目前，在絕大部分公鏈上運作的智能合約和共識機制是與現有的公平、效率和智能合約的合法性特質相悖。因而也產生了諸多問題，如轉賬效率低下、代理人機制（DPOS）的不公平、博彩智能合約、撰寫智能合約困難等。而人工智能區塊鏈以智能合約的合規性和完整性以及安全性為量化評級去決定誰擁有記賬權我們稱之為 PAI，能夠充分解決上述現行公鏈所存在的問題。首先，PAI 的可伸縮性能夠提供撰寫智能合約的人一個安全，符合法律法規的模板智能合約。其次，PAI 可將智能合約的寫入權限限制在預先設定的一定范圍內，從而消除智能合約不合法的可能。再次， PAI 通過對比智能合約使用頻次、撰寫頻次、安全性、合法性的相關資訊得出誰擁有記賬的可能性，從而提升DAO 的整體性能、規范和使用頻率從而衍生出更多好的 DAPP。支持智能合約和通證系統（數字令牌）的區塊鏈具有激發設備之間自主合作從而創造使用價值的巨大潛能。然而，由于現有公鏈的特有屬性，如消耗 GAS 數量、挖礦費電、相對不公平等問題，現有的區塊鏈技識訓是處于 2.0 時代。本文所介紹的MAI 是以人工智能為中心的區塊鏈驅動公鏈的 3.0 時代，其具有以下四大創新點：
1) 前沿的鏈中鏈架構支撐起平衡性良好的分配網路，以高性價比的方式將可擴展性和隱私保護性最大化；
2) 依靠輕量級私密地址、無需可信設定的環簽名應用，在區塊鏈中真正實作隱私保護；
3) 具有即時最終性的高速共識機制大幅度提升網路吞吐量，并降低各項成本；
4) 靈活的輕量級 PAI 系統架構，精準對智能合約的生成和執行在公鏈中的應用起到較高的監管性和輔助性。
一、AI 公鏈的機遇與挑戰
人工智能對于資訊的感知和感應、資訊的轉換與傳輸、以及資訊處理是人工智能的專長。對于人工智能區塊鏈而言，感知和感應層是自發式分布的，而后兩個層面在現階段的其他人工智能區塊鏈尚未實作，這也是大部分可擴展性、隱私性以及可擴展性問題的根源。展望人工智能區塊鏈的未來，我們希望它能成為區塊鏈的脊椎和神經系統，精確而有效地應對前文提到的區塊鏈三大問題。
1. 存在的機遇
通過將人工智能技術引入區塊鏈中，受益于人工智能特有的屬性：
1) 具有自學習功能。例如實作影像識別時，只在先把許多不同的影像樣板和對應的應識別的結果輸入人工神經網路，網路就會通過自學習功能，慢慢學會識別類似的影像。自學習功能對于預測有特別重要的意義。預期未來的人工神經網路計算機將為人類提供經濟預測、市場預測、效益預測，其應用前途是很遠大的。
2) 具有聯想存盤功能。用人工神經網路的反饋網路就可以實作這種聯想。
3) 具有高速尋找優化解的能力。表1 歸納了人工智能各屬性與區塊鏈各方面提升的對應關系。
1) 學習功能增強學習的特點是通過與環境的試探性互動來確定和優化動作的選擇，以實作所謂的序列決策任務。在這種任務中，學習機制通過選擇并執行動作，導致系統狀態的變化，并有可能得到某種強化信號（立即回報），從而實作與環境的互動。強化信號就是對系統行為的一種標量化的獎懲。系統學習的目標是尋找一個合適的動作選擇策略，即在任一給定的狀態下選擇哪種動作的方法，使產生的動作序列可獲得某種最優的結果（如累計立即回報最大）。
在綜合分類中，經驗歸納學習、遺傳演算法、聯接學習和增強學習均屬于歸納學習，其中經驗歸納學習采用符號表示方式，而遺傳演算法、聯接學習和加強學習則采用亞符號表示方式；分析學習屬于演繹學習。
