algo是什么网络

1. 欧洲最大的B2B网站是哪个象中国阿里巴巴那样的，因为我要做产品到欧洲市场。谢谢！

1、趣得免费发布信息网 不用注册，免费发布买卖信息，企业信息，产品信息，生活信息
http://www.qudee.com
2、allactiontrade
http://www.allactiontrade.com/
3、b2s
http://www.b2s.com/
对发布的信息有限制，只能发布8条

4、兴隆生意网
http://www.nn99nn.com

5、Tradeprince
http://www.tradeprince.com/
语种：中文/英文
6、ECROBOT
http://www.ecrobot.com/
7、EXIMTURK
http://www.eximturk.com/
8、exTrade
http://www.extrade.net/
9、GLOBAL TRADE VILLAGE
http://www.globaltradevillage.com/
10、Offer21
http://www.offer21.com/
11、tradeusd
http://www.tradeusd.com/
12、RUSBIZ
http://www.rusbiz.com/
13、TradeBusiness
http://www.tradebusiness.com/biz/
14、eurotradeport
http://www.eurotradeport.com/
15、importersarea
http://www.importersarea.com/
16、21cpp
http://www.21cpp.com/
被译成了五种语言

17、AsianProcts
http://www.asianprocts.com/
18、ECVV
http://www.ecvv.com/
语种：中文/英文
19、exportersarea
http://www.exportersarea.com/
可以收到很多询盘，但是免费用户无法查看联系方式。

20、Import-Export-Guide
http://www.import-export-guide.com/trade/

21、Itrademarket
http://itrademarket.com/
22、me360
http://en.me360.net/
被译成了三种语言

23、Sw365
http://www.sw365.com/
语种：中文/英文
24、T Leads
http://www.tleads.com/
25、tradeget
http://www.tradeget.com/
发布的信息有数量的限制。

26、TradeLeads
http://www.tradeleads.com/
27、tradeoffer
http://www.tradeoffer.com/
28、tradepeak
http://www.tradepeak.com/
被译成了六种语言。

29、The Mellinger Co.
http://www.tradezone.com/trade-leads/suppliers.php
30、Wbiz
http://www.wbiz.net/
31、WTExpo
http://wtexpo.com/
32、China-Exporter
http://www.china-exporter.net/
语种：中文/英文

33、WTC JAPAN TRADE LEADS
http://www.wtcjapan.ne.jp/
语种：英文/日文

34、FOREIGN TRADE
http://www.foreign-trade.com/
35、WorldTradeAA
http://www.worldtradeaa.com/
36、China Exporter Calalog
http://exporter.globalimporter.net/
语种：中文/英文

37、TradeBIG
http://www.tradebig.com/front.php
语种：中文/英文
38、GuoXin
http://www.guoxinb2b.com/
39、VIETOFFER
http://www.vietoffer.com/main.php
40、VIETNAM CHINA BUSSINESS LINK
http://www.vietnamchinalink.com/default.asp?lang=3
提供了三种语言供大家选择

41、NuDeal
http://www.nudeal.com/
不过发布信息和产品是有限制的，每种只能发布10条

42、NetGlobalTrade
http://www.netglobaltrade.com/
43、PREMiERbusiNESSclub
http://www.premierbc.com/
44、aaaoe
http://www.aaaoe.com/
看不到其它人的联系方式

45、Tpage
http://www.tpage.com/
46、Export500
http://www.export500.com/eexport/main/index.jsp
47、86trade
http://www.86trade.com/
语种：中文/英文

48、100trade
http://www.100trade.com/English/index.asp
语种：中文/英文

49、ALIGUGU
http://www.aligugu.com/
语种：中文/英文

50、EC21
http://www.ec21.com/
语种：中文/英文
51、EC51
http://www.ec51.com/
语种：中文/英文
52、ecplaza
http://www.ecplaza.net/
语种：中文/英文
英文的浏览量很高，经常可以收到客户的询盘。

53、hardwaretoday
http://www.hardwaretoday.com/english/index.jsp
语种：中文/英文

54、europetradearea
http://www.europetradearea.com/
语种：中文/英文

55、ttnet
http://www.ttnet.net/
语种：中文/英文
英文的浏览量比较高，有时可以收到客户的询盘。

56、wdtrade
http://www.wdtrade.com/
语种：中文/英文

57、wdexporters
http://www.wdexporters.com/
被译成了10种语言

58、wdimporters
http://www.wdimporters.com/
语种：中文/英文
59、掌商网
http://zs91.com/
语种：中文/英文
不过英文的服务器好像有些问题，发布、修改信息时经常看不到信息的名字。

60、CECF Online
http://www.cecf.com.cn/en/index.do
语种：中文/英文

61、WTO
http://www.wtoworld.com/
语种：中文/英文

62、SM160
http://www.sm160.com/
语种：中文/英文

63、Aligugu
http://www.aligugu.com
语种：中文/英文
64、Goodsres
http://www.goodsres.com/
语种：中文/英文
65、八方资源网
http://en.b2b168.com/
语种：中文/英文
66、BusyTrade
http://www.busytrade.com/
被译成五种语言。
浏览量比较高，有时可以收到客户的询盘。不过免费会员发布信息有时间限制

，过期了，就不能发了。

67、usimporters
http://www.usimporters.us/
语种：中文/英文
68、Sugoo
http://www.sugoo.com/Index.htm
被译成了六种语言。

69、57trade
http://www.57trade.com/
语种：中文/英文

70、tradelinkist
http://www.tradelinkist.com/
语种：中文/英文

71、中国产品平台
http://english.mainone.com/
语种：中文/英文

72、30trade
http://www.30trade.com/
语种：中文/英文

73、90trade
http://www.90trade.com
语种：中文/英文

74、B2BQUOTE
http://ckw19.gm11.b2bquote.com/
75、ChineseSource
http://www.chinesesource.net/
76、tradewebsites
http://www.tradewebsites.net/
语种：中文/英文

77、3ctrade
http://www.3ctrade.com
语种：中文/英文
78、seekgoods
http://www.seekgoods.com/

