#区块链[超话]# 从周六开始，gas 费用的成本和数量开始消耗的 ETH 比通过质押（现在生成 ETH的合并后过程）同时产生的还要多。这一周 流通中的 ETH 总量已经减少了 14,000ETH 并且还在增加，燃烧的速度仍然继续超过 ETH 的创造速度。
按照这个速度燃烧下去，起飞就不远了！

#以太坊eth##币圈##比特币超话# ​​​

#币圈[超话]# 从周六开始，gas 费用的成本和数量开始消耗的 ETH 比通过质押（现在生成 ETH的合并后过程）同时产生的还要多。这一周 流通中的 ETH 总量已经减少了 14,000ETH 并且还在增加，燃烧的速度仍然继续超过 ETH 的创造速度。[丰收了]按照这个速度燃烧下去，起飞就不远咯～#btc[超话]##以太坊[超话]#

随着 2022 年全球互联网用户数量达到 50 亿，网络流量持续增长。在用户数量增加的同时，连接设备的数量也在增加，预计将增长到数万亿台。
连接的用户和设备数量不断增加，导致整个网络上产生了大量数据。根据 IDC 预测，数据每年呈指数级增长，预计到 2025 年，全球将产生 179.6ZB 的数据。这相当于每天平均产生 493EB 的数据。
所有这些数据和网络流量带来了网络安全挑战。企业正在产生的数据超过了他们所能收集和分析的数据量，而且传入的绝大多数数据都未得到利用。
如果不利用这些数据，企业就无法构建健壮且丰富的模型，并检测其环境中的异常偏差。无法检查这些数据会导致未被发现的安全漏洞、较长的修复时间，并最终导致公司遭受巨大的财务损失。
2021 年，每周的网络攻击企图惊人的增长了 50% ，网络安全团队必须找到更好的方法，从而保护这些庞大的网络、数据和设备。
为了解决网络安全数据问题，安全团队可能会实施智能采样（smart sampling）或智能过滤（smart filtering），他们要么分析数据子集，要么过滤掉被认为无关紧要的数据。通常采用这些方法是因为分析网络中的所有数据成本高昂且极具挑战性。
公司可能没有基础设施来处理或及时处理如此大规模的数据。事实上，平均需要 277 天来识别和控制一个漏洞 。为了提供针对网络威胁的最佳保护，快速分析所有数据会产生更好的结果。