實際上，類比策略可看成是歸納和演繹策略的綜合。因而最基本的學習策略只有歸納和演繹。從學習內容的角度看，采用歸納策略的學習由于是對輸入進行歸納，所學習的知識顯然超過原有系統知識庫所能蘊涵的范圍，所學結果改變了系統的知識演繹閉包，因而這種型別的學習又可稱為知識級學習;而采用演繹策略的學習盡管所學的知識能提高系統的效率，但仍能被原有系統的知識庫所蘊涵，即所學的知識未能改變系統的演繹閉包，因而這種型別的學習又被稱為符號級學習。
2) 聯想存盤因為記憶資料，已經固化到一個具有某功能的神經網路結構中。這整個被訓練好的神經網路，就是記憶。人腦記憶不能離開神經網路單獨存在。要移植記憶，就要重構神經網路，不像下載電腦硬碟那么簡單，它是功能性的。人一次就能記住，只是一次易忘，與人工神經網路多次訓練才定下來不同。到底神經元及連接如何記憶，機制還待腦計劃確定。用多個神經元的權值記錄一個簡單資訊，當然可行，這也是一種編碼表達方式，但它與存盤器存盤簡單資訊是一致的，存盤器存盤一個簡單資訊，也可以是多個位元組，許多個位，你將每個位元組可以看作一個權值，多個位元組看作多個權值，部分存盤器就可以看成是一個無主動回應能力的神經元權值網路。或者進一步，部分二進制位看作一個只有激活態與抑制態的神經元權值單元，多個位一樣能編碼表示復雜資訊，那也能解釋一些生物神經網路研究。
所以，存盤器能某種情況下近似對應生物神經網路的記憶。具有高速尋找優化解的能力尋找一個復雜問題的優化解，往往需要很大的計算量，利用一個針對某問題而設計的反饋型人工神經網路，發揮計算機的高速運算能力，可能很快找到優化解。
3) 可編程性人工智能具有基本的可編程性，把人工智能程式嵌入到用戶的錢包中，每次用戶同步節點的時候都會更新錢包中的人工智能，讓人工智能所學習的東西相互同步通過對于人工智能的不斷優化加強對于整體智能合約的把控，讓人工智能迅速成長起來，代替人們做一些人們不想做的事以及人們做不到的事。
2. 面臨的挑戰
人工智能帶來的機遇并不意味著幾種演算法就可以很好地融合在區塊鏈當中。實際上，是有不少挑戰的存在，現存的人工智能無一能應用于區塊鏈解決上述的內容。讓電腦在沒有人類教師的幫助下學習。
迄今為止最成功的機器學習方式被稱之為監督式學習，方式與老師指著某個東西然后告訴我們名字非常相似。每次學習一項新任務時，系統基本上都要從頭學起，需要人類在很大程度上進行長時間參與。
1) 理論上的挑戰
目前，深度神經網路通過仿照人類大腦皮層的網狀神經結構進行建模，實際構造的模型都是簡化的MNN，主要通過鄰接層之間的連接來表達非線性映射關系。如果非鄰接層或同層神經元之間也建立連接，能否提高深層網路的學習和表達能力?能否從神經學找到依據?能否構造一個深層神經網路，有效處理和人類智力水平相當的機器學習問題?如何構造深層神經網路，使得每一層提取特征的物理意義比較明確?相對于主流的兩段式訓練演算法，能否找到一種完全無監督的在線訓練演算法?
2) 建模上的挑戰
如果允許非鄰接層或同層神經元存在連接，深層神經網路模型應該如何構造?如何對深層模型進行改進，使輸入資料只需簡單預處理即可輸入模型，同時能夠直接處理多模態資料?如何構造深層模型，使其減輕對有標簽資料的依賴?如何改造深層模型使其實作并行加速?
3) 工程實作上的挑戰
深層神經網路訓練時間過長，易于過擬合，使得模型建模及推廣能力較差，如何改造深層神經網路的訓練演算法，使其能夠快速收斂到最優解，從而大幅度減少訓練時間，而且模型推廣性能良好，是一個需要解決的重要問題。如何改造深層模型，使其適用于多種型別的輸入資料甚至多模態混合資料?如何改造深層模型，使其能夠有效地結合 GPUs 以及分布式計算等并行加速技術?