79、Algomtl
http://www.algomtl.com/algopages.html

80、ecEmirates

http://www.ecemirates.com/

81、toboc
http://www.toboc.com/

82、http://www.freedom-trade.com
自由发信息的论坛，发信息很方便、快捷，有3W多国内外贸易会员！
83、http://www.postrade.com
注册要邮件激活，激活后可免费发信息！
84、http://www.ecplaza.net/
注册需要邮箱接收一个验证码才能登录
85、http://www.ecrobot.com
注册，发布信息，都比较简单。
86、贸易王子http://china.tradeprince.com/
注册发布信息，可生成公司简介主页
87、http://www.foreign-trade.com/
有贸易论坛，不用注册，发布简单。
88、http://www.busytrade.com/
注册即可发布，信息需要审核
89、http://www.nudeal.com/welcome/
注册，发布信息，都比较简单。
90、http://www.asiatrade.com/forum/index.php
贸易论坛，注册即可发布
91、http://www.swissinfo.com
论坛、留言板样式，注册需邮件验证，登录时不是普通的网页登录
92、http://www.worldtradeaa.com/
注册时用邮件地址做用户名，登录时也一样，注册验证激活后即可发布，发布

需审核

93、http://centretrade.com/cgi-local/forum.cgi
非常简单的留言本样式，发布的信息可能比较容易被搜索引擎收录

94、http://www.cybertradezone.com/default.asp
注册后可发布简单的信息

95、http://www.extrade.net/
简单注册后，即可发布，无需审核。

96、http://www.tradezone.com/ITbb/index.php
贸易论坛，注册即可发布。

97、http://www.ectrade.com/
国内办的网站，英文版注册可发表，中文版没有试

98、http://www.allprocts.com/lead/TradeLeads.html
论坛核心，注册即可发布信息

99、http://www.buyselltrading.com

用邮件地址作为用户名,注册，注册激活后即可发布

100、http://www.sw365.com/
可以免费发布产品信息，产品展示，可设置简单的公司主页

101、http://www.trade-india.com/bbsnew/bbsindex.html
免费发布，发布信息的时候，同时注册，需邮件激活

102、http://www.afacerionline.com/
只能注册30天试用期的免费会员，发布信息需要审核

103、http://www.pppindia.com/trade/trade.html
直接发布，无需注册、审核

104、http://www.tradeeasy.com/jsp/tehome.jsp
有简体中文版，英文版注册发布成功，中文版没试！

105、http://www.premierbc.com
用邮件地址注册，注册后即可发布信息

106、http://www.impextrade.com/
就是made-in-china

107、http://www.netglobaltrade.com
邮件验证注册，可发表

108、http://www.go4worldbusiness.com/
注册即可免费发布，信息中不能包含网址

2. 区块链公链都有哪些

区块链有公有区块链、联合（行业）区块链、私有区块链。公链有点对点电子现金系统：比特币、智能合约和去中心化应用平台：以太坊。

区块链为分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。

区块链（Blockchain），为比特币的一个重要概念，它本质上是一个去中心化的数据库，同时作为比特币的底层技术，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次比特币网络交易的信息，用于验证其信息的有效性（防伪）和生成下一个区块。

(2)algo是什么网络扩展阅读

根据区块链网络中心化程度的不同，分化出3种不同应用场景下的区块链：

1、全网公开，无用户授权机制的区块链，称为公有链；

2、允许授权的节点加人网络，可根据权限查看信息，往往被用于机构间的区块链，称为联盟链或行业链；

3、所有网络中的节点都掌握在一家机构手中，称为私有链。

联盟链和私有链也统称为许可链，公有链称为非许可链。

区块链特征

1、去中心化。区块链技术不依赖额外的第三方管理机构或硬件设施，没有中心管制，除了自成一体的区块链本身，通过分布式核算和存储，各个节点实现了信息自我验证、传递和管理。去中心化是区块链最突出最本质的特征。

2、开放性。区块链技术基础是开源的，除了交易各方的私有信息被加密外，区块链的数据对所有人开放，任何人都可以通过公开的接口查询区块链数据和开发相关应用，因此整个系统信息高度透明。

3、独立性。基于协商一致的规范和协议(类似比特币采用的哈希算法等各种数学算法)，整个区块链系统不依赖其他第三方，所有节点能够在系统内自动安全地验证、交换数据，不需要任何人为的干预。

4、安全性。只要不能掌控全部数据节点的51%，就无法肆意操控修改网络数据，这使区块链本身变得相对安全，避免了主观人为的数据变更。

5、匿名性。除非有法律规范要求，单从技术上来讲，各区块节点的身份信息不需要公开或验证，信息传递可以匿名进行。

3. 荻野真早期烂尾作品《ALGO!/电脑骑士》

电脑骑士，原名ALGO!，即便是荻野真的粉丝，看过的也不多。这部漫画虽然小众，然而盗版却出了不少，译名五花八门什么都有（这部作品从未出过正版的中文版，我想在座的99.99%都是从盗版看起的）：

（1）ALGO!（雅景出版社，3卷，书名未汉化）

（2）暗黑电脑王亚路加（出版社未知，3卷？这版使用了和其他版本都不一样的封面，比原版好看多了。）

（3）电脑王（宇宙出版社，3卷？我手上正好有第一卷，但是开头删了好多页）

下面是国内盗版：

（4）时空骑士（延边人民出版社，4卷）

（5）电脑骑士（四川美术出版社，居然拆成8卷卖，有够丧心病狂！）

……

荻野真擅长玄幻却一心想画科幻，《ALGO!》是他的第一次尝试。这个趣闻我之前在《辣妹海钓船》书报中提到过，是荻野真在后记里自曝的。这部早期作品虽然烂尾，但是其展示的电脑世界足以让当时很多连鼠标都没摸过的孩子叹为观止。不过当然啦，虽然在那个年代，电脑、网络、人脑接入网络等时髦概念潜力巨大，但并不是人人都能创作出《攻壳机动队》这种神作的，大部分同类题材都格局极小，最终落入“电脑=游戏机”的窠臼。《ALGO!》正是这些盲流大军中的一员。

