熟悉Phala经济白皮书的朋友可能知道，Phala的挖矿奖励分为在线奖励和计算任务奖励。本次1605竞赛二期，即在在线奖励的基础上，重点引入计算任务奖励。本文即是对Vendetta测试网计算任务的介绍。
一、背景概要本次测试网中的计算任务由系统虚拟产生，每个Round固定产生5个计算任务。挖矿奖励的奖励量与白皮书一致，其中每个区块被挖出的奖励将有50%被执行隐私计算任务的TEE获得，30%的奖励由所有在线的TEE获得，20%流入国库通过链上议会进行民主治理；Vendetta测试网中，CPU最低抵押额为0tPHA；TEE矿工可以用tPHA为自己的CPU作额外抵押，任何人也可以用自己的tPHA为其他TEE矿工抵押，但是结算时暂不支持自动分账到提名人身上；1个Round内，1个TEE最多分到1次计算任务；测试网中计算任务分发的算法与参数是具有实验性的，主网上线后会有所升级；奖励的结算方式也可能会变化；TEE计算任务的流程大致如下:
代码阅读
二、隐私计算任务派单算法
2.1核心逻辑
如同任何派单算法一样，我们需要根据隐私计算任务特征指派给最合适的TEE完成计算；因此PhalaNetwork系统会根据计算特性的核心需求，根据每个TEE设备特征进行打分，得出每个TEE的Score；根据所有在线TEE的Score，通过加权随机抽样公式进行计算得出指派结果；被指派的TEE完成隐私计算后，由系统自动结算和发放奖励。为保障系统安全性，奖励将冻结一段时间。(Vendetta测试网发放的奖励是FireII，只用作结算奖池的统计，无法流转)。2.2TEE计算派单的核心指标TEE-CPU分到计算任务的概率主要取决于CPU的两个特征：计算能力、安全性。计算能力由CPU得分来评定，未来将通过链上投票-无分叉升级方式实现迭代；安全性与单CPU抵押额相关。计算能力和安全性对TEE矿工获得计算任务的概率并不是线性增加的，下小节中将详细阐述概率公式。2.3TEE矿工获得派单概率的得分根据TEE计算派单的核心指标，我们可以计算出每个TEE被指派计算任务的合适度分数。计算分数的公式如下：
2.4不放回的加权随机采样我们使用不放回的加权随机采样(这意味着每个TEE只能被抽取一次)，从所有M个在线TEE中随机的抽取N个TEE来执行计算任务。
加权则意味着抽样中会将每个TEE的概率得分W作为基础值，即W越高意味着抽中概率越高。
举例说明不放回的加权随机采样：
假设有A、B、C三台机器其中A任务分为3，B任务分为2，C任务分为1现在从3台机器里抽一台，那A被抽中的概率是
如果抽两台，那A被抽中的概率就是
根据1605竞赛一期的实际情况，真实环境下可能会从上千台至上万台TEE里抽出5个，但逻辑是和上述的例子一致的。
为了让TEE矿工可以预测自己的抽中概率和模拟抵押tPHA量与抽中概率的关系，我们将提供Dashboard的隐私计算概率计算器，矿工可以填入自己的机器性能和预期抵押额模拟派单概率。
三、派单算法的数据模拟3.1额外抵押量与选中概率的相关性假设TEE得分一致，不同抵押量对选中概率的影响。
算法是明确的，但仅仅基于算法，并不能算出单一矿机被抽中的概率，因为抽中概率是和当前在线的矿机数量以及他们的任务分相关的。我们模拟了额外抵押量对抽中概率的提升：
假定罗夏有一台300分的TEE，假定其它TEE是5000台420分的机器，并且都有额外1000tPHA的抵押。如果从5001台矿机中抽5台执行计算任务的话，那随着罗夏增加额外抵押，被派到的概率呈现如下增长：
从图中可以看出:
从一千多台机器中抽5个被抽中的概率是很低的，大概是0.05%；随着抵押量的增加，最开始概率增加较快，之后缓慢；但即使抵押量增加到2万，中奖率也只是增加到0.17%。3.2机器性能与选中概率的相关性上图中浅蓝、红、黄、绿的机器分分别是400、300、200、100分，可以看出机器性能在获奖概率上保持恒定的绝对优势。
3.3多台矿机该怎么分配额外抵押？假设罗夏有两台一样的矿机，那在总抵押量相同的情况下，怎样分配抵押对整体收益影响不大。下图模拟的情况是罗夏有两台420分的TEE、并且都做了5000tPHA的抵押。其它的TEE是5000台，1000tPHA抵押，都是420分。
现在罗夏有20000tPHA，下图中:
横坐标最左边是全部把20000tPHA全给了其中一台TEE，概率是0.28%；最右边是把20000tPHA全给了另一台，也是0.28%；中间是均分，概率是0.32%。可见，均分会比只分给其中一台更多一点。
以上是关于1605矿工竞赛二期的全部介绍，欢迎大家到论坛与我们进行更多讨论。
AboutPhalaPhalaNetwork是Polkadot上的隐私计算平行链，基于类pow的经济激励模式，Phala将构建出一个由全球数十万矿工组成的分布式隐私计算云，进而作为波卡平行链、辐射所有区块链生态的Defi、数据服务等其他应用。基于Phala的应用pLibra和Web3Analytics已经获得两次web3基金会grant。SubstrateBuildersProgram首批成员。Linux基金会成员。隐私计算联盟成员。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。