【觀點】從Merkle tree三代技術演化，看懂交易所用戶資產「負債證明」|數位時代 BusinessNext

【觀點】從Merkle tree三代技術演化，看懂交易所用戶資產「負債證明」

加密貨幣交易所要證明沒有挪用用戶資產，可使用Merkle tree技術來實作，本文也會揭露一些常見的作弊手法，讓大家更能知道如何防範與判別。

（觀點文章呈現多元意見，不代表《Web3+》的立場）

如同我們在前一篇文章《FTX破產後：「償付證明」才可證明沒有挪用用戶資產，不是「儲備證明》中所說，加密貨幣交易所要證明自己沒有挪用用戶資產，必須要出具用戶資產的「代管資產償付能力證明」，而這個償付能力證明，必須包含用戶資產的「代管資產證明」與「代管負債證明」。

「代管負債證明」的目的，是為了證明交易所出具的的「代管資產證明」（部分同業稱「儲備證明」），也就是交易所錢包中所代管，屬於用戶的數位資產，是否等同用戶存入交易所的數位資產類別與數量，當用戶存入1枚比特幣，「代管負債證明」與「代管資產證明」中，也都應該有 1 枚比特幣，而不是等值或不等值的其他數位資產。

經由「代管資產證明」與「代管負債證明」交叉比對，才能知道交易所是任意移動或盜用其所代管的用戶資產。

「代管資產證明」因為都是區塊鏈上的資產，受惠於區塊鏈公開透明的技術特性，比較容易準備，但是「代管負債證明」相對困難，因為使用者餘額資料，都存在於中央化的資料庫中。

其實先前就已有相關的演算法來驗證「代管負債證明」，並且已經歷經了三代的演進，只是 FTX 破產的風暴，讓這項技術受到更多的關注，也有越來越多多團隊與人才，願意投注資源和時間去優化。這方面最早被產業應用的技術，就是近期引發許多討論的 Merkle tree。

備註：本文中所探討的「代管負債證明」，主要聚焦於交易所代管用戶資產的負債證明，如圖二所示，為紅色框中所涵蓋的範圍，也就是用戶在交易所存放的數位資產餘額，之後文章中所提及「代管負債」，也皆是以代管用戶資產部分，為聚焦討論領域。

本文將討論從Merkle tree開始的三代技術演化，分享「代管負債證明」的實作方式與挑戰外，也會揭露一些常見的作弊手法，讓大家更能知道如何防範與判別。

第一代Merkle Tree負債證明

Merkle tree又被稱為「雜湊樹」或「默克樹」，是一個基於哈希演算法 (hash，或稱雜湊演算法) 的數位簽章技術，是 1988 年由喬治亞理工學院資訊安全中心主任 Ralph Merkle 教授所提出。

雖然因為 FTX 破產，Merkle tree 才似乎因為大家追求「償付能力證明」而再次被關注，但是中本聰 2008 年發表的比特幣白皮書中僅有七篇的引述，其中就有三篇是與 Merkle tree 相關；Merkle tree 扮演了中本聰設計區塊鏈的核心，特別是「無需信任」（trustless）的驗證機制。

2013 年，比特幣社群中就開始有聲音，討論如何將 Merkle tree 運用於中心化錢包的「負債證明」上。著名的密碼學家，也是加密貨幣 Zcash 創辦人之一的 Bryce “Zooko” Wilcox 於 2014 年提出了很具體的實作討論，還點評了當時主要的中心化平台，如：BitGO、Bitstamp、Coinbase、Kraken 與其他共約 20 家當時具有代表性的中心化交易所。

使用 Merkle tree 來實作「代管負債證明」，最主要的好處，是可以達到每一位使用者，都能夠對於代管負債證明報告，具有獨立的稽核能力。大家不需要盲目地相信交易所或為其背書的會計師，而是每個人都可以在每個時刻，獨立進行稽核。

