پروژه‌های بلاکچین با ادعاهای مختلفی در زمینه امنیت، حفظ حریم خصوصی و البته غیرمتمرکز بودن عرضه می‌شوند. این پروژه‌ها همواره از مزایا و معایب زیادی برخوردار هستند و چالش پیش روی ما، سنجش صحت ادعاهای هر یک از پروژه‌های جدید و بررسی و مقایسه پروژه‌های قدیمی و شناخته شده در این عرصه است. ضریب ناکاموتو (Nakamoto Coefficient) یکی از راهکار‌های اندازه‌گیری غیرمتمرکز‌سازی بلاک چین در زمینه‌های متفاوتی از جمله توزیع نودها، توزیع سرمایه، هولدرهای توکن‌ها، توسعه‌دهندگان و غیره محسوب می‌شود. با میهن بلاکچین همراه باشید تا با کاربرد‌ها، مزایا و معایب این ضریب و شیوه محاسبه آن برای هر یک از بلاک چین‌ها آشنا شویم و به سوال کلی ضریب ناکاموتو چیست، پاسخ بدهیم.
معیار‌های غیرمتمرکز بودن یک بلاکچین چیست؟
بسیاری از شبکه‌های بلاک چینی با ادعای غیرمتمرکز بودن پا به عرصه رقابت گذاشتند، اما تعداد اندکی از آنها دارای معیار‌های متناسب برای پوشش‌دهی این خصوصیت هستند. برخی از این پروژه‌ها تعداد نود‌های خود را به عنوان رکن اصلی اندازه‌گیری سطح غیرمتمرکز‌سازی معرفی می‌کنند. با این حال، آیا برای تعیین سطح غیرمتمرکز بودن یک پروژه، تعداد نودها کفایت می‌کند؟
به فرض این‌که تعداد نودها مولفه کافی برای این سنجش محسوب شود، لازم است تا میان انواع نودها تفاوت قائل شویم. فرض کنید که شبکه‌ای دارای اعتبارسنج‌های متفاوت و سایر نودها است. در چنین شرایطی، حتی اگر تعداد زیادی از نودها و مجموعه کوچکی از اعتبارسنج‌ها در این بلاکچین وجود داشته باشند، احتمال کمتر بودن میزان غیرمتمرکز‌سازی این بلاکچین در مقایسه با همتایان خود که همین تعداد نود را داشته و آن نودها به صورت یکسان در حال اعتبارسنجی نیز هستند، وجود خواهد داشت.
حتی می‌توانیم از این نیز فراتر رفته و به سراغ نحوه میزبانی نودها برویم. در صورتی که نود‌های درون یک شبکه تنها در ۳ مرکز داده اجرا بشوند، فارغ از تعداد نودها، شاهد سطح بالایی از متمرکز‌سازی در این مثال هستیم. در چنین شرایطی با از کار افتادن ۲ مرکز داده، بیش از نیمی از نودها از دسترس خارج می‌شوند، پس مهم نیست که در این مجموعه ۱۰ یا ۱۰٫۰۰۰ نود فعال داشته باشیم.
اندازه‌گیری سطح غیرمتمرکز‌سازی کار آسانی نیست. با این حال، ضریب ناکاموتو معیاری است که در تلاش برای اندازه‌گیری همین مولفه عرضه شده است.
طرح ضریب ناکاموتو در سال ۲۰۱۷ و توسط بالاژی اس. سرینیواسان (Balaji S. Srinivasan)، مدیر اجرایی سابق کوین بیس (Coinbase) و یکی از شرکای عمومی در Andreessen Horowitz، ارائه شد. به تازگی، ضریب ناکاموتو به صورت مکرر در راستای پوشش‌دهی شبکه سولانا (Solana) مورد استفاده قرار گرفت و میزان ضریب بالاتری را نسبت به شبکه‌هایی از قبیل بیت کوین و اتریوم به آن نسبت داد.
