当daslink创始人albert大数据人

daslink 创始人albert ：大数据+人工智能“护航”区块链生态安全

随着区块链技术的不断发展，区块链领域本身的安全问题逐渐凸显，与区块链相关的社会化安全问题日益突出，其中区块链自身机制及区块链生态问题尤为明显。作为一个价值流通的底层平台，安全性是区块链得以广泛应用的基石。如何通过良好的安全生态来降低风险事件的发生将变的尤为重要。

近日，金色财经采访了daslink创始人兼技术负责人albert lin，聊聊如何通过量化分析引导技术变革，保障加密数字货币交易市场的安全。

dTBS型弹簧拉压实验机主要是对各种螺旋弹簧做拉伸及紧缩实验aslink创始人兼技术负责人albert lin

数字货币监管之“光”

2017年9月，作为技术合伙⼈加⼊vc saas之后，albert开始为传统股权投资市场探索⼀套基于⼤数据和⼈⼯智能的可⾏项⽬评估⽅式。这套算法基于以往的技术积累，融合了推荐算法、相似度分析、⾃然语义识别、图像识别的⼀套综合算法体系。

“我和当时的同事bruce认为这个算法不应该局限于⼀级市场的项⽬评估，所以我们将此算法及其融合的数据体系单独出来，成⽴了 daslink。”albert介绍说，“我们希望⽤同样的算法可以帮助数据不透明、缺乏⽀持的数字货币交易市场。”

当时，albert发现，⼀个初创的ai公司会⾯临极⼤的挑战。就daslink自身而言，传统的盈利模式是通过数据付费、api调⽤次数和系统整体销售来收费。不论是哪种模式都需要⽀付⾼额的数据费⽤，数据费的成本占到总收⼊的60%。这其中还不包括数据标注，数据清洗费⽤。基于此，albert在原有的平台上设计了⼀套让⽤户提供数据反馈的机制，但是缺乏激励，⽤户并没有动⼒将数据反馈。

“所以我们希望通过⼀套更完善的通证激励机制，将原来⽤于付给数据服务商的资⾦通过通证的⽅式返还给⽤户，使得⽤户成为我们的数据源，同时将区块链协作开发、社区开发的开发模式引⼊公司治理中，将原本的开发团队转换成全球化协作开发的团队。”

由此，全部ai公司都可以使⽤dast（代币）作为前期费⽤购买数据，可以强化算法积累程度和激励开发⼈员，共享daslink团队已经完成的ai开发成果。这样，既可以⼤⼤降低ai公司在前期的投⼊成本，又能获得更⾼效益，解决项⽬冷启动的问题。

目前，daslink正在建⽴⼀整套基于外部数据的⼈⼯智能计算体系。“加密货币项⽬评估⼯具只是其中的第⼀款产品，也是我们觉得现在⾮常急缺的⼀款产品。因为数字货币世界中并没有传统市场的监管，不论是市场监管或是⾏政监管对于⾏业初期健康发展有着不可或缺的助推作⽤，⽽市场监管也是要依托于⾏政监管的。这导致了加密货币市场的乱象。” albert分析。

据介绍，daslink会将全部的过程数据，计算数据特别是评估结果数据上链，做到不可篡改。通过强制公开结果的⽅式来达到监督的目的，同时公开的评估结果可以被全部⽤户监督和查阅。

“我们也将根据⽤户反馈结果来训练3.耐老化、高光泽、调优算法，最终形成⼀款更加聪明更加完善的产品。同时还将利⽤通证激励的⽅式来⿎励⽤户上传、标注和反馈数据，形成⼀套良性的通证循环经济体系。也将利⽤通证经济形成全球化办公的去中⼼化开发者社区，⽤户社区将通过通证投票的⽅式来决定算法的⾛向，最终形成⼀套有利于全⾏业的算法体系。”

daslink团队强硬的技术背景以及对股权投资市场与加密数字货币市场的深刻理解，在传统股权投资市场的应用中，获得了真格基金、华兴资本等头部机构的认可。

区块链终究会以技术拨开云雾

扭力测试仪的功能扭力测试仪作为1种精密仪器“量化分析和量化交易完全不同”al1.钳口装夹时没放正bert反复强调，“但是很多⼈分不清其中的区别。”而daslink想要做的是通过⼤数据的量化分析，这类⼤数据包括舆情数据、交易数据、社交数据、基础数据、链上数据。

“我们在传统⼆级市场积累了基于舆情和数据分析⽀持交易的经验，同时在传统⼀级市场积累了基础数据和舆情数据⽀持评估模型的经验，发现在区块链市场，24⼩时⽆休⽌的交易和高速数据更新，而⼤多数投资⼈并不能及时全部地处理这些数据。”albert认为，在⼤量的信息充斥下，ai能⽐⼈类更有效率更理性地分析这些数据。最终这类ai技术将成为区块链发展的技术支撑，为区块链和数字货币提供价值投资基础。

据介绍，daslink的量化分析过程全程⾮⼈⼯，也没有任何环节有⼈为干预。全部环节依托三套⼤型的机器学习体系和⼀整套数据爬取清洗⽅案。

⾸先daslink会从全⽹数据中爬取所有关于区块链的数据（daslink的数据爬取体系并不仅仅⽀撑daslink⼀个产品，只是将海量数据中和区块链相关的数据为daslink所⽤）。这些数据包括有关所有币种的每⼀条twitter, 每⼀条与报告，社区内的每⼀条发⾔，github上的每⼀次commit。

经过⼀道数据清洗进程后这些数据会进⼊到语义识别算法中，这是第⼀套机器学习体系。这个体系中的算法会识别每⼀条舆情的正负⾯信息，同时识别每⼀条数据中的主体，并关联上这些主体。

第⼆套算法体系是相关度体系，相关度体系是指⼀套可以计算出每两个项⽬之间关联程度的⼀套算法体系，每两个项⽬之间的相关度都会变成⼀个数值。

举个例⼦，eth和eos之间的相关度⾼于eth和btc之间的相关度，那么当eth出现负⾯的时候，eth的舆情分就会下降，但是同样的对于eos和btc的影响并不相同。如果的影响分是x，eos和eth 关联系数为ee，那么最后eos舆情分的变化就是ee*x。从感知的⻆度可以理解成，⼀个项⽬的竞争对⼿爆出负⾯，在其他条件不变的情况下，这条对于此项⽬是利好消息。

最终，所有的维度包括舆情、团队、链上数据、交易、社区等⽅⾯的数据评估结果都会被放⼊第三个基于卷积神经⽹络的机器学习体系中。体系将基于时序算法计算过去所有的维度变化对价格产⽣的影响，同时加⼊现今的输⼊值，最终结果可以有输出成币价预测、事件分析引擎等展现形式。

“daslink全程的计算并不基于‘⼈’或者‘分析师’或者‘社区成员’这种完全不可控、不客观的主观评估，⽽是基于⼀套依托于数据和代码、⼈⼯智能算法的全新评估评级。”albert解释说。