Settle Finance以区块链技术为核心的P2P借贷模式
"在数字化世界中，我们看到了许多技术进步如何推动金融行业的革新。其中，Peer-to-Peer-P2P-借贷模式的出现为借贷市场带来了新的可能性。然而，这个模式也带来了诸多问题，尤其是在信任和安全性方面。随着区块链技术的兴起，我们看到了它在改善P2P模式中的这些问题上的巨大潜力。区块链的透明性、安全性以及不可篡改性为解决这些问题提供了全新的可能。其中，SettleFinance公司正在利用区块链技术，进军P2P借贷市场，其潜力值得我们期待。"
在今天的金融科技领域，新兴的P2P（点对点）借贷市场正日益受到瞩目。其独特的去中心化金融模式，打破了传统的金融中介模式，直接连接借贷双方，从而大大提高了资金的使用效率。然而，尽管P2P借贷市场正在逐渐扩大其市场规模并影响着更多的人们，但随着其影响力的增长，这一模式也面临着一些重大的问题。
这些问题包括但不限于透明度不足、风险管理不足以及欺诈行为频发。由于缺乏中心化的管理机构，很多P2P平台不能有效地对借贷行为进行监控，导致了信息不对称，借贷双方的权益不能得到充分的保护。此外，因为缺乏有效的风险控制机制，一旦市场发生波动，就可能引发大规模的违约，对整个金融系统产生严重的影响。
在这样的背景下，作为科技创新领导者的SettleFinance，已经开始准备进军这个领域。SettleFinance认识到了这些问题的严重性，他们相信，只有通过科技创新，才能真正解决这些问题。因此，他们决定利用他们在区块链技术方面的专业知识和实践经验，对P2P借贷市场进行深度改革。P2P借贷市场在提供高效、低成本和开放性的特点的同时，也面临着诸如信用风险、流动性风险和监管问题等挑战。SettleFinance认识到了这些问题，并决定利用其在区块链技术上的专业知识来找到解决方案。
1.信用风险问题的解决：
SettleFinance打算使用区块链技术来解决信用风险问题。这个问题主要源于缺乏中心化的信用评估机构，使得投资者在面对不同的借款人时，很难准确评估其信用风险，从而面临较大的违约风险。此外，由于传统的信用评估方式往往依赖于借款人的历史贷款记录，这导致了一部分没有信用历史的潜在借款人被排除在P2P借贷市场之外。
为解决这个问题，SettleFinance的解决方案是在区块链上构建一个公开、透明的信用评估系统。借款人的信用记录不仅包括***记录，也可以包括其其他的经济活动，如工资收入、房产信息、电子商务交易等，这些数据都可以被用来构建一个全面的信用评估模型。这些信息将被加密保存在区块链上，同时保护了借款人的隐私，又能供投资者参考。
而且，区块链的不可篡改特性也意味着所有的信用记录都无法被修改或删除，从而大大提高了信用评估的准确性。投资者可以根据这些记录来评估借款人的信用风险，使得决策更加公正和透明。
通过这种方式，SettleFinance旨在通过区块链技术，实现在保护用户隐私的同时提供准确、公正的信用评估，以此来降低信用风险，保护投资者的权益。这不仅能够扩大P2P借贷市场的受众范围，同时也能够提高市场的整体信用水平，有利于P2P借贷市场的健康和持续发展。
2.提高流动性：
SettleFinance还打算用区块链技术来提高流动性。在传统的P2P借贷模式中，交易的流动性往往受限于匹配速度和市场规模。具体来说，如果市场规模较小，或者借款人和投资者的匹配速度不够快，可能会导致资金的使用效率降低，投资者的资金可能会被长期锁定，这无疑对投资者构成了一定的负担。
为了解决这个问题，SettleFinance***通过使用区块链技术，创建一个去中心化的、实时的***。在这个平台上，借款人和投资者可以直接进行交易，而无需经过任何中间环节。借款人可以快速得到所需的资金，而投资者也能够随时出售他们的债权，以此来提高资金的流动性。这样不仅可以大大提高资金的使用效率，还能减少借款人的负担，同时也提高了投资者的收益率。
此外，这种去中心化的交易模式也可以有效地提高市场的透明度。因为所有的交易数据都被记录在区块链上，投资者可以实时查看所有的交易记录，这将有助于他们更好地理解市场动态，做出更明智的投资决策。
3.更有效的监管：
SettleFinance还将利用区块链技术来解决监管问题。传统的监管机构由于P2P借贷的去中心化特性，往往难以有效地对其进行监管，这可能导致一些不法分子利用P2P平台进行欺诈或洗钱等活动。然而，通过区块链技术，所有的交易记录都会被公开、不可篡改地记录在链上，监管机构可以随时查看交易记录，从而更好地进行监管。
总的来说，SettleFinance的这一举措被看作是对P2P借贷市场未来发展的积极响应。区块链技术的出现为解决P2P借贷面临的问题提供了可能，我们期待在未来，随着区块链技术的进一步发展，P2P借贷将会成为一个更加安全、高效的金融模式。而SettleFinance的进军，无疑为此增添了一份期待。
怎么理解区块链的P2P?