ضریب ناکاموتو چیست؟
در بطن ضریب ناکاموتو اینطور فرض می‌شود که غیرمتمرکز‌سازی مفهومی از یک طیف است. هدف از معرفی این ضریب، اندازه‌گیری کردن میزان غیرمتمرکز‌سازی، تعیین شیوه اثر‌گذاری تغییرات روی غیرمتمرکز‌سازی و تسهیل بهینه‌سازی الگوریتم‌ها برای به حداکثر رساندن این مولفه است.
ایده پشت ضریب ناکاموتو بسیار ساده و قابل فهم است. هر سیستم غیرمتمرکزی متشکل از سیستم‌های زیرمجموعه دیگری است. با تعیین تعداد موجودیت‌ها یا نهاد‌های موجود در هر یک از زیرمجموعه‌های سیستمی که باید تحت کنترل قرار بگیرد، می‌توان به فرضیات منطقی در مورد سطح غیرمتمرکز‌سازی موثر در یک شبکه رسید. هرچقدر ارزش سیستم‌های زیرمجموعه‌ای که لازم است تحت کنترل قرار بگیرند بیشتر باشد، میزان غیرمتمرکز‌سازی نیز بیشتر خواهد بود.
محاسبات اصلی که در ضریب ناکاموتو مورد استفاده قرار می‌گیرند بر اساس منحنی لورنز (Lorenz Curve) و ضریب جینی (Gini Coefficient) هستند و تمامی این مفاهیم از حوزه اقتصاد سرچشمه می‌گیرند.
منحنی لورنز چیست؟
مکس اُ. لورنز (Max O. Lorenz) به منظور نشان دادن روند توزیع ثروت در اجتماع، منحنی لورنز را در سال ۱۹۰۵ طراحی کرد. این منحنی برای تشخیص «نابرابری بیش از اندازه» مورد استفاده قرار می‌گیرد که شباهت زیادی به «متمرکز بودن بیش از اندازه» دارد.
هنگامی که ثروت به صورت نابرابری توزیع می‌شود، به صورت معمول در اختیار عده اندکی متمرکز خواهد شد. منحنی لورنز مجموع سهم درآمد بخش‌های مختلف اجتماع را نشان می‌دهد. در صورت برابری کامل، نمودار پیش رو یک خط صاف ۴۵ درجه را نشان می‌دهد که محور‌های X و Y را به هم متصل می‌کند.
در مثال قبل، فقیر‌ترین افراد اجتماع که ۲۰ درصد از جمعیت را تشکیل می‌دهند، به میزان ۵ درصد از مجموع درآمد را کسب می‌کنند. از سوی دیگر، ۹۰ درصد از جمعیت اجتماع به میزان ۵۵ درصد از این درآمد را به خود اختصاص داده‌اند. این امر بدان معناست که ۱۰ درصد افراد راس جمعیت، به میزان ۴۵ درصد از درآمد کل جامعه را کسب می‌کنند.
هنگامی که میزان برابری توزیع به سطح معقول‌تری می‌رسد، منحنی به سمت خط برابری نزدیک می‌شود. هنگامی که با میزان توزیع نابرابر‌تری مواجه باشیم، برعکس این روند اتفاق می‌افتد و منحنی لورنز از خط برابری فاصله می‌گیرد.
اقتصاد‌دانان با استفاده از منحنی لورنز، ضریب جینی را محاسبه می‌کنند که به صورت شناخته‌شده‌ای میزان نابرابری را اندازه‌گیری می‌کند. مساحت بین منحنی لورنز توزیع مجموع درآمد جامعه و خط مورب برابری کامل، به عنوان نسبتی از مساحت مثلثی میان منحنی‌های برابری مطلق و نابرابری در نظر گرفته می‌شود. به صورت خلاصه، در مثال قبل میزان این ضریب بدین صورت محاسبه می‌شود: A/(A+B)
هرچقدر میزان توزیع به یک طرف میل کند، ضریب جینی به سمت مخالف میل می‌کند. بدین ترتیب می‌توانیم این فرایند را به صورت مستقیم برای غیرمتمرکز‌سازی پیاده‌سازی کنیم، زیرا در صورتی که تنها یک تصمیم‌گیرنده (یا یک گروه دریافت‌کننده تمام درآمد) وجود داشته باشد، با سیستمی مواجه هستید که سطح متمرکز‌سازی بالایی دارد.