3. 相關探索
我們提出了gcForest（multi-Grained Cascade forest，多粒度級聯森林），以及一種全新的決策樹集成方法。這種方法生成一個深度樹集成方法（deepforest ensemble method），使用級聯結構讓 gcForest 做表征學習。當輸入帶有高維度時，通過多粒度掃描，其表征學習能力還能得到進一步的提升，而這有望使 gcForest 能注意到背景關系或結構（ contextual or structural aware）。級聯的數量能夠根據情況進行調節，從而使 gcForest 在只有小資料的情況下也表現出優異的性能。需要指出，gcForest 的超引數比深度神經網路少得多；更好的是 gcForest 對于超引數設定性能魯棒性相當高，因此在大多數情況下，即使遇到不同領域的不同資料，也能使用默認設定取得很好的結果。
二、設計與構架總覽
1 設計原則
MAI 的目標是成為人工智能公鏈內注重法律法規、隱私保護和可擴展性的區塊鏈系統。為了實作這一點，并應對上述提到的一系列挑戰，我們的架構設計遵循以下原則。
1) 職責分離將所有人工智能節點直接連接成一個單獨的區塊鏈是不現實的。除了不同的智能合約應用程式需要不同的區塊鏈屬性設定之外，在單個區塊中，承載過多的節點對其規模和算力的要求直線上升，對人工智能來說計算量級過重。相反，職責分離可確保每個區塊鏈與特定組別的人工智能節點進行互動，在有需求時才與其他區塊鏈進行互動。這與互聯網的構架相似異構設備首先形成一個內部連接的組，即內部網路。較小的內部網路進而構成一個更大的內部網路，最終連接到互聯網中心并相互通信。職責分離通常會創建一個均衡的系統，以最大限度地提高效率和保護隱私。
2) 奧卡姆剃刀定律每個區塊鏈都有不同的用途和應用，應有針對性地進行設計和優化。例如，專用于交易傳遞的區塊鏈不需要受圖靈完備智能合約；運行在信任區域中的區塊鏈無需過分注重交易隱私。
3) 簡化計算如前所述，區塊鏈生態中充滿了異構系統和節點，它們的算力、存盤容量和功耗各不相同。由于強節點可輕易完成弱節點能夠完成的操作，因此應該以弱節點為設計目標優化區塊鏈操作。例如，操作需以輕量級為目標，從而節省算力、存盤空間和能源等相關資源。
2. 鏈中鏈架構
MAI 是由許多分層排列的區塊鏈組成的網路，這些區塊鏈在保持互操作性的前提下共同運行。 在 MAI 生態中，根鏈(root blockchain)管理著許多獨立的區塊鏈或子鏈(subchain)。子鏈與 AI 計算出的具有相似性的智能合約相連接，這包括功能的相同性、應用場景或級別相似性。如果一條子鏈在遭受攻擊或遇到DAPP 錯誤時無法正常運行，根鏈完全不受影響。此外，也可以進行跨區塊鏈交易，將價值和資料從子鏈轉移到根鏈，或者通過根鏈從一條子鏈轉移到另一條子鏈。
根區塊鏈是任何人都可以訪問的公共鏈，它有三個主要目標：
1) 以保護隱私的方式在子鏈之間傳遞數值和資料，以實作子鏈間的互操作性；
2) 監督子鏈，例如通過沒收定金(bond confiscation)懲罰子鏈上的運營方(bonded operators)；
3) 計算和確定支付，建立子鏈信任。有了具體目標，根鏈將專注發展其可擴展性，穩固性，隱私保護功能和協調子鏈的能力。
子鏈具有成為私有區塊鏈的可能，并且依賴于根鏈作為中間站與其他子鏈進行互動。子鏈需具備靈活性和延展性以適應智能合約應用的多樣化需求。子鏈很可能由在根鏈上存有定金的運營商運營。在另一種方案中，系統允許運營商提名一個或多個運營商在有/無特別系結的前提下為其運作。運營商像根鏈上的輕量級客戶端，作為子鏈上的完整節點來打包新區塊。
詳見表2：根鏈和子鏈屬性對照表。
3. 根鏈(Root Blockchain)