故事简介

时代背景应该是日本80年代，彼时电脑正在普及，主角是秋叶原附近的万世桥高等学院的一名学生，他不认真上课，逃课玩游戏，总之是一个较为接地气的主角人设。自从他发现了一款名为《ALGO!》的游戏，诡异事件接连发生，但这并不是鬼怪故事，而是电脑世界（异次元世界）的生物来到了现实世界……

“很久很久以前，在遥远的电脑世界里曾发生过一场大战，后来这场战争超越了时空，苏醒了现实世界。”——摘自电子版，图源应该是《电脑骑士》

明明是科幻定位，却毫无科学概念，在开头就抹上了神话色彩，也许这已经为腰斩埋下了地雷。

彼时的秋叶原还没有成为二次元圣地，这里有各种电子产品，甚至还有坦克零件出售？？

荻野真此时对于画女性似乎还没有得心应手，女主的眼距如此之大，像得了唐氏综合征（没有对唐氏患者不敬的意思，只是打个比方）。江湖传闻“画女体者得天下”，可惜荻野真太不会画美女了。

主角的名字是基町走太郎，给主角起这么残念的名字，能红就怪了。

主角在常去的一家店里发现一块电路板，经过调试发现这是一个名为《ALGO!》的游戏的电路板（相当于街机游戏的卡带？）。

在该校教电脑课的蚁元老师正在开展一个邪恶计划，他把一名女同学变成了可以控制电子器件的怪物。有趣的是网络上流传的电子版在此处给女妖画上了一套内衣。另外，我手上这本所谓的宇宙版，翻开第一页就是这个画面，前面那么多页都被吃了吗？？下面简单做下对比：

虽然整个故事很平庸，但是亮点也不是没有，比如下面这张扉页，男主和女主在更衣室被变异了的女同学追杀，外面的同学们却毫不知情，此处荻野真首次使用了FC游戏风格，后面的战斗场面也有这种风格。

在千钧一发之际ALGO降维打击，救下了他们，他是敌是友……废话，当然是正义的伙伴啦。后来主角在与蚁元战斗的过程中，ALGO进入主角体内，两者合为一体，开始了与邪恶势力的战斗。

作者画风还未成型，但是从ALGO登场的这几个画面可以看出，荻野真对这个作品有不小的野心。能在手绘时代把铠甲画得布灵布灵的，说明是下了一番功夫的。

故事就这么平庸地展开了，后面的剧情发展都在可以预料的范围，到了结局处戛然而止，好在作者多画了几个分镜，开启了上帝视角，使得即使三卷也能勉强完结，比后来同样烂尾的《怨灵侍》好一些。

4. u盘上algo是什么意思

你好,这是爱国者U盘,ALGO是爱国者的LOGO.

5. 网络流量威胁-xmrig协议PCAP分析

1、xmrig木马

挖矿木马成为黑产团伙的主要获利方式之一，也成为了企业内部安全的主要威胁之一。门罗币很多僵尸网络也把挖矿作为主要的获利手段。本文分析挖矿连接的行为。

2、具体样本

样本具有连接xmrig矿池通信行为，xmrig协议通信；

3、PCAP分析

相关实验的 xmrig通信PCAP

DNS  Standard query   A xmr.pool.minergate.com

xmrig协议格式【1】

request：

{"id":x,"jsonrpc":"2.0","method":"login","params":{"login":"xxxxxx","pass":"x","agent":"xxxxx","algo":["xxx","xxx","xxx"]}}

{"id":x,"jsonrpc":"2.0","method":"submit","params":{"id":"xxxx","job_id":"xx","nonce":"xxxx","result":"xxxxxxx"}}

response：

{"params":{"blob":"xxxxxx","taget":"xxxx","job_id":"xxxxx"},"method":"xxx"} 

本次抓包具体例子：

{"id":1,"jsonrpc":"2.0","method":"login","params":{"login":"xxx","pass":"x","agent":"Static XMRig/2.13.1 (Linux x86_64) libuv/1.24.1 gcc/6.4.0","algo":["cn","cn/r","cn/wow","cn/2","cn/1","cn/0","cn/half","cn/xtl","cn/msr","cn/xao","cn/rto","cn/gpu"]}}

6. 为什么这么多人坚信FIL会飙升

因为，我是IT从业者，这个币技术门槛很高，不是某个三脚猫的团队能做出来的，而且灰度团队研究了几个月才决定买入，，还有另外很多等等利好一些细节，，，不是为了圈钱而来。我屯着它，三年回看 大家拭目以待。

认知方面。人不可能赚到超过自己认知以外的钱，换句话说，相信FIL会涨的人都是因为FIL确实涨过，他们也确实赚到了，就这么简单。

因为信仰。IPFS项目是存在极大可能性真实改变互联网储存现状的，目前华为、谷歌、腾讯等都在布局这个赛道。

因为时代。比特币一分钱的时候说它是骗局，10W的时候都说马上崩盘，但是现在，比特币40W了。这个时代是属于区块链的时代，顺时代而为，才是最应该的选择。

另外，讲讲我自己，FIL币380的时候入场买了20W，赚。800的时候搞挖矿，现在一天挖4个币。它让我实现了跨越，我为啥不看好它呢？

Filecoin项目未来是有它的增长价值的，它的币价会涨，依据有几点。

第一，Filecoin不仅仅是一个数字货币，它还有具体的应用场景落地。现在来看，它主推的是应用场景，未来所有开发者和应用场景爆发，FIL的需求方会购买FIL。

第二，目前FIL的价值被低估。从盘面来看，大约在9亿美金，连数字货币的前五都排不到，价值被低估了。一年以后，它的流动盘达到1亿左右。假设一下，一年后FIL市值进前五，算下来币价在50美金左右，按照目前趋势，三到六个月的话，还是有可能达到这个价格的。

FIL（Filecoin）的保守估值

根据Filecoin融资时代币的分配机制，总发行量20亿枚，其中70%（14亿）留给矿工，挖矿的规则是每6年区块奖励减半。第一年每天释放44万枚，一年平均释放1.584亿枚。

那么像这样一个世界公认的项目，至少会进入世界数字货币市值的前10名，目前第10名是恒星币，市值是100亿人民币，明年会发行1.584亿枚，那么一枚就在63.13元左右。