اندازه‌گیری غیرمتمرکز‌سازی
در پاسخ‌دهی به سوال ضریب ناکاموتو چیست، باید بگوییم که این ضریب، ایده پشت سیستم‌های زیرمجموعه را با ضریب جینی ترکیب می‌کند. در واقع با این کار می‌توانیم به سوال «چه تعداد نهاد در یک زیرمجموعه سیستمی برای کنترل کل شبکه نیاز داریم؟» پاسخ بدهیم.
بالاجی برای اندازه‌گیری میزان غیرمتمرکز‌سازی در شبکه‌های بلاکچینی، شش زیرمجموعه سیستمی را معرفی می‌کند:
- ماینینگ یا استخراج (به کمک پاداش)
- کلاینت (به واسطه پایگاه کد)
- توسعه‌دهندگان (به کمک تعهد)
- صرافی‌ها (بر اساس حجم معاملات)
- نودها (بر اساس تعدادشان)
- حق مالکیت (بر اساس آدرس‌ها)
به صورت جامع، آستانه در خطر قرار گرفتن زیر مجموعه‌های سیستمی برای ضریب ناکاموتو روی ۵۱ درصد تنظیم شده، اما ممکن است این میزان برای هر سیستم متفاوت باشد.
این خطر در رابطه با ماینینگ در زنجیره‌های مبتنی بر گواه اثبات کار (PoW) بدین صورت است: اجماع نظر نودها به دست کسی است که ۵۱ درصد قدرت محاسباتی را در اختیار داشته باشد تا بتواند کل شبکه را کنترل کرده و با صرف هزینه مازاد، مسیر دفترکل یا لجر را تغییر دهد. در رابطه با صرافی‌ها، میزان آستانه خطر به میزان قابل توجهی بالاتر بوده و به آسانی نمی‌توان نقدینگی موجود در یک صرافی را خالی کرد.
ضریب ناکاموتو در زمینه ماینینگ و استیکینگ
برای درک بهتر عملکرد ضریب ناکوماتو در مورد ماینینگ، نمودار توزیع هش ریت یا نرخ هش بیت کوین را مورد بررسی قرار می‌دهیم.
همانطور که در بخش قبل نیز توضیح دادیم، برای به خطر افتادن یک شبکه، لازم است تا ۵۱ درصد زیرمجموعه‌های سیستمی آن در معرض خطر قرار بگیرند. بر اساس توزیع هش ریت نمودار بالا، لازم است تا چهار استخر ماینینگ Antpool، F2Pool، ViaBTC، Binance در معرض خطر قرار بگیرند تا کل شبکه به خطر بیافتد. بنابراین، ضریب ناکاموتو در این مثال معادل با ۴ است. در رابطه با اتریوم با ضریب ناکاموتوی پایین‌تری مواجه هستیم، زیرا سه استخر نقدینگی اتریوم به میزان ۶۱ درصد از هش ریت (منبع) را در اختیار دارند.
هر دو مثالی که تا به اینجا مورد بررسی قرار دادیم جزو شبکه‌های مبتنی بر گواه اثبات کار بودند و پیش از این نیز اشاره کردیم که سولانا ضریب ناکاموتوی بالاتری دارد. در رابطه با شبکه‌های مبتنی بر گواه اثبات سهام (PoS)، روند اندازه‌گیری کمی تفاوت دارد. آستانه کنترل این دسته از شبکه‌ها در محدوده ۳۳ درصد از استیک یا سپرده‌ها (توکن‌های در حال استیک شدن) قرار دارد. طبق وب‌سایت سولانا، به منظور به خطر انداختن این شبکه به ۱۹ اعتبارسنج احتیاج داریم. بنابراین، ضریب ناکاموتوی این شبکه بسیار بالاتر از بیت کوین و اتریوم است.
