28
2018 白皮书 WWW.IAGON.COM v 3 . 2
目录
概况………………………………………………………………………………………………………………..3
介绍………………………………………………………………………………………………………………..5
云储存的市场前景…………………………………………………………………………………………6
IAGON 基于人工智能的运算过程…………………………………………………………………7
IAGON 的多重区块链支持…………………………………………………………………………….9
IAGON 的“安全湖”技术…………………………………………………………………………….9
IAGON 的智能计算网格平台和人工智能追踪技术……………………………………..11
个案研究………………………………………………………………………………………………………..12
法规……………………………………………………………………………………………………………….13
架构……………………………………………………………………………………………………………….14
强化学习法规………………………………………………………………………………………………..15
数据挖掘……………………………………………………………………………………………………....16
缠结技术…………………………………………………………………………………………..…………..18
采矿算法………………………………………………………………………………………..……………..18
解决方案协议………………………………………………………………………………………………..20
加密/解密…………………………………………………………………….………………………………..20
代币销售和运营..……………………………………………………..……………………………………20
通过法定货币转账购买代币………………………………………………………………………….21
IAGON 团队…………………………………………………………………………………………………….21 Dr. Elad Harison…………………………………………………………………………………21
Dr. Navjit Dhaliwal……………………………………………………………………………..21
Dr. Claudio Lima…………………………………………………………………………………21
代币合同公开复审………………………………………………………………………………………….21
免责声明………………………………………………………………………………………………………….22
参考文献………………………………………………………………………………………………………….26
3
概况
IAGON 是一个通过去中心化的区块链和缠结网格来利用多个智能设备的存储容量和处理能力
的平台。IAGON 利用并支持存储大数据文件和存储库，以及更小规模的文件，并执行复杂的
计算过程， 如人工智能和机器学习操作所需的过程，IAGON 是一个完全安全的和加密的平
台，它整合了区块链、加密技术和人工智能技术为一体，用户十分容易掌握。
云服务市场的规模大约为每年 450 亿美元，为公司提供存储能力和计算机处理能力，并且这个
规模在稳步增长。该市场主要由四大供应商主宰：亚马逊网络服务（AWS），谷歌云（Google
Cloud），微软（Microsoft）和国际商业机器公司（IBM），均利用中心化的和不太可信的存储
和计算设备。由于其寡头垄断优势，这四家提供商的云服务设定了高定价水平。由于其业务范
围广泛，并对数据中心、服务器、储存设备的大量投资，这些提供商也有能力阻碍任何竞争，
也有能力阻止市场新进入者与他们竞争。
然而有趣的是，由于商业和计算领域的两大趋势：大数据和人工智能（AI），在不久的将来，
对计算处理能力和存储的需求预计将来会急剧增加。大数据是对从外部来源或内部来源（如公
司的 IT 系统、社交网络、传感器等）获得的大量信息进行收集、管理和存储。公司的数据管
理也带动了公司对于运营、客户和竞争对手相关数据的收集和储存，是否有必要对数据进行分
析是不言而喻的。另一个主要趋势是人工智能方法的出现，该方法从过去的操作中“学习”数
据，找到模式和业务规则，并预测未来的行为。基于人工智能的处理过程会消耗 CPU 和 GPU
进程中大量的计算量，并且消耗的显著的处理能力。随着人工智能应用在新领域的引入和广泛