FIL（Filecoin）的畅想估值，那我们不妨把这个市场大胆估测下。

2018年全球存储市场为4000亿美金，那么除以明年发行的1.584亿枚，就会达到2525.25美金一枚。当然IPFS不可能一上线就推翻传统互联网的HTTP，如果按照10%的市场份额来算，就是252.525美金一枚。

如果我们进一步思考，不是所有发行的FIL都会流通到市面上，毕竟好的币种，有识之士会囤起来，所以一般按照流通到市面上为20%（1.584 0.2亿枚），那么就是1265.8美金一枚，等于8860.6人民币。

我们可以进一步畅想，随着5G到来，人类数据存储需求将呈指数倍增，到了2025年，全球存储市值会达到23万亿美金，到那时，HTTP已经被淘汰，23万亿全都是分布式存储的天下。而到那时，诸多的分布式存储的项目中，IPFS是最有机会独占鳌头的。如果IPFS有20亿美金市值，届时发行的9.504亿枚FIL，一枚价值就接近2万美金！

还有一个细节，2026年FIL将迎来减半！而看BTC的 历史 ，每一次减半随即就迎来了一波牛市，2012年减半，2013年牛市BTC价格从2美金增长到1200美金；2016年减半，2017年牛市BTC价格从650美金增长到19000美金。错过btc，不妨抓住filecoin。

实际上坚信FIL会飙升的都是币圈的炒币者，这些炒币者几乎都区块链技术知之甚少或者完全不懂，只知道IPFS技术牛，所以认为FIL一定会涨。

IPFS（分布式存储）源码开放，这项技术的确是革命性的，而且已经得到广泛的应用，国内一些头部企业也在导入IPFS技术，包括华为在内。

FIL是什么？实际上是给予提供存储资源的硬盘一种虚拟币的奖励。这种奖励其实是不具备实际价值的，只是被很多炒币者认为是代币，炒币者赋予了它炒作的价值。

从最近的数字货币暴跌的行情来看，很多人都明白了一个道理：数字货币只是一把镰刀，众多的炒币者就是那一颗颗韭菜，永远只能任人宰割！

某国更是通过比特币、以太坊等数字货币，收割全球的财富。希望各位币圈的朋友，还是醒醒吧，币圈有风险，且行且珍惜！

同意请留个赞，谢谢!

昨天刚写了fil，没想到今天就彪起来了。。。真是迷幻的市场

作为区块链存储老大，fil的价值不言而喻，还是有网友给我发信息说最近聊fil少了。既然没有什么新的突破，那么就聊聊之前的事情。再简单说说他的优势和劣势

第一，回顾ipfs于filecoin关系

不知道之前看我文章的有多少，再简单回顾两句，很多人应该都不太清楚。Ipfs与fil之间的关系。iPfs是一种网络底层协议，或者说规矩，规定你怎样存文件，怎样取文件，怎样把文件切片。这个不是区块链

而fil是一个激励机制。它是一条区块链，可以把它理解为ifps上的信息交易市场。它的作用是把ipfs上的信息区块链化，也就是证明你存了信息，通过存储信息、检索信息获得奖励，把你的存储的相关记录放到区块链上

简单理解，在ps上各节点存放的是数据，而区块链上放的是哈希值，加密过后的各种记录。

简单总结，ip fs是分布式的存储系统。不是区块链，fil是ip fs的激励机制，它是区块链。

第二，fil的优势

优势就很明显了。应该是这么几个。

一是规模，目前他是存储的龙头老大。而且挑战者其实不太多 。

比如孙哥的那个btt，反正我一听他的名字，我就有点害怕，这个男人太优秀，不知道别人，反正我是没敢弄。

再比如bzz，其实这个技术本来挺好，而且解决了流量的多少与代b结算的关系。本来是可以开创一种新的挖k机制

结果，项目的经济模型设计的太垃圾，不能给人以持续的收入，没有爆块，只有检索。就像是开发了一个打车软件，结果无车可打，没有底薪，大家干瞪眼，就变成现在这种情况。

再比如波卡上的一些存储。我就一句话，如果让我买这些，我会去波卡或者卡萨马。或者你消息比较灵，在他质押的时候快进快出搞一下。

总之，这些东西还无法与fil相提并论。

二是技术融合非常多。

胡安先生应该是专门做存储的，你看ipfs就是他们做的，直接将bit torrent协议升级到了下一个时代。

而在fil的存储共识上，他也有了全新的突破。比如复制证明，时空证明，大量的并行计算，11层的加密与解密，各个阶段的数据封装。用存储比例代替了计算机算力，作为全新的共识机制。更加环保，更加友好。

在爆块儿机制上，借鉴了随机数算法的机制。从上一轮的区块中获得一个随机数，按照你在全网的算力占比，确定一定的随机数范围，算出的随机数小于这个范围则可以获得奖励，和pow那个验算有点像，不用知道那么细，你就知道这个方法是为了增加不确定性。因为如果出块节点大家早就知道了，就会攻击你

这种做法最早来源于艾尔格朗的德那个项目，也叫阿拉贡，algo，让爆块儿的节点更加的不确定，也叫多轮隐秘选举。有持续爆块奖励，矿工们也有持续的收入。这就是他比bzz高明的地方。

三是经济模型比较科学。

什么叫经济模型？说白了就是分钱。一个项目的参与者，有项目方，就是大胡子自己，还有k工，或者可以说存储服务器，还有就是投资者，大的z金或者小的散户，持b者。

由于filecoin的愿景宏大。所以对于代币的激励机制，他是非常谨慎的。从线性释放，代币的分配，关键的质押与销毁就能看出来。大量的代币被锁在的这个网络中，大大减少了流通量。具体可以看我之前的文章。

销毁机制就更狠，以太坊是把这些钱给了矿工，而fil直接把他打到了不可逆地址。以太坊看着也眼红，后来也把这一招学了过来，比如伦敦升级。

第三，Fil的不足。

一是过于依赖区块链性能。

我上一篇曾经说过，fil这条链和其他的链有非常大的不同。他对于区块链的性能要求更高，也就是Tps，每秒钟处理交易数量。Transactions per second.

