近日，去中心化 NFT 平台 Pastel 做客律动 AMA，进一步讲述为何想要在比特币区块链上创建 NFT 生态，以及该项目代币机制和未来发展计划。近日 Pastel 已上线 Uniswap(v2)，并计划开始进一步扩展亚洲市场。

Pastel Network 是一个去中心化 NFT 平台，允许用户注册、存放和交易「NFT」及其他「稀有」资产。该平台为创造者提供了一种与粉丝安全连接并销售独特限量版数字资产的方式，但无需支付高额手续费用或受到存储限制。

本期对话嘉宾是 Pastel 的创始人兼 CEO Jeff Emanuel 以及联合创始人兼 COO Anthony Georgiades，他们就 Pastel 的愿景以及代币机制和我们进行了分享。

律动 BlockBeats：可以请您简单向律动的粉丝们介绍一下自己吗？您的个人背景以及您是讲解进入到区块链领域的？

Pastel：我的大学专业是数学，从 2008 年开始就在对冲基金公司工作，从事基本面和定量投资。我第一次注意到比特币是在 2013 年，从那以后我就迷上了加密货币和去中心化系统。

3 年前，当我看到在区块链上创作稀有艺术品很有潜力时，创建 Pastel 的想法此时应运而生。我第一次听说建立在比特币区块链上的项目现在已经被遗忘了，它叫做 Rare Pepe。当时 Rare Pepe 有很多问题，比如费用极高，而且系统很多方面并没有实现去中心化，它依赖一个完全中心化的网站存储图像文件，而不是依赖区块链。

我认为有更好的方法来实现目的，所以我们开始设计和建造一个专门为稀有的数字艺术（在今天被称为 NFT）的区块链。我们选择建立在 Zcash 之上，Zcash 是建立在比特币代码基础之上的项目，从 DASH 项目中获取 Masternode 代码。我们在此基础上构建了一个强大而灵活的「票据」系统，用于注册和交易使用特殊代币交易的 NFT。我们还添加了自己的存储层来存储图像文件，还有很多其他很酷的技术，我们在下面的的 AMA 中一一告诉你。

律动 BlockBeats：请向到底介绍一下 Pastel，它的愿景和使命是什么”8vI8″>

Pastel：Pastel 是世界上首个专用的去中心化 NFT 平台，允许用户注册、存储和交易「可证明的稀有」资产。该平台为创造者提供了一种可以与粉丝互动联系并销售独特限量版数字资产的方式，而且不像其他项目那样，需要支付高额各种费用或者面临存储限制。

利用专有的本地区块链，Pastel 部署了许多关键功能，例如基于深度学习的重复检测系统，以确保真实性验证。该网络是 Zcash 的一个分支，采用工作量证明（PoW）算法 Equihash，并且支持超级节点，为网络提供计算资源以支持资产注册、资产分配和永久存储。Pastel 由专业的开发人员、密码破译人员和技术人员构建并管理，并由经验丰富的营销人员、有影响力的人士和第三方机构提供支持。Pastel 得到了包括著名风险投资基金 innovative Capital 在内的主要利益相关者的支持。

我们的使命是通过向全球各个地方的粉丝和收藏家普及创建和交易稀有的 NFT 而给全球创造者赋能，我们提供低廉价格、无许可注册和真正去中心化存储的同时绝不以牺牲安全性和用户体验为代价。

律动 BlockBeats：几乎所有的 NFT 平台都是基于现有的网络，比如以太坊或 BSC，为什么 Pastel 要自己做一条公链，是受到了 Dapper Labs 的启发吗？

Pastel：几年前，当我们开始筹备这个项目时，就认为只有在制作一个特定于应用程序的区块链 (而不是一个以太坊标准代币)，我们才可以实行全面控制。因为其他方式都会有这样那样的问题，比如它们不能为图像文件本身提供存储，如果不迅速解决扩展性问题，用户不能将这些数据直接放入区块链。

此外，其他 NFT 项目完全依靠艺术家的数字签名来确保稀有性，Pastel 却使用我们的图像指纹技术，在图像本身的底层像素模式水平上增加了额外的稀有概念。Pastel 架构的最佳之处在于它建立在 Zcash 代码基础上。Pastel 上的所有 NFT 最终都是由区块链中的特殊代币交易「铸造」的，因此它们继承了比特币/Zcash 代码的所有安全性和可靠性。

