1. 首页
  2. 资讯
  3. 项目

融数链(FBT)网格化多维数据价值交换生态

Fusionblock致力于打造全球首个数值交换生态系统。借助大数据产业基础,提炼数据为抽象事物对象,打造为解决数据服务工作流及商业流程的生态交易链,是新一代分片分层综合架构下的一个多方事务协同管理,协同操作,跨主体的复杂网格结构商业生态。在现有区块链技术基础之上Fusionblock强化隐私安全,并结合多层次技术与设计创新,突破区块链发展瓶颈,为链的世界提供技术基础设施。构建面向未来的多商业应用的全新技术架构FusionGrid Smart Workflow系统,运用网格计算扩展、融合、开发更广泛的底层技术能力。MLCC分层架构,配合数据交易安全体系BDOSA,数据安全运算,数据血缘BDL,算法集市等,抽象业务为数据对象,以BaaS服务的方式,提供满足各行业领域的去中心化应用探索。

我们认为区块链没有技术架构上的革新,三元悖论下一味的提升TPS没有实际意义,重复造车轮,换汤不换药是目前公链项目的通病,依据现有区块链行业发展水平和规模,因对缺失的中间层进行探索。与区块链技术的目标一致,引入网格计算关键能力一-协同,是将线上资源协同起来,但区别于ETH的Smart contract,我们在Smart contract上加上流程管理,类似网格计算里面的协同叫集合( collective),任务输出、传输资源都需要做集合,加上流程和调度,定位为Smart workflow。一个中间层架构能力FBCBaaS ( Fusionblock Collective Blockchain as aService ),满足与多公链接入技术栈的标准化区块链服务。

区块链改变生产关系,是“虚拟经济的共产主义”,即按需分配,按劳所得。有专业能力的,可以服务全球所有的公司,没有边界,可以受雇于任何人,按劳动获取收入,需要服务的,在区块链全网可以进行撮合和匹配,单点之间的交易做成多点之间有顺序、有流程的整个协同,最大化支持行业应用场景。以大数据行业为切入点,抽象数据为商业,构建多维数据价值商业场景,以此水平拓展全球数值商业生态。

Fusionblock技术特点

1.数据网格化工作流FGSW ( FusionGrid Smart Worklow)

融数链(FBT)网格化多维数据价值交换生态

在日常工作中,离不开多方协同,同样在数据生态中也是离不开多方协同,即:数据业务协同,数据计算协同。总的来说,数个网格化工作流是一种类似嵌套多维智能合约组,成的超级智能合约。

Fusionblock的数据网格化工作流是将一组或多组网格化智能合约组织起来以完成某个目标:定义了数据网格工作流的顺序和条件,每个数据网格工作流可以由一个或多个网格化智能合约完成,也可以由单方或多方完成,还可以由一个或多个人与网格化智能合约协作完成。

直接理解网格化工作流概念有点难度,我们可以先通过了解网格化工作流的职责再反过来理解网格化工作流,网格化工作流做两件事情:

·定义流程
我们提供某种规范来定义规则,以及如何定义-一个流程的规范,同时我们可以根据网格化工作流提供的相关规范来定义更为复杂的流程,这就是工作流引擎做的第一件事叫做定义流程。

·执行流程
网格化工作流需要解释这个规则,还要负责流程,它相当于流程的调度者,监控每个流程的执行情况,并将流程操作发往下一步, 或者根据条件休眠或终止流程的这么一个过程就叫做执行流程。

了解完网格化工作流的这两个职责,对于什么是网格化工作流已经有了-定的认识了,本质上来讲,网格化工作流为我们提共相关规则概念的定义,给我们提供了相关的API来调用这个引擎去执行流程。流程的操作实际上就是网格化工作流提供相关的API让我们去调用它。

2.融数链虚拟机FGVM( FusionGrid Virtual Machine)

融数链(FBT)网格化多维数据价值交换生态

以太坊网络中大规模的并行计算并不是为了计算更高效。事实上,这个过程让计算速度比传统的计算更为低效。另-方面,以太坊中每一个节点都运行着EVM的目的是保持整个区块链的共识。分散式的共识机制给予了以太坊极高的容错能力,确保零宕机,并且使存储于区块链的数据永远不可更改并且可被审查。当然这样做的代价也非常明显,。

