智能合约
2022-03-30 20:47:50 2KB
1
tron链trc20合约代码
2022-03-29 18:51:48 8KB tron trc20
1
投币锁 智能合约将您的硬币锁定预定的时间段,表示为自Unix纪元以来的秒数(与块时间戳相同的格式)。 该软件按原样发布。 它已经在测试中起作用,但是在实践中总是存在不可预见的错误。 通过使用它,您对以太币发生的任何事情承担全部责任。 用法 启动geth并等待,直到所有这些都赶上了网络的其余部分。 在另一个终端中,运行geth attach并遵循以下示例。 > eth.defaultAccount = eth.accounts[1] // Choose whichever account you want here. "0x35d68fb24df0e54d44e6cc32f75f1cc891f57811" // It'll echo back the address you chose. > eth.getBalance(eth.defaultAccount, 'latest') 5.00
2022-03-21 16:11:31 5KB JavaScript
1
ETH ERC20代币的发布步骤文档。相关网址;发布代币的网址:https://www.myetherwallet.com/;智能合约的编译网址:https://remix.ethereum.org
2022-03-20 09:19:11 2.37MB ETH代币 ERC20
1
前一阵子学习了一些区块链相关,并记录了在在Geth上创建私链的过程。详情请参考如下的几篇文章: 在Ubuntu下使用Geth搭建自己的以太坊私有链 CentOS7下安装Geth,搭建以太坊私有链 Geth私链的多节点运行 这篇文章简单讲述下如何在Geth上部署和发布智能合约。 智能合约是部署在区块链上的一组预定义的业务规则,具备确定性(Deterministic)执行的特征。换句话说,智能合约只是软件程序,与所有程序一样,它们完全按照程序员的意图执行。与普通的程序不太一样的是,存储在区块链上,并使用加密代码强制执行协议。 智能合约的概念最初是由计算机科学家、密码学家Nick Szabo于1
2022-03-15 14:39:44 419KB eth 区块链 智能合约
1
CS251 完成CS251课程并写下笔记。 我通常对加密货币和区块链技术非常了解,但对它们的学术观点感到好奇。 因此,这里去。
2022-03-13 20:24:47 3KB
1
随机游走NFT 此仓库与同时进行 基于以太坊的随机游走NFT 一个智能合约,可以产生可证实的随机游动,从而生成点状图,该点状图看起来像是从原点开始到任意随机点结束的藏宝图。
2022-03-10 14:32:27 62KB Solidity
1
POSDAO智能合约 在POSDAO共识算法的实现。 关于 POSDAO是一种权益证明(POS)算法,实现为分散的自治组织(DAO)。 它旨在为公共链提供分散,公平和节能的共识。 该算法可作为以Solidity编写的一组智能合约来工作。 POSDAO是通过通用BFT共识协议实现的,例如具有领导者和概率终结点的AuthorityRound(AuRa)或无领导者且具有即时终结点的Honeybadger BFT(HBBFT)。 它激励参与者为网络的最大利益而行为。 该算法提供了一个Sybil控制机制,用于报告恶意验证者并调整其权益,分配大笔奖励并管理一组验证者。 作者基于以太坊1.0协议为侧链实现POSDAO。 POSDAO资料库和资源 白皮书: : 具有POSDAO功能的反向OpenEthereum客户端: : (v2.7.2) 支持POSDAO功能的原始OpenEthereum
2022-03-10 04:57:06 334KB JavaScript
1
DAO白皮书中文版 去中心化自治组织 DAO 以太坊 智能合约 区块链
2022-03-10 03:40:59 528KB DAO 以太坊 智能合约 区块链
1
GraphDeeSmartContract 此仓库是使用图神经网络(DR-GCN)进行智能合约漏洞检测的python实现。 要求 所需的包 python 3或以上 PyTorch 1.0.0 numpy的1.18.2 sklearn用于模型评估 运行以下脚本以安装所需的软件包。 pip install --upgrade pip pip install torch==1.0.0 pip install numpy==1.18.2 pip install scikit-learn 引文 如果您想在引用我们的或代码库,请使用以下引用: @inproceedings{ijcai2020-454, title = {Smart Contract Vulnerability Detection using Graph Neural Network}, author =
1