با بررسی اعدادی که تا به اینجا مطرح شد به نظر می‌رسد که سولانا تا ۵ برابر غیرمتمرکزتر از بیت کوین و اتریوم است. با وجود تمام این تفاسیر باید توجه داشته باشید که هش ریت شبکه‌های مبتنی بر گواه اثبات کار، میزان نقد‌شوندگی بسیار بالاتری در قیاس با دارایی‌های سپرده‌گذاری شده دارد. در صورت بروز حمله به شبکه‌های مبتنی بر گواه اثبات کار، ماینر‌ها می‌توانند بدون درنگ قدرت هش را از استخر مورد حمله بردارند، در حالی که برداشت SOL از سپرده‌های در حال استیک شدن به میزان قابل توجهی زمان نیاز دارد.
ضریب ناکاموتو در زمینه حق مالکیت
حق مالکیت بر اساس آدرس‌های کیف پول‌ها، یکی دیگر از آمار‌های جالب توجه برای غیرمتمرکز‌سازی کمی، محسوب می‌شود. به صورت ایده‌آل، هیچ یک از موجودیت‌های درون یک شبکه قدرت تغییر روند قابل توجه بازار را با استفاده از دارایی‌های خود در اختیار ندارد. در واقعیت، نهنگ‌های (سرمایه‌گذارانی با منابع قابل توجهی از توکن‌ها) زیادی در فضای رمزارز وجود دارند. هرچقدر تعداد توکن‌های تحت مالکیت نهنگ‌ها بیشتر باشد، میزان غیرمتمرکز بودن توزیع آن توکن کمتر خواهد بود.
با توجه به این‌که میم کوین‌ها همچنان به عنوان سرتیتر‌های خبرساز امنیتی فهرست صرافی‌ها محسوب می‌شوند، روند توزیع ثروت در حیطه این کوین‌ها میزان نگرانی‌ها را افزایش می‌دهد. در مجموع، در حال حاضر به میزان ۹۸۲٫۰۰۰ آدرس کیف پول وجود دارند که توکن شیبا (SHIB) در آنها موجود است. این در حالی است که آدرس کیف پول ۱۴ نهنگ به میزان ۶۸ درصد از ذخایر عرضه این کوین را در اختیار دارند و تنها یکی از این آدرس‌ها به میزان ۴۰ درصد کل ذخایر عرضه در گردش شیبا اینو را به خود اختصاص داده است. ۴ مورد از آدرس‌های این نهنگ‌ها در کنار یکدیگر به میزان بیش از ۵۰ درصد کل ذخایر عرضه این میم کوین را در اختیار دارند، که باعث می‌شود تا سرمایه‌گذاران این میم کوین تحت سلطه این هولدرهای بزرگ قرار بگیرند. در نتیجه، ضریب ناکاموتو برای توزیع مالکیت شیبا، ۴ خواهد بود.
نکته مهمی که هنگام استفاده از آمار حق مالکیت (بر اساس آدرس) باید در نظر داشت این است که هر کسی می‌تواند بی‌نهایت کیف پول بسازد و تعداد کمی از توکن مورد نظر را در هر یک از این آدرس‌ها نگهداری کند تا توزیع آن توکن به صورت غیرواقعی، غیرمتمرکزتر به نظر برسد.
به صورت کلی، هنگام مورد بررسی قرار دادن شبکه‌های بلاک چین مختلف و مقایسه میزان غیرمتمرکز بودن آنها، ضریب ناکاموتو مولفه جالب توجهی محسوب می‌شود. غیرمتمرکز‌سازی تنها به یک بعد معطوف نیست، بلکه بسیاری از جنبه‌های دیگر از جمله تعداد نودها، توزیع قدرت محاسباتی، حق مالکیت و بستر‌های معاملاتی را نیز دربرمی‌گیرد.
