ایفا کنند. برای مثال، وقتی می‌خواهید که درجه تمرکزگرایی مالکیت را در یک شبکه بلاک چینی محاسبه کنید، بررسی کیف‌پول‌های حاوی کمینه مقدار رمزارز می‌تواند کمی فریبنده باشد و بلاک چین را فراتر از آنچه هست، غیرمتمرکز نشان دهد. حال آنکه اگر به کیف‌پول‌های حاوی دست‌کم ۵۰۰ واحد رمزارز نگاه کنید، احتمالا با نتیجه متفاوتی روبه‌رو شوید و ببینید که شبکه، بسیار هم متمرکز است.

محاسبات آماری پیچیده

ضریب ناکاموتو را نمی‌توان به‌سادگی و با چند عمل ساده ضرب و تقسیم محاسبه کرد. علاوه‌براین، هیچ فرمول ساده و واحدی برای محاسبه این شاخص وجود ندارد.

جمع‌بندی

ضریب ناکاموتو می‌تواند بسیار مفید و راهگشا باشد؛ اما مشروط بر اینکه داده‌های مورد استفاده در محاسبه آن با دقت حلاجی شود. با استفاده از این شاخص می‌توان زیرسیستم‌های یک سامانه بلاک چینی را تجزیه‌وتحلیل و هر یک را بر اساس درجه تمرکززدایی آن رتبه‌بندی کرد. بنابراین درمجموع می‌توان گفت که ضریب ناکاموتو ازجمله مفیدترین ابزارها برای اندازه‌گیری درجه تمرکززدایی در شبکه‌های بلاک چینی است.