·EVM是基于栈的架构
现在实际的处理器,大多都是基于寄存器的架构,从侧面反映出基于寄存器比基于栈的架构更与实际的处理器接近。但对于VM来说,源架构的求值栈或者寄存器都可能是用实际机器的内存来模拟的,所以性能特性与实际硬件又有不同。一般认为基于寄存器架构的VM比基于栈架构执行效率更高。

·不支持浮点数
浮点数有很多应用实例,比如风险建模、科学计算,以及其他一些范围和近似值比准确值更加重要的情况。EVM将浮点数排除在外的做法有潜在的局限性。

·缺少标准库
在开发Solidity智能合约时就会碰到这个问题,因为Solidity中根本没有标准库。目前的情况是,大家只能不断的从一些开源软件中 复制粘贴代码。首先这些代码的安全性无法保证,再加上人们会为了更小的Gas消耗而不断修改代码,这就有可能对他们的合约引入更严重的安全性问题。

·难以调试和测试
这个问题不仅仅是EVM的设计缺陷,也和其实现方式有关。EVM唯一能抛出的异常就是OutOfGas,并且没有调试日志,也无法调用外部代码。同时,以太坊本身很难生成一条测试网络的私链,即使成功,私链的参数和行为也与公链不同。

融数链虚拟机是FGSW运行的环境,是SFC的运行基础。其指令集基于寄存器架构,执行其特有的编码格式一字节码,来完成对象生命周期管理、堆栈管理、线 程管理、安全异常管理等重要功能。它的核心内容是实现库( libdvm.so ),大体由C语言实现。依赖于Linux内核的一部分功能一线程机制、 内存管理机制,能高效使用内存,并在低速CPU . 上表现出的高性能。每一个合约在底层都会对应一个独立的虚拟机实例,其代码在虚拟机的解释下得以执行。

融数链VM解释器在执行合约时,首先将源码编译成虚拟机指令( opcode,操作码),然后执行这些指令。对每一个被编译的函数,融数链VM为其创建一个原型,原型中含有一个由该函数的虚拟机指令组成的数组、一个所有被该函数用到的常数值( TObjects,字符串或实数)的数组(因为这避免了在指令码中直接包含常数值进而导致指令长度的膨胀。事实上,可以把这些常数看成具有只读属性的全局变量,对它们的处理和全局变量的处理是一致的)。

融数链(FBT)网格化多维数据价值交换生态

使用寄存器式虚拟机消除了用堆栈式虚拟机时为了在栈中拷贝数居而必需要的大量出入栈( push/pop)指令。在以太坊VM中,这些出入栈指令相当费时,因为它们需要拷贝带标志的值( tagged value, TObject )。因此寄存器结构既消除了昂贵的值拷贝操作,又减少了为每个函数生成的指令码数量。与寄存器式虚拟机相关的两个难题是:指令大小和译码速度。寄存器式虚拟机的指令需要指明操作数位置,因此 通常要比堆桟式虚掀机的同炎指令長。男- -方面,内基于寄存器的虚扨机生成的操作码要比堆桟式虚掀机少,因此指令总长度大不了多少。

2.1 基于网格计算的运算语言SFC( Swift based FusionGrid Computation )

Fusionblock允许智能合约开发人员编写网格化智能合约。网格化智能合约本质上是与数据计算增强一起运作的智能合约。网格化智能合约将具有这样的代码:结算部分在记账层,上执行,数据计算在计算层执行。结算层将主要用作记录、结算,可审计、存证。计算网络提供数据计算增强、安全、隐私,还支持分布式集群计算。

SFC允许对其进行操作的逻辑数据结构和逻辑过程的简明定义,以及由简单和复合过程组成的复杂计算。它对嵌套迭代的支持可以允许一个紧凑的SFC程序(例如,一个嵌套的迭代集 ,它将程序重定向应用于整个过程中的每个步骤)来表达数万个并行任务。我们已经证明,与其他方法(如Shell脚本和有向无环图规范)相比,SFC程序的代码行数至少要小一个数量级。