根區塊鏈與以太坊一樣使用基于內外部賬戶的模型，原因如下：此公鏈是著眼于應用層面，所以不會采取位元幣的UTXO 模型；節省大量空間（每筆交易只有一個輸入、一個輸出、一個簽名）；簡單編碼；潛在的可拓展性；輕量級客戶端。潛在使用網路分片技術：使用網路分片技術，如果你有10000 個節點，通過作業量證明程序，它們將被隨機分為 10 組，每個組被稱為一個分片。每個分片處理一組不同的資料，并得出小組內一致同意的答案。然后，各分片將這些資料的摘要報告提交給一個名為目錄服務委員會的分片，由它來統籌不同分片的資料摘要，并將它們組合起來形成一個更大的資料集，稱為最終區塊，最終區塊的資料又會被回傳所有分片。從上面的分析可以看到，分片技術是一種去中心化的、安全的鏈上擴容方案，具有線性的擴容能力也就是說，節點越多，得到的吞吐量就越大。分片技術有兩種型別：網路分片和狀態分片，以太坊正在開發的技術是狀態分片。兩種技術的不同之處在于，在網路分片中，不是每個節點都必須處理每條資訊，但是每個節點都必須存盤網路中其它分片的資訊；如果使用狀態分片，每個節點都只存盤它們自己處理過的資訊子集，雖然這減少了每個節點的負擔，但分片之間的互通會變得復雜。
4. 子鏈（Subchains）
MAI 通過低層基礎設定為分布式區塊鏈應用程式開發度身定制了可發展和增補的子鏈架構，人工智能可根據應用需求定制相對應的子鏈驗證模型、規格、引數和交易型別。
MAI 子鏈使用以賬戶為基礎的設計模型，使其易于追蹤交易狀態。子鏈包含類似于以太坊兩種型別的賬戶，即常規賬戶和合約。由人工智能算出與根鏈相同的共識機制產生的有效交易被添加到區塊中，以達到同等的結算速度，提高跨鏈通訊的效率。子鏈使用根鏈通證、MAI 通證或自行定義通證。開發者在子鏈上定義的通證可以通過通證銷售或通過公共交易平臺公開發行。
子鏈也同時支持智能合約，并且運行在輕量級且高效的虛擬機之上。我們目前正在測評Web Assembly（WASM），這是一種用于構建高性能網路應用程式的新興網路標準。WASM 效率高，速度快。我們同時也在探索其他可能性。通過人工智能生成智能合約，連接到相同子鏈設備以兩種方式共享狀態。
三、內置隱私保護交易機制
位元幣和以太坊本身提供的隱私僅限于使用匿名地址，兩者交易細節皆是透明的。任何人都可以輕易從透明的賬本了解交易金額，被轉讓的資產以及該交易與其他交易的關系。在這種情況下，發送方的隱私，接收者的隱私和交易細節隱私三個方面是需要解決的議題。如表3 所示，各種加密方案可用于解決以上所提的隱私問題。
MAI 的隱私保護技術通過隱藏接收方的地址，使用環形簽名（ Ring Signatures）保護寄送方的隱私和使用佩德森承諾協議（ Pedersen commitment）來隱藏交易金額，進行了以下創新和改進：
使用AI 推薦的隱藏地址讓接收方不用計算整個區塊鏈來確認交易；優化環簽名，使其體積更簡潔并更具有可信賴的水平。
1. 以可傳遞支付碼隱藏交易接收方
隱藏地址技術源于Cryptonote 協議，它利用半輪（half round）Diffie-Hellman 密鑰交換協議解決接收方的接收問題。這個技術的局限性在于目前接收方必須要掃描網路中的所有交易，或是要依靠可信的完整節點（在一定程度上泄露隱私）的幫助以完成接收。支付代碼的設計旨在解決隱藏地址的上述缺點，但仍有泄露交易隱私的缺點。
2. 保密交易機制
本質上，區塊鏈交易只是一個元組（{ pkin， i}，{ pkout， j}，{ vi， j}），其中{ pkin， i}是輸入地址，{ pkout， j}是輸出地址，{ vi， j}是輸入和輸出地址之間的交易金額。由于位元幣交易是以明文形式存盤在公共賬本中，因此引發了很多安全和隱私問題。保密交易的目標是使只有交易的發送方和接收方能夠知道{vi，j}值，并沒有其他人知道交易雙方以及{vi，j}值。此外，保密交易可以允許網路物體驗證每個交易的有效性，但是交易的實際金額不會被泄露。區塊鏈上的保密交易的實作需要許多先進的密碼技術。
3. 通過 Bulletproofs 模型證明交易金額范圍