fil的本质是把ipfs上的碎片化数据给区块链化。简单说就是数据存在了节点上，而数据的哈希值存在了区块链上。前面提过。

传统的区块链最多就是存一些交易的数据，智能合约执行结果，等等，而fil他的整个数据的上链标记存储，都是用的这条链。

在不断存数据的过程中，就会不断的消耗带宽与网络资源。所以前一阵子fil网络也堵的一塌糊涂。这就比较麻烦了，因为这仅仅是这条链的第一步。后面他还有检索的功能等等功能。

我在想，如果遇到极端的情况，比如说网络太过拥堵，直接堵死了。那会不会直接把你质押b给罚掉？这还真不好说，对于带宽，硬件的性能要求都很高。

不过还好，项目方一直在做事情，之前就用通过多扇区提交，捆绑计算结果的方式，一定程度的缓解了网络拥堵，但是长久来看还不够。

二是愿景宏达，不好实现，久则生变，弄不好给人做了嫁衣裳

这条就是一把双刃剑，fil是一个远景宏大的项目，很多人简简单单的理解它就是互联网上的存储。实际上没有这么简单。

Fil的存在是为了让ipfs落地，更多的人愿意用ip fs，这相当于彻底改变了互联网的规矩，比如你过去靠http来搜文件，现在就用ipfs。

过去网上的存储规矩是找中心的服务器，ipfs落地之后，整个网络的数据的流转，互联网的结构都会发生变化，这也就是为什么他会被叫做web3。

哪个地方需要数据，数据就会像向这个地方流动，全网变成了一张大的dht分布式哈希表，大家共同遵守一个调用文件，存储文件，使用文件的规矩，再也没有互联网的大公司大巨头。取而代之的可能是组织。

还是那句话，为了实现这个宏大的目标，胡安就把这个经济模型设计的特别苛刻。罚没质押就不说了，关键是他的质押时间非常长，扇区有540天。

把你锁在里面，跑不了。前阵子b价跌的很厉害的时候，很多人都说被骗了，等扇区到期就跑，现在涨起，还有那么多人跑吗？人性就是如此，胡安不简单

我说了，涨起来皆大欢喜，你跑不了，跌下去了，你质押便宜了，也跑不了，更何况市场来来回回，540天是一年半，最后一个扇区还有180的释放，这就把你给框住了。你虽然中招了，还觉得挺好。

如果看更长期，这个项目会遇到各种各样的风险，如果说冷数据一直突破不了。或者说安全性出了问题，或者说没有大量真实有效的数据，愿意存到上面来。他这个项目可能就不能落地。泡沫逐渐破灭。

但是他会遗留下来一大堆的技术，别人会模仿，他会实现某一个方面实现突破，这就可能就给别人做了嫁衣裳。

最后，该怎么办？

其实前一阵子我一直在写fil，特别是在在他特别便宜的时候，我一直在安抚大家。到60的时候，到50的时候，特别是到40的时候，提示的很明显。有人问我w不w，我说这还w个啥，tun

对于这种项目其实也是一样。你可以多投一些进去。但是如果jg两倍或者三倍以上，我建议就把本j拿出来。

然后你就放着，不要管了。甚至留一部分小底仓一直拿着。赌一个翻身。这种项目一定是，成功了一件功成万骨枯。非常大的收益。

失败了，那确实损失也很大，但是会给你抽身机会。你就这么想。给你100万，你是不是觉得挺多？那给你40万，50万呢，其实也可以。对吧，项目这么多，干嘛那么贪

做后还是希望大家静下心来，多学点儿东西，理解这些东西底层，也能听得懂我在说什么，起码心里有底，一天进进出出看各种消息来回操作，把自己给弄没了，我们一起陪伴的这个项目成长。

先聊这么多，推荐下面链接这本书，通俗易懂，帮助你系统入门区块链。

要完成IPFS存储人类重要的信息的价值，就需求IPFS/Filecoin的生态建设起来，IPFS生态系统只有这样就能够持续发生巨大的商业收入，FIL币价当然就会随之水涨船高，快速上涨。V-Awdbank

但是为什么仅仅依靠这点就可以这么肯定FIL会再次迎来暴升？

根据专业分析团队分析，fil日线走势趋于稳定，布林呈缩口状态。135美金强支撑已经过数次试探和成交量逐渐走低也说明市场对底部的认可。140-150美金已经成为新的底部。并且从场外消息来看，虽然最近投资者的热情被分走一些，但结合小时线来看这也正是有人利用此次热度在压价吸筹。成交量表示市场活跃筹码已经不多，新一波行情预计15日之前就会启动。此次行情爆发将会带动更大的情绪，行情的跨度也会更大。第一阶段预期最少试探300美金。而协议实验室创始人胡安也喊单了！他说FIL币年底能看到750U!

这些其实都是代表了FIL为什么如此多的人看好的原因。而国家发改委首次明确“新基建”范围，以人工智能，云计算，区块链为代表的新技术基础设施，以数据中心，智能计算中心为代表的算力基础设施！

两个方面，地址项目本身，打造的分布式存储概念，是有市场需求的。第二，项目的设计，质押挖矿，导致市场供不应求，释放的量小于解锁的量

Filecoin 是一个去中心化存储网络，让云存储变成一个算法市场。运行在Filecoin区块网络上。区块链中的矿工通过提供存储来获取 Fil币。客户也可以通过支付Fil币来获得矿工提供的存储数据和分发数据的服务。FIL矿工为了获得更多的奖励，通过使用存储空间不断的储存客户的数据，将“存力”转化成“算力”，这样就是不断的给客户提供存储数据的服务。Fil的诞生不单是数字货币那么简单，它有实际的应用存储、检索，真正的可以为现在高速发展壮大的互联网数据新时代作出巨大的贡献

因为星际文件系统是由Juan Benet在2014 年设计的互联网新协议，是一个开源项目，设计目标是实现数据的永久存储、清除网络上的重复数据，并获取存储在网络中节点上的数据地址。