SFC在几个层面解决了可靠性问题。在开发级别,其类型检查功能允许它在执行之前识别程序中的潜在问题。它对虚拟节 点的支持使得使用本地提交和一小组数据集变得容易,然后转移到更大执行节点。在执行期间,底层的引擎支持灵活的异常处理机制。通过里试故障任务来恢复暂时性问题(例如,如节点忙,则重试传输),并且通过在不同节点上重新安排任务来处理主机级故障(资源表现出未知持续时间的问题)。SFC还保留一个恢复记录,允许它在过早终止的情况下恢复计算状态(例如,由节点离线引起)。我们还注意到这种机制的一些好的副作用: (1 )可以在计算运行一段时间后追加新输入,并且一旦重新恢复计算, 系统就能够发现这些新输入存在并且没有处理,从而协调并安排处理。( 2 )只要修改不影响已经发生的数据流,我们就可以对程序进行修改并重新恢复它。

SFC采用以下几点进行优化:

效率:流水线,指通过逐步执行相关迭代来优化执行的能力。SFC 建立在数据驱动机制之上,因此一旦处理了集合中的项目,任何依赖于该数据项的进程都可以立即进行而无需等待整个集合完成。

聚类:许多科学计算由大量短期运行的作业组成,例如,样本fMRI计算中的重定向程序通常在几秒钟内完成。大量此类作业的初始化和调度可能会带来很大的开销。为了解决这个问题,我们(可选)捆绑(大多数是独立的)工作组并将它们作为单个工作提交。

可插拔执行提供程序: SFC可以根据VM中的抽象提供程序接口,在不同的计算资源上安排程序的执行。本地主机执行, 集群调度程序提交,GRAM作业提交等提供支持。我们还通过实现FusionGrid Execution Framework服务的程序接口,将SFC与FGEF服务集成在一起。

2.2 网格化执行框架FGEF ( FusionGrid Execution Framework)

现有的区块链技术在执行智能合约时,大多为去中心化的方式,而不是分布式的方式进行,即所有节点运行的都是同一套代码,因此现有场景下单节点的硬件资源决定了智能合约所能提供的最大能力。为了能够快速执行许多智能合约,基于Falkon框架思想原理,设计开发出了FusionGrid Execution Framework框架。FGEF 集成了多层次调度以将资源获取(通过例如对批处理调度程序的请求)与任务调度分开,以及简化调度器,FGEF集成了多级调度和简化的调度程序,可提供任何其他平台无法提供的性能。总的来说,网格化执行框架是一种使算法的执行能够与多个不同实体分离的技术。

网格化执行框架,源于网格计算,通过API、接口可以很方便地在Fusionblock上实现分布式计算,而无须考虑资源调配,结点通信等的具体实现细节。

五层沙漏结构是网格化执行框架基本体系结构,该结构主要侧重于定性的描述而不是具体的协议定义,因而很容易从整体对网格进行理解。五层沙漏模型以“协议”为中心,强调服务、API和SDK的重要性,但是并不提供严格的规范,也不提供对全部所需协议的完整罗列,而是对该结构中各部分组件的通用要求进行定义,并且将这些组件形成一定的层次关系,每一层的组件具有相同的特征,上层组件可以在任何一个低层组件的基础之上进行建造。

五层沙漏结构根据该结构中各组成部分与共享资源的距离,将对共享资源进行操作、管理和使用的功能分散在五个不同的层次,越往下层就越接近于物理的共享资源,因此该层与特定资源相关的成分就比较多;越往上层就越感觉不到共享资源的细节特征,也就是说上层是更加抽象的共享资源表示,因此就不需要关心与底层资源相关的

具体实现问题。

·构造层(Fabric):

控制局部的资源。由物理或逻辑实体组成,目的是为上层提供共享的资源。常用的物理资源包括计算资源、存储系统、目录、网络资源等;逻辑资源包括分布式文件系统、分布计算池、计算集群等。构造层组件的功能受高层需求影响,基本功能包括资源查询和资源管理的QoS保证。

·连接层(Connectivity);

支持便利安全的通信。该层定义了网格中安全通信与认证授权控制的核心协议。资源间的数据交换和授权认证、安全控制都在这一层控制实现。该层组件提供单点登录、代理委托、同本地安全策略的整合和基于用户的信任策略等功能。

·资源层(Resource);

共享单一资源。该层建立在连接层的通信和认证协议之上,满足安全会话、资源初始化、资源运行状况监测、资源使用状况统计等需求,通过调用构造层函数来访问和控制局部资源。

·汇集层(Collective):

协调各种资源。该层将资源层提交的受控资源汇集在一起,供虚拟组织的应用程序共享和调用。该层组件可以实现各种共享行为,包括目录服务、资源协同、资源监测诊断、数据复制、负荷控制、账户管理等功能。