Bulletproofs 模型是為了替代佩德森承諾協議（Pedersen commitment）而被提出的。這是一種新的非互動零知識證明協議模型（ noninteractive zeroknowledge proof protocol），它僅需非常短小的證明簽文（ proofs）并且不需要仰賴可信任的節點，因此可以在沒有額外計算量的條件下，將范圍證明（ range proof）的大小從線性減小到次線性，并進一步減少交易體量。由于 Bulletproofs模型很好地符合 MAI 的設計原則，我們將把防彈協議（Bulletproofs）整合到MAI 中。
四、PAI 高速共識機制
1. 技術背景
作業量證明演算法（PoW）是實作大多數區塊鏈（包括位元幣和以太坊）全球共識的支柱。作業量證明演算法（PoW）使在計算上很難構建一個有效的區塊并將其附加到區塊鏈上。區塊鏈變得越長，就越難扭轉區塊鏈以前記錄的任何交易。攻擊者必須擁有基于 PoW 的區塊鏈網路整個計算能力的 51%，才能操縱該區塊鏈。雖然PoW 為大型分布式區塊鏈的全球共識提供了一個優雅的解決方案，但它也有一些固有的局限。維持共識整體計算成本很高，相當于 51%的攻擊成本。這意味著即使大部磁區塊鏈參與者都是誠實的，他們仍然需要使用大量的電力來維護區塊鏈，這不適合傾向于快捷的網路環境。另外，在單個設備級別上，使用PoW 通常會花費大量的 GPU 周期和記憶體空間，造成不必要的系統浪費。
2. 共識機制：AI 隨機授權股權證明機制
為了設計和開發MAI 的快速高效的共識機制，我們計劃采用以下技術。
1) 股權證明機制為了避免以上提到的因PoW 所帶來的問題，這里有一個好的方案是權益證明演算法（PoS）作為區塊鏈達成共識的有效替代方案。PoS 的原理思想是隨機選擇一組節點對下一個區塊投票，并根據它們持有以太坊量的多少（即權益）對他們的投票進行加權。如果某些節點行為不規范，系統可能會沒收其鏈上的以太坊。藉由這種方式，不用通過高計算成本的 PoW，區塊鏈依舊可以更高效地運行，除此之外可以實作鏈上的經濟穩定性：參與者擁有的權益越多，其維護賬本共識機制的動機就越大，其節點行為不當的可能性也就越低。 現在已經有一些根據權益證明演算法（PoS）研發的設計和使用，例如 Tendermint，已被許多應用程式采用。
2) 授權股權證明機制
授權股權證明（DPoS）改進了 PoS 的思想，即授權股權證明允許參與者委托一些代表來代表他們在網路中的部分股權。例如，Alice 可以向網路發送訊息，委托 Bob 代表她的股權并代表她投票。DPoS 為我們的 AI 區塊鏈應用提供了以下優勢：小股權參與者可以將他們的股權集中起來，讓他們有更高的機會共同參與區塊鏈中的投票，然后分享獎勵。資源受限的節點可以委任代表，因此并非所有節點都需要保持聯機才能達成共識。代表可以是具有強大電力供應和網路條件的節點，也可以動態隨機選擇，因此我們在鏈上將獲得更高的整體可用性，使網路達成共識。使用DPoS 的加密貨幣包括 EOS和 Lisk。
3) 拜占庭容錯演算法
實用的拜占庭容錯演算法（PBFT）是 Castro 和 Liskov 在 1999 年提出的一種有效的抗攻擊演算法，用于在分布式異步網路中達成協議。我們前期計劃使用PBFT 作為我們 DPoS 共識機制的基礎投票演算法，因為它是一種簡潔而且研究得非常好的演算法，它提供了迅速的結算性，這對于構建高吞吐量 TPS 與可擴展的區塊鏈至關重要。 正如 Castro 和 Liskov 的原始論文所證明的那樣，只要低于三分之一的網路節點出現故障或惡意行為，PBFT 就可以為鏈提供可用性和安全性； 同時，PBFT 的網路成本非常低，僅為未復制網路系統成本的 3%。基于 PBFT 的加密貨幣包括 Stellar和 Zilliaq。
4) 基于 AI 選擇的共識機制
如上所述，為了效率考慮，當要提出或選舉新塊時，系統將隨機選擇一小組節點。這種通過人工智能選擇演算法的設計非常重要，因為它影響了整個共識程序的公平性和安全性以及合法性。
3. 輕量級用戶 AI 定期檢查點的創建
在區塊鏈網路中，我們預計很多設備都是輕度使用的客戶端，也就是參與者不會在本地記錄完整的交易歷史。以位元幣為例，目前存盤完整位元幣區塊鏈需要的空間已經超過100GB，因此許多用戶可能無法下載完整區塊鏈。