ضریب ناکاموتو در تمام مثال‌هایی که تا اینجا مورد بررسی قرار دادیم تا حد زیادی پایین بوده است. در صورتی که اگر بخواهیم یک پروتکل را به صورت حقیقی غیرمتمرکز در نظر بگیریم، لازم است تا ضریب ناکاموتوی آن پروتکل یک عدد پنج رقمی یا بیشتر باشد.
مزایا و معایب ضریب ناکاموتو چیست؟
همانطور که در این مطلب و تا به اینجا متوجه شدید، ضرایب ناکاموتو یکی از مفاهیم منحصربه‌فرد در زمینه تجزیه و تحلیل بلاکچین محسوب می‌شوند. این ضرایب در مقایسه با سایر معیار‌های اندازه‌گیری، معایب و مزایای بسیار ویژه‌ای دارند.
مزایای ضریب ناکاموتو
بهره‌گیری از ضریب ناکاموتو با ویژگی‌های مفید بیشماری همراه است.
شناسایی سریع بلاک چین‌های غیرمتمرکز: بزرگ‌ترین مزیت این ابزار اندازه‌گیری، آسان‌تر کردن فرایند مقایسه و زیر سوال بردن بلاک چین‌های مختلف است. پس از محاسبه ضریب ناکاموتو، به راحتی و تنها در یک نگاه متوجه می‌شوید که کدام رمزارز‌ها غیرمتمرکز بوده و حتی می‌توانید میزان غیرمتمرکز بودن هر یک از آنها را نیز مشخص کنید.
تجزیه و تحلیل انواع خصوصیت‌های بلاکچینی: ضریب ناکاموتو از انعطاف‌پذیری بالایی برخوردار است. شما می‌توانید این ضریب را در موقعیت‌های گوناگونی اعمال کرده و خصوصیت مورد نظر خود از یک بلاکچین را آنالیز کنید. به عنوان مثال، در صورتی که بررسی و تحلیل توسعه غیرمتمرکز را در اولویت قرار می‌دهید، می‌توانید با استفاده از ضریب ناکاموتو بلاک چین‌هایی را پیدا کنید که تنها به تعداد اندکی از این توسعه‌دهندگان متکی نیستند.
شناسایی ریسک‌های محتمل: این ابزار اندازه‌گیری به صورت ویژه‌ای در زمینه شناسایی میزان تلاش مورد نیاز برای در معرض خطر قرار دادن یک سیستم مورد استفاده قرار می‌گیرد. پایین بودن میزان امتیاز یا ضریب ناکاموتو، در مسیر شناسایی مشکلات محتمل به شما کمک می‌کند و از جمله چنین اشکالاتی به متمرکز بودن تمام نود‌های آن سیستم در یک موقعیت مکانی واحد می‌توان اشاره کرد.
روش‌های طراحی برای بهینه کردن فرایند غیرمتمرکز‌سازی: یکی از دلایل اصلی ساخت این ضریب توسط سرینیواسان، بهینه‌سازی فرایند غیرمتمرکز‌سازی بلاک چین بود. ضریب ناکاموتو به شما اجازه می‌دهد تا چگونگی تاثیر‌گذاری تغییرات پیشنهادی بر روی یک بلاکچین را با سرعت بالایی مورد بررسی قرار دهید. کاربران بلاک چین نیز بدین واسطه می‌توانند سناریو‌های آزمایشی مد نظر خود را پیاده‌سازی کرده و نتیجه مطلوب برای بهبود روند غیرمتمرکز‌سازی بلاکچین را شناسایی کنند.
معایب ضریب ناکاموتو چیست
علی‌رغم مزایای متعدد ضریب ناکاموتو، معایبی نیز برای آن در نظر گرفته می‌شود.