Merkle tree 的步驟如下：

對於每一類不同的數位資產，如：比特幣、以太幣、美元穩定幣 USDT、SOL 等等，由交易所根據其記錄之中心化帳本，產生「樹」的最底層；將每一位使用者的（ID、餘額）資料打亂混合，重新建立「雜湊值」，又稱為「哈希值」(hash)，也就是「樹」上的「樹葉」，並記錄每個 hash 的餘額加總。
延請外部會計師協助人工稽核，檢查整顆 Merkle tree 是否精準產生，沒有作弊。
會計師公布總「代管負債」與整棵 Merke tree的 root hash，但不含整棵樹中每個節點以及每個樹葉的餘額加總，以利保護使用者隱私。
每個使用者利用交易所開放源碼的工具，只要輸入兩個資訊：自己的 ID 與自己的餘額，就可以產生自己的 hash，並比對會計師公布的整棵樹中的樹葉，看是否能找到自己的 hash。有找到，就表示自己的餘額有被算進交易所的負債證明裡面。

Merke tree 的精神，是賦予每一位使用者都具有獨立驗證能力，其關鍵在於：每位使用者都擁有一個「事實」(truth)：自己每天的餘額。

雖然一個使用者，不會知道任何其他使用者的餘額，但因為自己知道自己的餘額，所以，可以拿著這個「事實」，去驗證整份報告的正確性。

如果有夠多使用者，願意執行獨立驗證並且頻繁地這麼做，就越有可能利用這種「去中心化」的驗證方式，去稽核交易所自動出具的「負債證明」，並且可以將整個驗證機自動化。

第一代的 Merkle tree 實作於「代管負債證明」上，主要面臨了以下三個的挑戰：

去中心化稽核能力與使用資料隱私相互衝突。
「負數餘額」的作弊法，意指交易所創造假帳號，並給予負數的餘額，如：-1000 顆比特幣，藉此降低代管負債的比特幣顆數，掩蓋挪用事實。
其他實作細節上的作弊。

第一點的挑戰指的是，如果要達成交易所每天（或每小時）公布一次「代管負債證明」，並且允許每一位使用者都可以獨立驗證，那就代表交易所會把 Merkle tree 的葉子，也就是用戶餘額以及整棵樹的「總餘額」公佈出來，雖然大家並無法知道這些「餘額」實際上是屬於誰的，因為使用者名字並沒有公開，但還是會有隱私的疑慮。

但如果考量使用者隱私，而不公開上述資料，那麼就可能出現以下問題：
1. 每位使用者無法獨立建構出整份「代管負債證明」。
2. 需要外部會計師介入，產生並公布「代管負債證明」與僅有 hash 部分的 Merkle tree。
3. 每位使用者僅能使用自己的餘額，去驗證會計師公布的「代管負債證明」是否包含自己的餘額。也就是：只能驗證自己的餘額與是否有被會計師計算到，卻沒有辦法驗證整份報告產生過程的正確性，也沒辦法驗證交易所沒有使用上述的一些作弊方式，例如：前文中提及的負數餘額。

有實作並開放源碼的交易所中，每家考量不一樣，Gate.io（2020 年初 Github）與 Kraken（2014 年）等，都是選擇不公開 Merkle tree 中的所有「餘額」以及「餘額加總」，而倚賴外部會計師介入稽核。BitMEX（2021 年末 Github）則是選擇公開整顆 Merkle tree 的「餘額」以及「餘額加總」，但沒有對所有資產類別獨立做，僅做 BTC 的「代管負債證明」。

此種第一代的 Merkle tree 負債證明，2013 年由 Bryce “Zooko” Wilcox 提出，並由比特幣兩位核心開發人員 Gregory Maxwell 與 Peter Todd 在 Bitcoin Forum 上討論，所以普遍又被稱作「Maxwell 方法」或「Maxwell-Todd 方法」。

第二代 Merkle Tree 優化隱私的負債證明

第二代 Merkle tree在演算法上與第一代差異不大，主要是在實作上，改良做到「餘額」以及「餘額加總」的最小揭露，讓「代管負債證明」可以去中心化地被每個使用者自行驗證，而不需要倚賴外部會計師。