它是一个开源项目，是一种基于内容寻址、版本化、点对点的超媒体传输协议，允许网络中的参与者互相存储、索取和传输可验证的数据，是对标Http的新一代通信协议。

最后我再说一点，IPFS的目标是打造一个更加开放、快速、安全的互联网，我个人觉得它潜力无限

FIL的话是去年十月份上线的，早在2014年5月份Labs（协议实验室）创立，协议实验室可谓精英汇聚，目前核心团队超过76位人才组成，他们来自斯坦福大学，麻省理工，哈佛等世界名校，更有来自ZIZI Google，IBM，甲骨文等全球跨国 科技 巨头的人才。

IPFS投资方也可谓特别之强大，1.红杉资本2.文克莱沃斯兄弟基金3.FundersClub等等

IPFS与Filecoin的关系

IPFS 分布式存储底层协议

Filecoin 是一个基于IPFS网络协议的去中心化存储系统

Filecoin在IPFS协议的基础上增加了市场机制来调节存储本，同时增加了激励机制保障系统稳定运行

哪来这么多的设备可以成为多个“移动硬盘”就好比嘀嘀打车和Aiebnb一样，通过使用奖励就实现了设备共享，利益捆绑，你贡献的越多那么获得奖励就越多！

7. ALGO5L是一种什么货币是真实的虚拟网络货币吗

这是一种真实存在的虚拟货币，这里所谓的真实存在是说这是一种虚拟货币，在现实生活中真的有这个虚拟货币，而不是说他是现实生活中的货币，最近这两年虚拟货币出现的数量是快速上升，有很多你可能听都没听过。

现在的虚拟货币可以说风声已经逐渐过了，国外很多资本集团都在逐渐撤场，也就是这些虚拟货币的价值已经没有以前那么高了。原来比特币价格突破5万美元大关的时候，很多虚拟货币都冒头，价格也是飞速上涨，但随着比特币的热度逐渐退却，越来越多的虚拟货币价格也跟着下降了，这东西未来是一个扑朔迷离的东西，风险很大，比你玩股票的风险还要大，还是不建议普通投资者去碰。

