Ordinals项目中的Rune铭刻与UTXO管理机制解析
2025-06-18 03:08:39作者:郁楠烈Hubert
引言
在区块链生态系统中,Ordinals项目引入了一种创新的资产发行方式——Rune铭刻(Etching)。本文将深入探讨Ordinals钱包在处理Rune铭刻过程中的UTXO管理机制,特别是针对铭刻承诺交易(commitment transaction)输出保护的技术实现。
Rune铭刻流程概述
Rune铭刻过程包含两个关键阶段:
- 承诺阶段:用户创建一笔交易锁定特定的UTXO作为铭刻承诺
- 揭示阶段:在承诺交易获得足够确认后,使用该UTXO完成最终的铭刻操作
这两个阶段之间存在6个区块的成熟期(maturity period),在此期间,承诺交易的UTXO需要被妥善保护,避免被意外花费。
问题发现与风险分析
在早期实现中,Ordinals钱包存在一个潜在风险:当用户同时进行多项操作时,承诺交易的UTXO可能被其他交易(如铸造其他代币)意外花费。这种情况会导致:
- 原始铭刻过程无法完成,因为承诺UTXO已不存在
- 钱包会持续等待一个永远不会成熟的承诺,进入无效循环
- 用户资产可能面临损失风险
技术解决方案演进
项目团队针对此问题提出了多种解决方案,并最终确定了最优实现:
方案一:输出过滤法
通过在钱包UTXO选择逻辑中添加过滤条件,识别并排除标记为"commit tx recovery key"的特殊UTXO。这种方法简单直接,但存在一定局限性:
blockchain_client
.list_unspent()?
.into_iter()
.filter(|utxo| utxo.label != Some("commit tx recovery key".to_string()))
方案二:输出锁定机制
更完善的解决方案是使用区块链核心的UTXO锁定功能。这种方法具有以下优势:
- 主动保护:显式锁定承诺UTXO,防止被其他交易使用
- 选择性解锁:揭示交易仍能正常使用被锁定的UTXO
- 系统级保障:利用区块链节点原生功能,可靠性更高
实现核心代码涉及调用区块链核心的lockunspentRPC方法,在承诺交易确认后立即锁定相关输出。
技术实现细节
最终的解决方案结合了多种保护措施:
-
双重检测机制:
- 检查承诺UTXO是否仍存在于链上
- 验证UTXO是否未被花费
-
错误处理改进:
- 当检测到承诺UTXO已被花费时,立即终止等待并返回明确错误
- 避免无限循环等待不存在的UTXO成熟
-
状态跟踪:
- 维护铭刻过程的状态机
- 记录承诺交易的确认高度和当前区块高度
最佳实践建议
对于Ordinals项目用户和开发者,建议遵循以下实践:
- 顺序操作:完成一个铭刻流程后再开始新的操作
- 监控状态:定期检查钱包中承诺UTXO的状态
- 版本更新:使用已修复此问题的Ordinals钱包版本
- 交易规划:合理安排交易时间,避免在成熟期内进行其他操作
结论
Ordinals项目通过改进UTXO管理机制,有效解决了Rune铭刻过程中的资产安全问题。这一改进不仅提升了用户体验,也为区块链生态中更复杂的资产操作提供了可靠的技术参考。随着Ordinals协议的持续发展,类似的UTXO管理技术将在更多场景中发挥关键作用。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660