Namada项目v0.150.0版本重要更新解析
项目简介
Namada是一个专注于隐私保护的区块链项目,采用零知识证明技术实现资产交易的隐私性。该项目通过多资产屏蔽池(MASP)机制,为用户提供跨资产的隐私交易功能。最新发布的v0.150.0版本在隐私交易、跨链互操作性和系统稳定性方面都有显著改进。
核心功能优化
隐私交易增强
本次更新对MASP(多资产屏蔽池)功能进行了多项优化。首先改进了屏蔽费用支付的用户体验,现在当原子批处理交易失败时,系统能够更清晰地显示交易结果,包括屏蔽费用支付的状态。其次优化了屏蔽账户变更计算逻辑,确保在所有屏蔽输入构建完成后才计算变更,减少了不必要的变更浪费。
在性能方面,交易中的转移目标(来源+目标)数量现在被限制为20个,这一调整有助于控制交易复杂度,提升网络整体性能。同时,权益证明(PoS)的奖励领取交易也进行了gas优化,降低了用户操作成本。
跨链互操作性改进
在跨链功能方面,更新了与Osmosis链的交互方式。现在查询Osmosis SQS服务器时使用ICS-20追踪路径哈希而非路径本身,这一改变提高了跨链查询的效率和安全性。同时将Hermes中继器版本升级至v1.13.0,增强了IBC(跨链通信)功能的稳定性和兼容性。
安全性与稳定性提升
安全增强措施
新版本引入了公钥唯一性强制检查,确保在交易签名过程中使用的公钥都是唯一的,这一措施有效防止了某些类型的重放攻击。同时,系统现在禁止从PGF(公共物品基金)和治理账户向非原生代币进行信用操作,这一限制增强了系统的财务安全性。
错误处理改进
在错误处理方面,当验证谓词(VP)拒绝交易时,系统现在会包含拒绝VP的地址和错误信息,特别是在MASP费用支付场景中,这大大提升了调试和问题诊断的效率。此外,修复了原生运行时ABI设置为C-unwind的问题,增强了系统的稳定性。
开发者相关更新
迁移功能扩展
为支持可能的网络升级,新版本扩展了迁移功能。现在允许重置原生代币和其他Namada地址的奖励。同时提供了一个示例性的硬分叉迁移实现,展示了如何迁移交易WASM代码。开发者还可以通过新增的示例迁移立即更改epoch持续时间,为网络参数调整提供了更多灵活性。
SDK改进
软件开发工具包(SDK)方面,强化了签名验证逻辑,确保公钥唯一性。同时简化了交易参数,现在signatures和gas-signature参数仅适用于custom类型交易,且当提供gas签名时不允许再指定gas支付者,这一改变使API设计更加合理。
测试覆盖增强
测试方面新增了多项集成测试,特别是针对MASP事件和失败原子批处理中屏蔽费用支付的场景。通过降低"tricky_masp_txs"测试用例的epoch速度,减少了测试的随机失败概率。还实现了设置屏蔽奖励参数的迁移测试,确保相关功能的可靠性。
总结
Namada v0.150.0版本通过多项技术改进,在隐私保护、跨链互操作性和系统安全性方面都有显著提升。特别是对MASP功能的优化,使隐私交易体验更加流畅和安全。这些改进不仅增强了现有功能,也为未来的网络升级和功能扩展奠定了坚实基础。开发者可以充分利用新的迁移功能和测试工具,构建更安全可靠的隐私保护应用。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C088
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python057
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0137
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00