8. 人工神经网络概念梳理与实例演示

人工神经网络概念梳理与实例演示
神经网络是一种模仿生物神经元的机器学习模型，数据从输入层进入并流经激活阈值的多个节点。
递归性神经网络一种能够对之前输入数据进行内部存储记忆的神经网络，所以他们能够学习到数据流中的时间依赖结构。
如今机器学习已经被应用到很多的产品中去了，例如，siri、Google Now等智能助手，推荐引擎——亚马逊网站用于推荐商品的推荐引擎，Google和Facebook使用的广告排名系统。最近，深度学习的一些进步将机器学习带入公众视野：AlphaGo 打败围棋大师李世石事件以及一些图片识别和机器翻译等新产品的出现。
在这部分中，我们将介绍一些强大并被普遍使用的机器学习技术。这当然包括一些深度学习以及一些满足现代业务需求传统方法。读完这一系列的文章之后，你就掌握了必要的知识，便可以将具体的机器学习实验应用到你所在的领域当中。
随着深层神经网络的精度的提高，语音和图像识别技术的应用吸引了大众的注意力，关于AI和深度学习的研究也变得更加普遍了。但是怎么能够让它进一步扩大影响力，更受欢迎仍然是一个问题。这篇文章的主要内容是：简述前馈神经网络和递归神经网络、怎样搭建一个递归神经网络对时间系列数据进行异常检测。为了让我们的讨论更加具体化，我们将演示一下怎么用Deeplearning4j搭建神经网络。
一、什么是神经网络？
人工神经网络算法的最初构思是模仿生物神经元。但是这个类比很不可靠。人工神经网络的每一个特征都是对生物神经元的一种折射：每一个节点与激活阈值、触发的连接。
连接人工神经元系统建立起来之后，我们就能够对这些系统进行训练，从而让他们学习到数据中的一些模式，学到之后就能执行回归、分类、聚类、预测等功能。
人工神经网络可以看作是计算节点的集合。数据通过这些节点进入神经网络的输入层，再通过神经网络的隐藏层直到关于数据的一个结论或者结果出现，这个过程才会停止。神经网络产出的结果会跟预期的结果进行比较，神经网络得出的结果与正确结果的不同点会被用来更正神经网络节点的激活阈值。随着这个过程的不断重复，神经网络的输出结果就会无限靠近预期结果。
二、训练过程
在搭建一个神经网络系统之前，你必须先了解训练的过程以及网络输出结果是怎么产生的。然而我们并不想过度深入的了解这些方程式，下面是一个简短的介绍。
网络的输入节点收到一个数值数组（或许是叫做张量多维度数组）就代表输入数据。例如, 图像中的每个像素可以表示为一个标量，然后将像素传递给一个节点。输入数据将会与神经网络的参数相乘，这个输入数据被扩大还是减小取决于它的重要性，换句话说，取决于这个像素就不会影响神经网络关于整个输入数据的结论。
起初这些参数都是随机的，也就是说神经网络在建立初期根本就不了解数据的结构。每个节点的激活函数决定了每个输入节点的输出结果。所以每个节点是否能够被激活取决于它是否接受到足够的刺激强度，即是否输入数据和参数的结果超出了激活阈值的界限。
在所谓的密集或完全连接层中，每个节点的输出值都会传递给后续层的节点，在通过所有隐藏层后最终到达输出层，也就是产生输入结果的地方。在输出层, 神经网络得到的最终结论将会跟预期结论进行比较(例如，图片中的这些像素代表一只猫还是狗?)。神经网络猜测的结果与正确结果的计算误差都会被纳入到一个测试集中，神经网络又会利用这些计算误差来不断更新参数，以此来改变图片中不同像素的重要程度。整个过程的目的就是降低输出结果与预期结果的误差，正确地标注出这个图像到底是不是一条狗。
深度学习是一个复杂的过程，由于大量的矩阵系数需要被修改所以它就涉及到矩阵代数、衍生品、概率和密集的硬件使用问题，但是用户不需要全部了解这些复杂性。
但是，你也应该知道一些基本参数，这将帮助你理解神经网络函数。这其中包括激活函数、优化算法和目标函数(也称为损失、成本或误差函数)。
激活函数决定了信号是否以及在多大程度上应该被发送到连接节点。阶梯函数是最常用的激活函数, 如果其输入小于某个阈值就是0，如果其输入大于阈值就是1。节点都会通过阶梯激活函数向连接节点发送一个0或1。优化算法决定了神经网络怎么样学习，以及测试完误差后，权重怎么样被更准确地调整。最常见的优化算法是随机梯度下降法。最后, 成本函数常用来衡量误差，通过对比一个给定训练样本中得出的结果与预期结果的不同来评定神经网络的执行效果。
Keras、Deeplearning4j 等开源框架让创建神经网络变得简单。创建神经网络结构时，需要考虑的是怎样将你的数据类型匹配到一个已知的被解决的问题，并且根据你的实际需求来修改现有结构。
三、神经网络的类型以及应用
神经网络已经被了解和应用了数十年了，但是最近的一些技术趋势才使得深度神经网络变得更加高效。
GPUs使得矩阵操作速度更快；分布式计算结构让计算能力大大增强；多个超参数的组合也让迭代的速度提升。所有这些都让训练的速度大大加快，迅速找到适合的结构。
随着更大数据集的产生，类似于ImageNet 的大型高质量的标签数据集应运而生。机器学习算法训练的数据越大，那么它的准确性就会越高。
最后，随着我们理解能力以及神经网络算法的不断提升，神经网络的准确性在语音识别、机器翻译以及一些机器感知和面向目标的一些任务等方面不断刷新记录。
尽管神经网络架构非常的大，但是主要用到的神经网络种类也就是下面的几种。
3.1前馈神经网络
前馈神经网络包括一个输入层、一个输出层以及一个或多个的隐藏层。前馈神经网络可以做出很好的通用逼近器，并且能够被用来创建通用模型。
这种类型的神经网络可用于分类和回归。例如，当使用前馈网络进行分类时，输出层神经元的个数等于类的数量。从概念上讲, 激活了的输出神经元决定了神经网络所预测的类。更准确地说, 每个输出神经元返回一个记录与分类相匹配的概率数，其中概率最高的分类将被选为模型的输出分类。
前馈神经网络的优势是简单易用，与其他类型的神经网络相比更简单，并且有一大堆的应用实例。
3.2卷积神经网络
卷积神经网络和前馈神经网络是非常相似的，至少是数据的传输方式类似。他们结构大致上是模仿了视觉皮层。卷积神经网络通过许多的过滤器。这些过滤器主要集中在一个图像子集、补丁、图块的特征识别上。每一个过滤器都在寻找不同模式的视觉数据，例如，有的可能是找水平线，有的是找对角线，有的是找垂直的。这些线条都被看作是特征，当过滤器经过图像时，他们就会构造出特征图谱来定位各类线是出现在图像的哪些地方。图像中的不同物体，像猫、747s、榨汁机等都会有不同的图像特征，这些图像特征就能使图像完成分类。卷积神经网络在图像识别和语音识别方面是非常的有效的。
卷积神经网络与前馈神经网络在图像识别方面的异同比较。虽然这两种网络类型都能够进行图像识别，但是方式却不同。卷积神经网络是通过识别图像的重叠部分，然后学习识别不同部分的特征进行训练；然而，前馈神经网络是在整张图片上进行训练。前馈神经网络总是在图片的某一特殊部分或者方向进行训练，所以当图片的特征出现在其他地方时就不会被识别到，然而卷积神经网络却能够很好的避免这一点。
卷积神经网络主要是用于图像、视频、语音、声音识别以及无人驾驶的任务。尽管这篇文章主要是讨论递归神经网络的，但是卷积神经网络在图像识别方面也是非常有效的，所以很有必要了解。
3.3递归神经网络
与前馈神经网络不同的是，递归神经网络的隐藏层的节点里有内部记忆存储功能，随着输入数据的改变而内部记忆内容不断被更新。递归神经网络的结论都是基于当前的输入和之前存储的数据而得出的。递归神经网络能够充分利用这种内部记忆存储状态处理任意序列的数据，例如时间序列。
递归神经网络经常用于手写识别、语音识别、日志分析、欺诈检测和网络安全。
递归神经网络是处理时间维度数据集的最好方法，它可以处理以下数据：网络日志和服务器活动、硬件或者是医疗设备的传感器数据、金融交易、电话记录。想要追踪数据在不同阶段的依赖和关联关系需要你了解当前和之前的一些数据状态。尽管我们通过前馈神经网络也可以获取事件，随着时间的推移移动到另外一个事件，这将使我们限制在对事件的依赖中，所以这种方式很不灵活。
追踪在时间维度上有长期依赖的数据的更好方法是用内存来储存重要事件，以使近期事件能够被理解和分类。递归神经网络最好的一点就是在它的隐藏层里面有“内存”可以学习到时间依赖特征的重要性。