·应用层(Application):

为网格上用户的应用程序层。应用层是在虚拟组织环境中存在的。应用程序通过各层的应用程序编程接口( API)调用相应的服务,再通过服务周动网格上的资源来完成任务。为便于网格应用程序的开发,需要构建支持网格计算的大型函数库。

2.3 网格化大数据计算扩展FGCE ( FusionGrid BigData Computation Extend )

现实世界大数据应用复杂多样,可能会同时包含不同特征的数据和计算,在这种情况下单一的计算模式多半难以满足整个生态的需求,因此需要考虑不同计算模式的混搭使用。

混合式计算模式可体现在两个层面上。一个层面是传统并行计算所关注的体系结构与低层并行程序设计语言层面计算模式的混合,例如,在体系结构层,可根据大数据应用问题的需要搭建混合式的系统构架,如MapReduce集群+GPU-CUDA的混合,或者MapReduce集群+基于MIC ( Intel Xeon Phi众核协处理系统)的OpenMP/MPI的混合模型。

所谓网格化大数据计算扩展,是指根据不同数据特征和计算特征,从多样性的数据计算问题和需求中提炼并建立的各种高层抽象( Abstraction )和模型( Model )。

传统的并行计算方法主要从体系结构和编程语言的层面定义了-些较为底层的抽象和模型,但由于数据处理问题具有很多高层的数据特征和计算特征,因此数据处理需要更多地结合其数据特征和计算特性考虑更为高层的计算模式。

网格化大数据计算扩展是对业务数据形态的强化,在Fusionblock中,业务数据都被视为一个Dataframe,在Dataframe上,Fusionblock 将提供迭代计算、批处理计算、内存计算、流式计算、数据查询分析计算( Shark )以及图计算( GraphX )相关方法,方便数据分析师更为便捷的处理数据。

网格化大数据计算扩展通过函数注解的方式,引入分布式计算。在Fusionblock体系中,当计算层节点执行智能合约时,会动态检查到分布式计算是否存在,若发现存在分布式计算场景,则向透过网格化执行框架向计算层节点发布任务,计算节点层完成任务后,再通过网格化执行框架汇集结果。


3.MLCC分层架构设计

融数链(FBT)网格化多维数据价值交换生态

Fusionblock是在区块链的分层结构中通过并行链的方式作为主要的技术实现,融数链分为“计算层”和“结算层”。

分层设计可以针对不同的分层进行有针对性的部署和升级。针对结算层,可以通过软分叉对数字货币交易中遇到的问题进行升级和换代,而对于计算层,则可以根据Dapps的运行需求进行针对性的拓展和改良。因此,分层的方式实现了在一个生态内建立清晰、有边界的系统运行秩序,实现更好的可拓展性和交互性,货币和应用程序可以分别根据各自运行特点采用不同的治理策略。

3.1 结算层FBSL ( FusionBlock Settement Layer )

Fusionblock结算层( FBSL)是账户余额和交易管理的地方。它使用UTXO模型,是区块链中最安全的部分。结算层与智能合约执行的计算层保持分开。这种分层架构为系统提供了更易于维护的灵活性,并允许通过软分叉升级。

3.2 计算层FBCL (FusionBlock Computation Layer)

Fusionblock数据计算层FBCL为数据计算执行单元,是数据网格化工作流的执行计算组件。我们通过内置最基本运算后,提供结算接口,允许第三方通过我们计算扩展框架进行扩展运算。同时计算算法集市可以视为融数链平台的通用计算库。

4.算法集市(Algorithms Markets )

前面我们提到ETH的智能合约缺乏标准库的支持,融数链算法集市的核心思想就是建立一个可以动态热插拔的算法库,融数链自身会提供高级计算扩展,同时算法本身也会以库的形式提供给算法工程师。

融数链(FBT)网格化多维数据价值交换生态

4.1 基于区块链的数据确权BDOSA ( BlockChain based DOSA)

Fusionblock基于区块钻连的面向数据安全体系结构BDOSA ( BlockChain based Data-Oriented Security Architecture )是对DOSA的改造,旨在通过区块链技术对数据安全体系进行全补充,包括数据的管理和应用等,构建起从数据保护到授权应用的整套机制。通过区块链技术去中心化、不可篡改的特性,保证了数据授权的真实记录,数据交易溯源。