امکان دستکاری آسان این ضریب با استفاده از مجموعه داده‌های گلچین شده: مجموعه داده‌های ما تاثیر زیادی بر روی محاسبه ضریب ناکاموتو دارد. برای مثال، اگر به دنبال بررسی کردن غیرمتمرکز‌سازی حق مالکیت هستید، مورد بررسی قرار دادن کیف پول‌هایی که میزان موجودی اندکی را در خود جای داده‌اند موجب می‌شود تا تصور کنید که بلاکچین مورد بررسی شما تا حد زیادی غیرمتمرکز است. این در حالیست که اگر تنها کیف پول افرادی که بیش از ۵۰۰ دلار موجودی در اختیار دارند را مورد بررسی قرار دهید متوجه می‌شوید که فضای رمزارز تا حد زیادی متمرکز است.
محاسبات آماری بسیار پیچیده: ضرایب ناکاموتو بر اساس جمع و تفریق ساده اعداد به وجود نیامده‌اند. هیچ فرمول ساده‌ای نیز برای محاسبه این ضریب وجود ندارد. بنابراین لازم است تا مدت زمان زیادی را برای گردآوری مجموعه بزرگی از داده‌ها صرف کرده، آنها را بر روی منحنی لورنز ترسیم کنید و سپس نتایج حاصل را مورد آنالیز و تحلیل قرار دهید.
ضریب ناکوموتو در میان بلاک چین‌های شناخته شده
حالا زمان پاسخ‌دهی به این سوال است که بلاک چین‌های محبوب و شناخته شده چگونه مورد اندازه‌گیری و بررسی قرار می‌گیرند؟ در این بخش به مباحث آشکار‌کننده‌ای برای پرده‌برداری از اندازه‌گیری‌های برخی از بلاکچین‌های شناخته شده می‌پردازیم.
بیت کوین
به نظر می‌رسد که این بلاک چین از نقطه نظر هر یک از معیار‌های اندازه‌گیری، بالاترین ضریب ناکوموتو را داشته باشد. از جمله رویکرد‌های اندازه‌گیری بیت کوین به عواملی مثل توسعه‌دهندگان، مالکان و اعتبارسنج‌های این بلاک چین می‌توان اشاره کرد که به صورت قابل توجهی بیشتر از سایر بلاک چین‌ها هستند. این امر موجب تبدیل شدن Bitcoin به یکی از غیرمتمرکز‌ترین بلاکچین‌ها از هر نظر می‌شود. به عنوان مثال، بیت کوین دارای ۱۴٫۴۰۹ اعتبارسنج بوده و میزان ضریب ناکاموتوی ۷٫۳۴۹ را در این زمینه به خود اختصاص می‌دهد. این در حالی است که اکثر بلاکچین‌های دیگر ضریبی کمتر از ۱۵ دارند.
سولانا
در واقع می‌توان اینطور گفت که سولانا یکی از اولین رمزارز‌هایی بود که ایده ضریب ناکاموتو را به صورت عمومی گسترش داد. این رویکرد اندازه‌گیری، به صورت معمول توسط کاربرانی مطرح می‌شد که ادعا می‌کردند این بلاکچین تا حد زیادی متمرکز است. با نگاهی اجمالی به تعداد اعتبارسنج‌های سولانا متوجه می‌شویم که این پروتکل ضریب ناکاموتوی مناسب ۱۹ را به خود اختصاص داده است. Solana امتیاز خوبی را در زمینه‌هایی از قبیل استخر‌های ماینینگ کسب کرده است. با این حال، هنگامی که رویکرد‌های اندازه‌گیری نودها و مالکان را در این فضا در نظر می‌گیرید، متوجه می‌شوید که سولانا میزان ضریب ضعیفی را در زمینه غیرمتمرکز‌سازی بلاکچین دارد.
آوالانچ
آوالانچ رتبه بالایی را در چندین زمینه از معیار‌های ضریب ناکاموتو به خود اختصاص داده است. امتیاز ۲۶ برای تعداد کل اعتبارسنج‌ها از جمله این دستاورد‌ها بوده و سیستم‌های زیرمجموعه این پلتفرم نیز امتیاز بالایی دارند. این امر هیچ جای تعجبی برای حامیان و هواداران آوالانچ ندارد. هدف این بلاک چین از روز اول شروع کار خود به غیرمتمرکز‌سازی معطوف بوده است. همانطور که آمار و نتایج حاصل از تجزیه و تحلیل ضریب ناکاموتو نشان می‌دهد، آوالانچ در جایگاه غیرمتمرکز‌ترین بلاکچین مبتنی بر گواه اثبات سهام (PoS) قرار دارد.