? ? ? ?对于P2P这个概念想必大家都很熟悉，第一反应就是网络借贷，其实在区块链的世界P2P是指对等网络。
对等网络这个概念是在08年金融危机之后提出的，一个或者几个化名为中本聪的人在网络上发表了一篇名为 《比特币***：一种点对点的电子现金系统》的论文，于是一***技术极客被吸引凑在了一起，他们不断完善了比特币系统，最终还发现了区块链。
中本聪在论文里说：在点对点电子现金支付系统中，第三方是没有价值的。
这里是我理解的去中心化。
我们不确定他们的最终目的，也许是改变世界改变未来？不过这样的技术发明确实是站在了传统中心化控制的对立面。
如何理解这个对等网络？
它们对传统行业会产生哪些影响？
以之前p2p暴雷潮为例。
2018年，自六月份起，可能是p2p行情最为严峻的一段时间，每天都有平均5个左右的平台暴雷，许多暴雷平台的投资人或惶惶不可终日，或奔走在***的路上。网上一搜，惨状一片。
我们现在回想一下当初我们看好一个平台准备投资时需要做的事情。***设它不是一个资金盘。
注册，绑银行卡，身份证实名，充值，这时候你的钱都存到平台上了，然后平台将资金出借给事先对接好并核实身份的借款人，如果你投的一个月，每月时间到期你可以选择取回本金和坐收当月利息，或者不取出来可以继续在里面投标。
再举一个息息相关的例子
我们平时在淘宝上网购的时候，首先需要绑卡充值购物货款打给支付宝，确认收货后，支付宝把你的钱打给商家。这笔交易完成。
分析以上两个例子就会发现。在我们投资或者交易之前，我们的个人私密信息都是要先透露给第三方，你当初看好后选择的平台和阿里就充当了信用背书的作用。
在交易的那一刻，潜意识里，我们已经把平台和阿里当成是一个，绝对保证我们个人信息不被泄露以及能够保证我们的资金安全的平台。
这个时候我们交易的基础是基于信任。
阿里强大的公众影响力，姑且认为它跑路和违背信誉的可能性比p2p要低。但是***设，我是说***设，这些巨头保存的我们的资料和巨额的资产遭受到黑客的攻击。这样庞大的数据如果泄露，肯定我们自身有遭受损失的风险，而且完全不受我们控制。
p2p更不用说，圈钱跑路，企业公布的信息不实，或者企业对借款人的信息本身核实不严格，给本来该诚实公开给投资人的信息上了一层层的枷锁，风险自是不必说。
因此，再来理解中本聪提出来的在论文里说：在点对点电子现金支付系统中，第三方是没价值的这句话。
区块链里面的点对点(p2p)，就是去中心化或者是弱中心化，将传统行业里掌握大部分数据的中间节点这样的概念弱化，使得一个区块链网络的所有节点在功能上都是平等的，每一个节点可以对其他节点提供服务，也可以利用其他节点为自己提供服务。
并且这样的一个行为发生时全网自动广播备份，也就是记在账本上，每一个人都会知道有这样一件事，如果一个人想要赖账，他必须去更改超过网络中半数以上的账本，成本巨大，无法赖账，保证了区块链系统数据的安全。
区块链的去中心化、安全、共享透明、高效、低成本等特征使得其应用范围将会非常广，不过区块链底层技术还不成熟，基础设施还不完善，国内现在区块链行业处在发展的早期阶段，也有许多的陷阱，因此我们的注意力不该只放在币价和行情，也更该多关注真正的区块链技术
自身能力还不够的情况下，对于煽动诱导性的投资行为一定要远离，宁愿错过，也不要头脑发热以金犯险。
? ? ? ?原文链接： ***s://***.kg***/article/49095***33117816832
区块链核心技术-P2P网络
点对点网络是区块链中核心的技术之一，主要关注的方面是为区块链提供一个稳定的网络结构，用于广播未被打包的交易（交易池中的交易）以及共识过的区块，部分共识算法也需要点对点的网络支撑（如PBFT），另外一个***功能，如以太坊的消息网络，也需要点对点网络的支持。
P2P网络分为结构化和非结构化网络两类。结构化网络***用类似DHT算法来构建网络结构；非结构化网络是一种扁平的网络，每个节点都有一些邻居节点的地址。
点对点网络的主要职责有维护网络结构和发送信息这两个方面。网络结构要关注的是新节点的加入和网络更新这两个方面，而发送信息包括广播和单播两个方面
如何建立并维护点对点的整个网络？节点如何加入、退出？
网络结构的建立有两个核心的参数，一个是每个节点向外连接的节点数，第二个是最大转发数。
新节点对于整个网络一无所知，要么通过一个中心的服务获取网络中的一些节点去连接，要么去连接网络中的“***”节点。
网络更新处理当有新节点加入或者节点退出，甚至原来一些节点网络不好，无法连接，过一段时间又活了，等等这些情况。一般通过节点已有的连接来广播这些路由表的变化。需要注意的是，因为点对点网络的特殊性，每个节点的路由表是不一样的（也叫partial view）
广播一般***用泛洪协议，即收到转发方式，使的消息在网络中扩散，一般要***用一些限制条件，比如一条消息要设置最大的转发数，避免网络的过渡负载。