整个DOSA机制贯穿在以下场景触发和执行:数据交易(虚拟数字资产保护及交易)平台:在建立数据资产所有权的基础上,通过数据加密呈现、授权交易、过程记录、价值评估、记账计费管理、水印溯源等,保障数据安全交易和数据拥有者利益。

4.2 基于区块链的数据血缘BDL ( BlockChain based Data Lineage)

为了防止平台出现大量无效的分析数据,我们在交易流程中增加了血缘交税法则,即任何为当前数据提供贡献的血缘数据都会得到相应的收益,我们分析通过区块链调用历史的记录,可以追述到数据的整体变化链,并对智能合约复杂度进行分析,判定智能合约对数据处理的贡献度,然后根据贡献值调整交易流程中各环节数据所占的利益分成,当贡献度过小时,整个交易利益则为原始数据提供者所占有,从而迫使数据分析商提出更为有效、高质量的数据分析模型。通过血缘交税,使得有价值的数据拥有者能够多次从使用其数据的场景下获得收入,从而进一步促进个人积极更新、 添加各类型数据。

4.3 Apriori 算法

Apriori算法是一一种挖掘关联规则的频繁项集算法,其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。Apriori (先验的,推测的)算法应用广泛,可用于消费市场价格分析,猜测顾客的消费习惯;网络安全领域中的入侵检测技术;也可用在移动通信领域中,指导运营商的业务运营和辅助业务提供商的决策制定。

Apriori算法的挖掘思想: Apriori 算法采用的是逐层搜索的策略,同时依据其性质压缩搜索空间。而它的性质是说,如果一个项集具有频繁性,则它的所有非空子集也一定是频繁项集。它的基本思想在于:首先,扫描一次事物集合,找出频繁1 -项集的集合L1,然后基于L1,产生所有可能的频繁2 – 项集即候选集C2,接着基于L1对C2进行必要的剪枝操作。对C2的优化完成后,再扫描一次事务集合,找出下一个频繁候选集,如此迭代,直至再也找不出频繁集时退出。

在实际的应用中,关联规则主要应用于商品购买的关联行为,比如针对一个卖场,可以通过对数据分析的关联分析发现面包与牛奶之间的购买行为,从而可以针对性进行促销或是适当调整商场的物品摆放。所以关联分析是数据分析特别有效的模型,针对性比较强。

4.4 聚类分析模型、聚类分析算法

聚类分析是指将物理的或抽象的对象的集合分成相似的对象集的过程,最终的结果是同一个簇中的对象具有较高的相似性,而不同簇之间的对象则具有较大的差异性。聚类分析的三要素为相似度测度,聚类准则和聚类算法。相似度测度主要用于衡量同簇对象的类似性和不同簇对象的差异性,而聚类准则则是用于评价聚类结果的好坏,聚类算法用于找出使准则函数取极值的最好聚类结果。目前数据聚类分析中比较常用的算法主要有划分式聚类算法、基于密度的聚类算法、层次聚类算法、以及基于网格的聚类算法。其中比较比较典型的是划分式聚类算法。

划分式聚类算法的挖掘思想:划分式聚类算法的其代表是K均值算法、K中心点算法以及它们的一些变种。K均值聚类算法假定所有的数据对象课分为K个簇,每个簇的中心用均值表示,对象间的相似性用距离度量,聚类的准则使用误差平方和准则。它的核心在于首先选定K个初始聚类中心,根据最小距离原则将每个数据对象分类到每一簇中。聚类分析模型是一个比较简单的大数据分析模型,但是它可以对大型数据集进行高效地划分,它也是数据挖掘的重要模型之一,在实际工作中已经取得广泛的应用。


5.数据多方安全计算SMC ( Secure Muti-party Computation)

一个安全多方计算问题在一个分布网络上计算基于任何输入的任何概率函数,每个输入方在这个分布网络上都拥有一个输入, 而这个分布网络要确保输入的独立性,计算的正确性,而且除了各自的输入外,不透露其他任何可用于推导其他输入和输出的信息。

通俗地说,安全多方计算是指在一个分布式网络中,多个用户各自持有一个秘密输入,他们希望共同完成对某个函数的计算,而要求每个用户除计算结果外均不能够得到其他用户的任何输入信息。