以太坊創辦人 Vitalik 本月 19 號公布的《做出一個安全的中心化交易所：償付能力證明與更多》Having a safe CEX: proof of solvency and beyond中，就包含了一個簡單可行的機制：
1. 不公開 Merkle tree 整棵樹的所有「餘額」以及「餘額加總」給所有人。
2. 每個使用者，會得到一份不一樣的部分「餘額」以及「餘額加總」，降低隱私擔憂，達到最小揭露。

第三代零知識證明實作的負債證明

由密碼學教授 Dr. Gaby Dagher 於 2015 年發表了一套使用非交互式零知識證明（Non-interactive zero-knowledge proof, NIZKP）來大幅提升隱私性，達到最小揭露的「代管負債證明」演算法。Vitalik 則是於 19 號也公布了一套利用簡潔零知識證明（zk-SNARK）來達成的「代管負債證明」演算法，也在 Github 上開源了一套程式碼。

「代管負債證明」實作上的作弊手段與防範方法

當然，「負債證明」雖然過去有研究與實作經驗，但還有很多的進步與優化空間。魔鬼藏在細節裡，XREX 團隊過去在資訊安全產業深耕超過 15 年，我們深知，演算法再怎麼完美，實作上因為有太多的細節，所以交易所要作弊還是有非常多的方法。2019 年，中國科學院教授 Kexin Hu 整理了許多對 Merkle tree 負債證明的作弊方式，以及防範的方法。

今年，新公鏈 SUI 的共同創辦人兼首席密碼學家 Kostas Kryptos 發表了非常完整的整理，

發表了《中心化錢包與交易所壞掉的償付能力證明》 Broken Proofs of Solvency in Blockchain Custodial Wallets and Exchanges，不但清楚地描述了各種可能作弊的方式，例如：總額相同但個別數字有誤，(5+5) 並不直接等於 (4+6），也研究了具有代表性的中心化交易所，如：Kraken、BitMEX 和 Gate.io 等等，在提供「代管資產償付能力證明」上的漏洞，以及大型會計事務所，如：Armanino、勤業眾信 (Deloitte) 現行的稽核工具的缺點。

這其中許多手法非常有趣，某些作弊方式，在思維上很像駭客的思路，某些則很像魔術師，欺騙人類大腦，值得深入研究並加以防範。

高品質的「代管償付能力證明」將成為交易所的基本功

Web3 產業的所有參與者與使用者，都應該可以清楚地感受到這個趨勢與剛需，在 FTX 破產引爆骨牌效應之後，出具一份高品質的「代管償付能力證明」，是所有負責任且嚴謹的中心化平台的基本責任。但是，即便交易所出具了「代管償付能力證明」，在監督不足的情況之下，有心的不良業者總是能找得到欺瞞舞弊的方式。

考量上述隱憂，XREX 倡議使用去中心化的稽核方式來做「代管負債證明」，於每日或每小時自動公布，並提供充分、透明的資訊及簡便的驗證體驗。讓每一位使用者都可以不受阻礙地行使獨立驗證交易所的權利。越多使用者對平台進行驗證，平台就越難舞弊，這樣的機制也更具公信力。若再配合定期的外部會計師稽核與客觀查驗，對使用者會再增添了一層保障。在此，我們也呼籲外部會計師，將其所使用的工具開放源碼，接受社群與所有參與者的檢視。

唯有這樣一層又一層彼此獨立又可交叉比對的多方參與及驗證，「代管資產償付能力證明」才能真正發揮其功能，不只是交易所要負責任，使用者和所有的參與者也是，這才能真正地實踐去中心化的精神，落實「不要相信，要稽核」精神，讓像 FTX 這樣的災難不再重演。

本文授權轉載自：The XREX team

（觀點文章呈現多元意見，不代表《Web3+》的立場）

責任編輯：何汶、高敬原

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。