اتریوم
محاسبه امتیاز و ضریب ناکاموتوی اتریوم تا حدی دشوار است که به یک مقاله مجزا برای بررسی این مبحث احتیاج داریم. اندازه شبکه Ethereum تا حدی بزرگ است که نمی‌توان تعداد کل اعتبارسنج‌های آن را مشخص کرد. با این حال، برخی از متخصصان بلاک چین موفق شده‌اند تا ضرایب ناکاموتو سیستم‌های زیرمجموعه کوچک‌تر اتریوم را بررسی کنند. هنگامی که بحث از مفاهیمی مثل غیرمتمرکز‌سازی توسعه‌دهندگان و غیرمتمرکز‌سازی مالکان به میان می‌آید، اتریوم امتیازات پایین تا محدوده متوسطی را در این مباحث به خود اختصاص می‌دهد. با این حال، این پلتفرم در جایگاه برترین شبکه ارائه‌دهنده نود‌های غیرمتمرکز قرار دارد. اگر اتریوم را از نظر توزیع نودها با بیت کوین مقایسه کنید، متوجه می‌شوید که این شبکه امتیاز بیشتری را در این زمینه نسبت به شاه رمزارز‌ها دارد.
آیا ضریب ناکاموتو مفید است؟
بدون شک ضریب ناکاموتو یکی از مفید‌ترین راهکار‌ها برای اندازه‌گیری میزان غیرمتمرکز‌سازی بلاک چین‌ها است. بسیاری از ابزارها دیگر تنها متمرکز بودن یا غیرمتمرکز بودن یک بلاکچین را تعیین می‌کنند. این در حالیست که ضریب ناکاموتو حتی قادر است نشان بدهد که روند غیرمتمرکز‌سازی بلاکچین در یک مسیر متداوم قرار دارد. این ضریب می‌تواند جنبه غیرمتمرکز بودن یک بلاک چین و زمینه آن را به صورت دقیق مشخص کند. علاوه بر این، این ضریب می‌تواند به شناسایی میزان قدرت و نقاط ضعف یک بلاکچین در راستای یافتن بلاک چین‌های غیرمتمرکز نیز کمک کند.
سوالات متداول (FAQ)
ضریب ناکاموتو فاکتوری است که حداقل تعداد ولیدیتورها یا نودهایی را مشخص می‌کند که باید با هم توافق کنند تا مانع از عملکرد صحیح یک بلاکچین شوند.
ضریب ناکاموتو میزان عدم تمرکز شبکه‌های بلاکچینی و امنیت آنها را نشان می‌دهد. هرچه ضریب ناکاموتو در مقایسه با تعداد کل نودها بیشتر باشد، شبکه غیرمتمرکزتر است.
سخن پایانی
در پاسخ‌دهی به سوال ضریب ناکاموتو چیست باید بگوییم، این ضریب ابزار مفیدی برای اندازه‌گیری میزان غیرمتمرکز‌سازی یک بلاکچین در هر یک از زمینه‌های تعداد نودها و توزیع آنها، توسعه‌دهندگان، مالکان و هولدرهای یک شبکه و… محسوب می‌شود. برخی از ضرایب ناکاموتو با استفاده از مجموعه بسیار گسترده‌ای از کاربران یا در بازه‌های زمانی کوتاه محاسبه می‌شوند و همین امر موجب کاهش میزان قابل اعتماد بودن غیرمتمرکز‌سازی آن بلاکچین می‌شود. نظر شما در رابطه با مولفه‌های اندازه‌گیری غیرمتمرکز بودن یک بلاک چین چیست؟ آیا ابزاری بهتر از ضریب ناکاموتو می‌شناسید؟ نظر خود را در بخش کامنت‌ها با ما در میان بگذارید.