但实际上还有其他同样重要的问题：你讲解证明数码图像真的很稀有? 当然，你可以计算图像文件的哈希值。但是，如果有人试图获取另一个艺术家的图像，只是改变了图像角落的一个像素，该怎么办? 这可能没有人能注意到，不过两个作品的哈希值会有所不同。

为了保护艺术家和收藏家，我们意识到需要一种检测重复图像的方法。这是整个项目里最具创新的部分，我们使用 5 种深度学习图像识别算法和高级统计来检测赝品，即使他们以各种各样的方式被修改 (比如用 PS 滤镜，或剪切，或翻转，或改变对比度/颜色，添加随机噪声像素等等），我们还是可以辨别真伪。

为了去中心化地向用户提供这些服务 (比如需要大量的 CPU 能量的存储图像文件和重复检测)，我们采用了类似于 DASH 的主节点系统。这使得任何人都可以购买足够的代币并开始自己的主节点和实际参与运行系统——你不需要从任何人那获得许可，系统永远不会停止运行，哪怕是我们感到累了 (或者即使我们被车撞了)——只要有人愿意就可以自己运行服务器。

我们相信区块链上的数字艺术是未来艺术的发展方向。因为它回避了使艺术世界专为大城市的富人和受人青睐的「热门艺术家」服务的充当看门人角色的收费高昂、致使收藏者交易/出售变得昂贵的中间人 (画廊、经销商、代理商)。

但要让它真正起飞并持续发展，便需要一个能涵盖所有需求的项目。你是肯定不会希望花一大笔钱在其他系统上制作美术作品，却发现指向某个谷歌或亚马逊服务器的链接因 10 年后公司不存在了或者没有用户了，而彻底失效的。

律动 BlockBeats：请问为什么选择用比特币+Zcash 的代码？零知识证明在 Pastel 中有什么作用？

Pastel：最初启动区块链时，我们选择了一个在安全性、可靠性和去中心化方面拥有最长证明记录的：比特币。Pastel 的内在数据完整性在很大程度上基于比特币代码库，该项目同样基于 PoW 挖矿机制和最大程度的去中心化。

我们将 PSL 设计成 Pastel 网络上的原生加密货币，可以像比特币一样用于转账和储蓄。然而，PSL 在系统中也有一个特殊的用途：允许参与者安全地在 Pastel 网络上注册和存储他们的资产。在这种情况下，PSL 本质上是作为核心加密货币层的比特币的一个版本，其上直接构建了稀有的资产相关功能。这是通过使用代币本身将收集相关的数据编码到特殊交易中来实现的。这种独特设计的好处是，以这种方式编写的数据继承了类似比特币的加密货币的所有安全属性，提供了一个坚实可靠的基础层。

我们认为，添加以 Zcash 推出的 zk-SNARK 系统为代表的加密创新比直接在比特币之上开发这个票证系统更好。这个系统能够允许可证明的安全的「屏蔽」(私人) 交易，可以通过网络验证，而不披露接收地址。除了加密交易之外，Zcash 与比特币的代码库非常相似，只是做了一些调整，最显著的是它使用 Equihash 作为工作量证明算法，而不是比特币中使用的 SHA-256 算法。。

Zcash 背后的公司筹集了大量风险投资，并聘用了密码领域的员工，还聘请了几位出色的第三方安全研究人员进行详尽的安全审计。所有这些审计的反馈随后被集成到系统中，以一种远远超过 % 加密货币项目的谨慎和严格标准的方式强化了系统。这就是为什么我们决定将 Zcash 代码库作为 Pastel 代码库的最佳起点。

律动 BlockBeats：请问什么是 Pastel ID？为什么网络中的玩家需要一个链上身份？

Pastel：从一开始就设计了 Pastel，我们就聚焦于目标用户。用户可以创建一个由公钥和私钥组成的 Pastel ID，在区块链上开发一个身份。更重要的是，Pastel ID 系统确保了创建者和收集者可以在他们的网站或各种社交媒体账户上共享他们的 Pastel ID 密钥——抽象出与 pub/priv 密钥对相关的混乱字符串标识符。

这一点至关重要，因为在一个去中心化的系统中，任何人都可以冒名顶替，把自己的「名字」放到系统中，举个例子：Banksy，有了 Pastel ID 系统，真正的 Banksy 可以在他的网站或社交媒体账户上分享他的 Pastel ID 公钥，然后每个人都可以看到一件艺术品是否是真的 Banksy，因为只有真正的 Banksy 才能用有效签名在艺术品上签名。