接下来我们将讨论递归神经网络在字符生成器和网络异常检测中的应用。递归神经网络可以检测出不同时间段的依赖特征的能力使得它可以进行时间序列数据的异常检测。
递归神经网络的应用
网络上有很多使用RNNs生成文本的例子，递归神经网络经过语料库的训练之后，只要输入一个字符，就可以预测下一个字符。下面让我们通过一些实用例子发现更多RNNs的特征。
应用一、RNNs用于字符生成
递归神经网络经过训练之后可以把英文字符当做成一系列的时间依赖事件。经过训练后它会学习到一个字符经常跟着另外一个字符（“e”经常跟在“h”后面，像在“the、he、she”中）。由于它能预测下一个字符是什么，所以它能有效地减少文本的输入错误。
Java是个很有趣的例子，因为它的结构包括很多嵌套结构，有一个开的圆括号必然后面就会有一个闭的，花括号也是同理。他们之间的依赖关系并不会在位置上表现的很明显，因为多个事件之间的关系不是靠所在位置的距离确定的。但是就算是不明确告诉递归神经网络Java中各个事件的依赖关系，它也能自己学习了解到。
在异常检测当中，我们要求神经网络能够检测出数据中相似、隐藏的或许是并不明显的模式。就像是一个字符生成器在充分地了解数据的结构后就会生成一个数据的拟像，递归神经网络的异常检测就是在其充分了解数据结构后来判断输入的数据是不是正常。
字符生成的例子表明递归神经网络有在不同时间范围内学习到时间依赖关系的能力，它的这种能力还可以用来检测网络活动日志的异常。
异常检测能够使文本中的语法错误浮出水面，这是因为我们所写的东西是由语法结构所决定的。同理，网络行为也是有结构的，它也有一个能够被学习的可预测模式。经过在正常网络活动中训练的递归神经网络可以监测到入侵行为，因为这些入侵行为的出现就像是一个句子没有标点符号一样异常。
应用二、一个网络异常检测项目的示例
假设我们想要了解的网络异常检测就是能够得到硬件故障、应用程序失败、以及入侵的一些信息。
模型将会向我们展示什么呢？
随着大量的网络活动日志被输入到递归神经网络中去，神经网络就能学习到正常的网络活动应该是什么样子的。当这个被训练的网络被输入新的数据时，它就能偶判断出哪些是正常的活动，哪些是被期待的，哪些是异常的。
训练一个神经网络来识别预期行为是有好处的，因为异常数据不多，或者是不能够准确的将异常行为进行分类。我们在正常的数据里进行训练，它就能够在未来的某个时间点提醒我们非正常活动的出现。
说句题外话，训练的神经网络并不一定非得识别到特定事情发生的特定时间点（例如，它不知道那个特殊的日子就是周日），但是它一定会发现一些值得我们注意的一些更明显的时间模式和一些可能并不明显的事件之间的联系。
我们将概述一下怎么用 Deeplearning4j（一个在JVM上被广泛应用的深度学习开源数据库）来解决这个问题。Deeplearning4j在模型开发过程中提供了很多有用的工具：DataVec是一款为ETL（提取-转化-加载）任务准备模型训练数据的集成工具。正如Sqoop为Hadoop加载数据，DataVec将数据进行清洗、预处理、规范化与标准化之后将数据加载到神经网络。这跟Trifacta’s Wrangler也相似，只不过它更关注二进制数据。
开始阶段
第一阶段包括典型的大数据任务和ETL：我们需要收集、移动、储存、准备、规范化、矢量话日志。时间跨度的长短是必须被规定好的。数据的转化需要花费一些功夫，这是由于JSON日志、文本日志、还有一些非连续标注模式都必须被识别并且转化为数值数组。DataVec能够帮助进行转化和规范化数据。在开发机器学习训练模型时，数据需要分为训练集和测试集。
训练神经网络
神经网络的初始训练需要在训练数据集中进行。
在第一次训练的时候，你需要调整一些超参数以使模型能够实现在数据中学习。这个过程需要控制在合理的时间内。关于超参数我们将在之后进行讨论。在模型训练的过程中，你应该以降低错误为目标。
但是这可能会出现神经网络模型过度拟合的风险。有过度拟合现象出现的模型往往会在训练集中的很高的分数，但是在遇到新的数据时就会得出错误结论。用机器学习的语言来说就是它不够通用化。Deeplearning4J提供正则化的工具和“过早停止”来避免训练过程中的过度拟合。
神经网络的训练是最花费时间和耗费硬件的一步。在GPUs上训练能够有效的减少训练时间，尤其是做图像识别的时候。但是额外的硬件设施就带来多余的花销，所以你的深度学习的框架必须能够有效的利用硬件设施。Azure和亚马逊等云服务提供了基于GPU的实例，神经网络还可以在异构集群上进行训练。
创建模型
Deeplearning4J提供ModelSerializer来保存训练模型。训练模型可以被保存或者是在之后的训练中被使用或更新。
在执行异常检测的过程中，日志文件的格式需要与训练模型一致，基于神经网络的输出结果，你将会得到是否当前的活动符合正常网络行为预期的结论。
代码示例
递归神经网络的结构应该是这样子的：
MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder(
.seed(123)
.optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT).iterations(1)
.weightInit(WeightInit.XAVIER)
.updater(Updater.NESTEROVS).momentum(0.9)
.learningRate(0.005)
.gradientNormalization(GradientNormalization.ClipElementWiseAbsoluteValue)
.(0.5)
.list()
.layer(0, new GravesLSTM.Builder().activation("tanh").nIn(1).nOut(10).build())
.layer(1, new RnnOutputLayer.Builder(LossFunctions.LossFunction.MCXENT)
.activation("softmax").nIn(10).nOut(numLabelClasses).build())
.pretrain(false).backprop(true).build();
MultiLayerNetwork net = new MultiLayerNetwork(conf);
net.init();
下面解释一下几行重要的代码：
.seed(123)
随机设置一个种子值对神经网络的权值进行初始化，以此获得一个有复验性的结果。系数通常都是被随机的初始化的，以使我们在调整其他超参数时仍获得一致的结果。我们需要设定一个种子值，让我们在调整和测试的时候能够用这个随机的权值。
.optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT).iterations(1)
决定使用哪个最优算法（在这个例子中是随机梯度下降法）来调整权值以提高误差分数。你可能不需要对这个进行修改。
.learningRate(0.005)
当我们使用随机梯度下降法的时候，误差梯度就被计算出来了。在我们试图将误差值减到最小的过程中，权值也随之变化。SGD给我们一个让误差更小的方向，这个学习效率就决定了我们该在这个方向上迈多大的梯度。如果学习效率太高，你可能是超过了误差最小值；如果太低，你的训练可能将会永远进行。这是一个你需要调整的超参数。

9. algodan是什么意思

algodan是西班牙文,意思是精棉 。
精棉，又称‍精梳棉（Combed Cotton）－以精梳机移除棉纤维中较短的纤维（约1CM以下），而留下的较长而且整齐的纤维。精梳棉纺出的纱品质更好。精梳棉纱制成的布料在质感、耐洗与耐用度都有较高的品质水准。 精梳棉是指在纺纱的过程中，增加了精致梳理的程序，做法是梳去较短的纤维，并剔除棉花中的杂质，以制造出平滑的纱线，让棉花更有韧性，不易起毛球，棉花的品质也就更加稳定。