為了緩解這一性能問題，以太坊的發明者Vitalik 建議在區塊鏈上創建定期檢查點：epochs[2]，例如每隔 50 個區塊設定一個 epochs。這樣做的好處是每個檢查點都可以基于前一個檢查點進行驗證，運用這個方式輕量級客戶就可以更快地同步整個區塊鏈。
五、MAI 網路中的通證機制
本地數字通證（MAI TOKEN）是 MAI 網路生態的重要組成部分，它被設計成完全服務于 MAI 網路。在 MAI 主網啟動之前，通證是以兼容 ERC20 標準部署于以太坊網路上的，待到主網發布后，通證會完全遷移至 MAI 主網上。
MAI TOKEN 通證作為一種虛擬加密燃料被用于在 MAI 網路上實作某些功能（比如執行轉賬和運行分布式應用），通過消耗 MAI TOKEN 通證激勵社區參與者，維持 MAI 網路上的生態。在 MAI 網路上執行轉賬和運行分布式應用以及驗證添加區塊/資訊需要占用很多的計算資源，因此我們需要激勵這些提供服務/資源的網路參與者（即挖礦）以保持 MAI 網路的完整， MAI TOKEN 通證還被作為一種匯率單位用于支付占用計算資源所產生的費用。
MAI TOKEN 通證是 MAI 網路中不可或缺的一部分，如果沒有 MAI TOKEN通證，那么就沒有一種匯率單位去支付這些費用，從而使 MAI 的生態系統無法持續。
MAI TOKEN 通證作為一種支付單位具有不可逆的功能，將被用于 MAI 網路參與者的轉賬交易中。引入 MAI TOKEN 通證的目的是為生態系統中的網路參與者提供一個便捷安全的支付結算模式。MAI TOKEN 通證并不代表任何股權、參與權、投票權、職位、以及 MAI 基金會的收益。基金會及其分支機構，或其他公司、企事業單位不會給通證持有者承諾任何利潤以及投資回報，也不會在新加坡或任何相關管轄區內構成有價證券。MAI TOKEN 通證只能在 MAI 網路上使用，并且通證持有者沒有被授予任何明示或暗示的權利，除了正確使用 MAI TOKEN通證以促進 MAI 網路和諧發展。
關于MAI TOKEN 通證，需特別注意：
1) 基金會及其任何附屬機構沒有對通證進行退款或者變現（或者替換成等值的其他虛擬貨）或者其他任何支付方式的義務；
2) 通證不會使通證持有者獲得基金會（及其任何附屬機構）任何形式的權利、收益或資產，包括但不限于基金會有權獲得的未來收益，股票，股權或股份，證券，任何投票、分配、贖回、清算、產權（包括所有形式的知識產權），或者與其他金融、法律同等的權利，或者與 MAI 網路參與者、基金會、服務供應商有關的任何知識產權。
3) MAI TOKEN 通證并不是一種貨幣（包括電子貨幣），有價證券，商品，債券，債務或其他任何一種金融工具或投資；
4) MAI TOKEN 通證不是基金會或其任何附屬機構的貸款，也并不是基金會或其任何附屬機構所欠債務，且沒有任何預期的利潤；
5) 基金會及其任何附屬機構不會授予 MAI TOKEN 通證持有者任何權利或者收益。
MAI 驅動的生態系統
一個區塊鏈智能合約自由搭建的基礎公鏈，基于MAI 公鏈將具有無限的可擴展性。
案例1.防偽區塊鏈合約
目前，國內防偽企業約有3000 家。絕大多數產品采用的是低技術含量的防偽手段，很容易被復制，而傳統的數字防偽成本極高，防偽麻煩難推廣，特別是對于低值、高消費的產品。通過MAI 防偽，品牌商可以根據智能合約模板或自身的需求快速創建智能合約，生成一個新的基于 MAI 系統的區塊鏈系統，并生成僅使用防偽和點數的品牌令牌。這個令牌是品牌管理人員使用的，需要在每次執行合同時使用。品牌所有者通過生成數字令牌來完成防偽作業。每個用戶可以使用 MAI DAPP 對基于 MAI 系統，生成令牌的品牌商家的產品執行一鍵掃描碼防偽。此代碼只能掃描一次。掃描代碼將保存在區塊鏈中，不能更改。因此，只有能領取數字令牌的商品才是真正的商品，防偽技術不可篡改，不可
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/31795.html
標籤：區塊鏈技術
上一篇：應用型公鏈挖礦應回歸到普適性時代