律动 BlockBeats：可以介绍一下 Pastel 的存储功能吗？为什么不选择 AWS 或者 IPFS 呢？

Pastel：几乎每个 NFT 项目都完全忽略了基础 NFT 资产的存储问题。用户错误地认为 NFT 以去中心化的方式存在于区块链上。然而，NFT 实际上是不可替代的，因为它们指的是实际的代币，而不是稀有资产本身的所有权。大多数平台只是简单地将实际稀有资产的存储外包给第三方。在这种情况下，所有者实际上只拥有 NFT 的代币，以验证存储在 IPFS 等分布式协议上的文件，或者甚至只是指向文件存储位置的 URL，比如谷歌或 AWS。

将 NFT 的元数据和资产存储在中心化服务器上，或依赖 IPFS 来维护文件，这会使任何创建者或所有者在中央实体关闭或协议链接失效时极易遭受资产损失。

Pastel 是第一个拥有自己的完全集成、去中心化存储层的 NFT 平台，该存储层基于 RaptorQ 喷泉码等先进技术。Pastel 确保数字资产本身在 Pastel 区块链上上传、验证和注册——而不仅仅是创建它的代币。

通过 Pastel 账本上的一系列智能票据，艺术家可以在各种超级节点上以分布式方式存储他们的杰作，而不仅仅是确保代币不可替代。我们的目标是确保即使过 100 年，世界也不会失去任何一个委托给 Pastel 网络的 NFT 的访问权。

律动 BlockBeats：Pastel 上比较核心的一个功能就是查重，这涉及到了 NFT 作品版权的问题。为什么要设计这个功能？这会激励艺术家的自我创作吗？

Pastel：许多加密项目描述 NFT 的标准方法是将文件的哈希值作为底层图像的 ID 或指纹。这种方法的问题在于，有人可以复制 NFT，比如一幅数字艺术作品，然后将其重新上传至系统中。这将导致哈希值完全改变，即使文件是相同的。

我们需要的是一种将 NFT 的内在性质或内容记录为数字图像指纹的强大方法, 当同样的文件被上传时，或者即使图像被用一些表面的方式修改后重新上传，比如裁剪、改变颜色或亮度，或者应用各种 PS 类型的过滤器，如边缘检测或扭曲，我们的数字指纹也不会产生实质性的变化。

Pastel 的近似重复图像检测方法利用了 Keras 应用的 Tensorflow。该方法找到了将每个图像转换为约 8000 个数字的固定列表的所有方法。这个数字向量就是数字图像指纹，它允许我们通过比较两幅图像的指纹来进行比较，而指纹只占实际图像空间的很小一部分。我们可以把每个指纹看作是空间中的一个点，这个空间是 8000 维的，而不是 3 维的。在这个 8000 维的空间中，具有相似内容的图像具有彼此「相近」的指纹。我们通过查看给定图像指纹向量与之前在 Pastel 上注册的所有图像指纹向量数据库 (与开放图像数据库对齐，如谷歌) 之间的相关性，发现可疑的相似图像。

为了更智能地生成这 8000 个数字，我们利用了谷歌、Open-AI 和机器学习领域众多其他研究人员的共同努力。我们选取了 5 种经过训练的深度卷积神经网络模型，这些模型在著名的 Imagenet 计算机视觉识别和分类竞赛中取得了很好的成绩 (例如 ResNet 模型)。

我们将所有候选图像以 225 像素的分辨率转换为相同的 225 像素，每个模型输出一组超过 10,000 个类别的概率估计。概率最高的类别是模型对图像内容的「最佳猜测」。

实际上，我们取 5 种神经网络模型 (每个模型都基于不同的方法和体系结构) 的倒数第二层的输出，它们基本上是一堆数字，概括了模型在被给定的图像激发时的内部状态。然后我们将这 5 个差分输出向量组合成一个字符串作为最终的指纹。这样的神经网络系统对展示给它们的图像高度敏感，并且已经「学习」了语义内容，因此它们能够有效地用数字描述内容的本质——即使对原始图像进行了各种变化或是对原始图像做了各种改变，甚至原始图像中的每个像素都与重复图像不同，系统也会检测到一个不太可能偶然发生的相似程度。