可以将安全多方计算简单地概括成如下数学模型:在一个分布式网络中,有n个互不信任的参与者pL, p2..p.每个参与者Pi秘密输入xi ,他们需要共同执行函数F:(.,2….)-(1.,2…m)其中yi为得到的相应输出。在函数F的计算过程中,要求任意参与者Pi除yi外,均不能够得到其他参与者Pj(j≠i)的任何输入信息。

由于在大多数情况下yl= y2=..= m ,因此,我们可以将函数简单表示为F:(xl,x2..xn)→γ同态加密的特殊的性质使我们可以直接对密文进行某些运算来代替对明文的运算取得同样的效果,这样不影响明文数据的机密性.同态加密方法在云计算和多方保密计算中都将发挥重要的作用,同态加密的一一个例子如图:

图中N=pq,p和q是两个大素数、a(N)= lcm(p-l,q-)是p-1和q-1的最小公倍数。

融数链(FBT)网格化多维数据价值交换生态

B={xx’ modN= l,μe∈{2.,a8} Sy= {u< N2 u= ImodN}.对于任意的u∈Sv,定义L(u)为L(u)=”-.假设g∈B,N是公开参数,g是公钥,(p,q)是私钥。 这是一个加法同态加密算法,该算法具有下述性质:

E(x+y)= E(x). E(),E(:y)=(E(x)Y
这个性质使得仅知道y, E(x)和公钥的拥有者能够通过计算
E(x+)= E(x). E(),E(x.))=(E(x)Y

完成对E(Xx + )y)和E(x y)的计算而不需要知道 x。这是一种语义安全的概率加密算法,在这种语义安全的加密算法之下,0的密文和1的密文是计算上不可区分的。

即E(O)=E(I).

通过使用安全的数据网格化工作流,以分布形式计算请求数据。数据被随机分散到多个计算单元中,共同承担起计算责任,不用担心数据泄露到其他计算单元。需要强调的是,没有任何一个计算单元可以访问完整的数据,它们只包含数据、算法的某一部分。


代币发行

1.Fusion Block Token

为了有效激励社区建设者与参与者,实现平台的生态增长,并能够使所有的参与者在生态中无界的使用所有的Dapp应用,Fusionblock发行平台通行的Token-FBT。

目前FBT将基于以太坊ERC20协议发放,目的是为了能够让所有参与者尽早参与到社区的建设,并能够接受更广泛的以太坊社区成员的参与;随着Fusionblock生态以及社区的不断成熟,我们将在主网,上线时根据既定的规则,将所有基于以太坊ERC20的FBT代币映射为Fusionblock原生币,保障所有参与者的权益。

Fusionblock主网上线后,將根据生态经济增长速度,确定增发比率,保持Fusionblock生态经济通胀稳定。

Fusionblock是一个高速增长的生态平台,未来将承载数以万计的数据确权、安全计算、商业协同的应用。FBT是平台上重要的通行Token, 随着平台用户数的不断增长,以及生态经济的持续发展,FBT的价值将持续提升。

2.分配方案

Fusionblock本次发行总量为50亿枚FBT,分配方案如下:

·预售部分
用于Fusionblock平台的技术研发、硬件及带宽成本投入、项目运营以及项目的市场推广等。

·社区激励基金部分
Fusionblock初次发行将预留共48%的FBT作为社区运营+技术激励基金,分为两部分,24%用于技术社区激励,主要用于已有技术团队和激励开发者为Fusionblock持续贡献技术力量; 24%用于社区生态运营激励,主要用于支持Fusionblock商业模式运营。所有的分配规则和分配过程均公开透明,所有分配通过智能合约自动完成。

·核心创始团队部分
Fusionblock创始团队为Fusionblock 的诞生和发展提供全部的产品和技术支持,遂以合理份额的FBT作为对团队的回报奖励。团队FBT部分48个月后释放。

·战略储备部分
Fusionblock在运营的过程中,出现不可预期的事件,将预留2%作为战略储备。

关于更多融数链信息:http://fusionblock.io/

更多区块链项目:http://www.qukuaiwang.com.cn/news/xiangmu
风险提示:区块链投资具有极大的风险,项目披露可能不完整或有欺骗。请在尝试投资前确定自己承受以上风险的能力。区块网只做项目介绍,项目真假和价值并未做任何审核!

声明:登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。

发表评论

登录后才能评论