单播需要结构化网络结构支持，一般是DHT，类似于DNS解析的方式，逐跳寻找目标节点地址，之后进行传输，并且更新本地路由表。
要想快速检索信息，有两种数据结构可以使用，一种是树类型，如AVL树、红黑树、B树等；另外一类是hash表。
哈希表的效率比树更高，但是需要占用更多的内存。
信息的表示***用键值对的方式，即一个键对应一个值，我们要查找的是key，值是附着的信息。
哈希表要解决的问题是如何均匀地为每一个key分配一个存储位置。
这里面有两个重点：1.是为key分配一个存储地点，这个分配算法是固定的，保证存储的时候和查找的时候使用同一个算法，不然存进去之后会找不到；2.是均匀地分配，不能有点地方存放数据多，有点放存放数据少。
一般语言里面的hashtable、map等结构使用这个技术来实现，哈希函数可以直接使用取模函数，key%n，这种方式，n代表有多少个地方，key是整数，如果key是其他类型，需要先进行一次哈希，将key转为整数。这种方式可以解决上面的两个需求，但是当n不够大的时候（小于要存储的数据），会产生冲突，一个地方一定会有两个key要存储，这时候，需要在这个地方放一个链表，将分配到同一地点、不同key，顺序摆放。当一个地点放的key太多后，链表的查找速度太慢，要转化为树类型结构（红黑树或者AVL树）。
上面说过，哈希表效率很高，但是占用内容，使用多台机器就可以解决这个限制。在分布式环境中，可以将上述的地点理解为计算机（后面成为节点），即如何将一个key映射到一个节点上，每个节点有一个节点ID，即key->node id的映射，这个映射算法也要固定。
这个算法还有一个非常重要的要求，即scalebility,当新节点加入和退出时候，需要迁移的key要尽量少。
这个映射算法有两种典型结构，一个是环形，一个是树形；环形的叫一致性哈希算法，树形的典型叫kademlia算法。
选点算法就是解决key->node id的映射算法，形象的来说就是为一个key选择它生命中的她（节点）。
***设我们使用32哈希，那么总共能容纳的key的数据量是2**32，称之为hash空间，把节点的ID映射成整数，key也映射成整数。把key哈希和节点哈希值接的差值的叫做距离（负数的话要取模，不用绝对值），比如一个key的哈希是100（整数表示），一个节点的哈希是105，则这两个的距离是105-100=5。当然使用其他距离表示也可以，比如反过来减，但是算法要固定。我们把key映射（放到）距离他最近的节点上。距离取模的话，看起来就是把节点和key放到一个环上，key归属到从顺时针角度离它最近的节点上。
kademlia算法的距离***用的是key哈希与节点哈希异或计算之后的数值来表示（整数），从左往右，拥有越多的“相同前缀”，则距离越近，越在左边位置不一样，距离越远。
树结构的体现是，将节点和key看成树的节点，这个算法支持的位数是160bit，即20个8字节，树的高度为160，每个边表示一位。
选点的算法和一致性哈希相同，从所有节点中，选择一个距离key距离最小的节点作为这个key的归宿。
由于是在分布式环境中，为了保证高可用，我们***设没有一个中心的路由表，没有这个可以看到全貌的路由表，带来了一些挑战，比如如何发现节点、查找节点？
在P2P网络中，常用的方法是每个节点维护一个部分路由表，即只包含部分节点的路由信息。在泛洪算法中，这些节点上随机的；在DHT算法中，这个路由表是有结构的，维护的节点也是有选择性的。那么如何合理的选择需要维护路由信息的节点呢？
一个朴素的做法是，每一个节点保存比他大的节点的信息，这样可以组成一个环，但是这样做的话，有一个大问题和一个小问题。大问题是，每个节点知道的信息太少(只有下一个节点的哈希和地址)，当给出一个key时，它不知道网络中还有没有比它距离这个key距离还短的节点，所以它首先判断key是否属于自己和下一个节点,如果是，那么这个key就属于下一个节点，如果不是就调用下一个节点同样的方法，这个复杂度是N(节点数)。一个优化的方法是，每个节点i维护的其他节点有：i+2 1, i+2 2,....i+2**31,通过观察这个数据，发现由近到远，节点越来越稀疏。这样可以把复杂度降低到lgN
每个节点保存的其他节点的信息，包括，从左到右，每一位上与本节点不同的节点，最多选择k个（算法的超参数）。比如在节点00110上（为演示起见，选择5位），在要保存的节点路由信息是：
1****: xxx,....,xxx(k个)
01 : xxx,....,xxx(k个)
000 : xxx,....,xxx(k个)
0010 : xxx,....,xxx(k个)
00111: xxx,....,xxx(k个)
以上为一行称为k-bucket。形象的来看，也是距离自己越近，节点越密集，越远，节点越稀疏。这个路由查找、节点查找的算法也是lgN复杂度。