采用多渠道（如传感器、社交网络、数据提供商等）的数据收集方式以及之后的更广泛应用，
存储和处理能力的需求将呈指数增长。
IAGON 的主要目标是通过提供去中心化的存储和处理网格来彻底改变云和网络服务市场。通过
加入一些服务器和私人电脑中未使用的存储容量及其处理能力，我们可以创建一个超级计算机
和超级数据中心，可以与任何当前的云计算巨头竞争。
我们的目标是通过连接数据中心、商业计算机和个人用户，并在空闲时间利用这些设备中闲置
的储存容量、CPU 和 GPU 处理器，以很低的市场价格和更高的安全保障为公司和个人提供存
储和处理服务。这样做，IAGON 解决了在这个市场中竞争所需的高水平投资带来的入市壁垒。
我们的代币经济的基础是计算机、服务器和加入存储和处理网格的数据中心所有者。作为分享
他们机器性能的回报，他们将被授予 IAGON 代币，这些代币可以兑换成法定货币。而任何一
方想要使用这些性能，都需要购买 IAGON 代币，这些代币会分发给向网格提供服务的任意一
方。存储机制将基于区块链加密技术和将加密文件碎片传送到一些存储设施的过程。网格的贡
献者可以发布他们的技能和未用容量，并根据他们的经验、可用资源和存储空间以及价格竞标
的方式来提供他们的服务。先进的机器学习和人工智能算法能帮助向参与该风险活动的各方推
荐价格，并根据其价格水平对各方进行分类并确保服务的连续性和对所有文件的访问的连续
性。
4
随着越来越多的公司认识到 IAGON 平台用来存储文件和处理文件的好处，对 IAGON 平台处理
的需求将会增加，同时客户对代币的需求也会增加，这些代币可以用来支付给网格的参与者。
IAGON 的代币和平台是我们基于以太坊区块链测试版验证过的服务，阐明了基于区块链的去中
心化计算的概念和存储网格的概念。IAGON 还计划支持新的和创新的缠结技术，该技术为运行
区块链技术提供了一种可替代的、快速的和低成本的解决方案。因此，IAGON 将在以太坊建立
区块链并实施缠结技术——为我们的用户和矿工提供完全灵活的和自由的选择权。
我们的代币销售旨在进一步开发我们的平台和客户项目，该代币项目可以供任何希望加入
IAGON 网格并从贡献未使用的计算机资源中受益的一方使用。因为存储容量和计算能力都很丰
富，可以充分利用和扩展，并与我们的平台相互连接，所以 IAGON 将向购买存储容量和/或计
算能力的客户提供云计算行业的最低费用，
IAGON 开发并发布了其存储网格的测试版（MVP），以及矿工在 Windows，Linux 和 iOS 上可安
装的应用程序。存储网格支持上传文件，支持通过 SHA256 算法和区块链进行加密，支持矿工
之间分发文件碎片以及支持用户安全地检索存储在多个节点上的文件。
IAGON 的预售从西欧夏令时 4 月 2 日晚上 12 点，到 4 月 30 日结束。预售仅通过龙链完成，并
且只有 Dragon 代币持有人可以参加。请访问龙链网站 dragonchain.com 获取更多信息。
预售提供 20％的代币，价格为：
- 2500 万个 IAG 代币，每代币 0.06 美金（适用于 DSS 5000000+以上的用户）；
- 5000 万个 IAG 代币，每代币 0.07 美金（适用于 DSS 1000000+以上的用户）；
- 5000 万个 IAG 代币，每代币 0.08 美金（适用于 DSS 1000000+以上的用户）；
- 7500 万个 IAG 代币，每代币 0.09 美金（适用于 DSS 1+以上的用户）；
可以在以太坊购买。我们打算将预售价定在 ETH 最小 1000 美元。所有不管是已经参与还是将
要参与的贡献者，将在预售结束时根据结束价格收到额外的代币。
IAGON 的众募（Crowdsale 即代币销售）开始于西欧夏令时 5 月 10 日时 12 时，销售期为 30-60
天，根本销售情况而定。
除了预售之外，众募还向公众公开出售 50％的 IAGON 代币（共 5 亿个代币）。
购买可以通过以太坊（ETH）、银行转账或借记卡的形式（我们也使用 Changelly 作为我们的
API 接口，它允许在购买之前将其他货币转换成 ETH）根据以下费率：
- 所有 5 亿个代币，每个 IAG 代币 0.12 美金
全部 7 亿个代币分两阶段出售。
其余 30％的代币（最多 3 亿个代币）将被用于：
- 10%用于 IAGON 团队；
- 10%用于顾问和赏金猎手；
- 10%用于发展。
我们的 Soft Cap 是 3000 万美金，我们的 Hard Cap 是 7700 万美金。
IAGON 的团队努力保持 IAGON 作为存储和处理服务的领先平台的声誉，旨在加强用户在分配计
算资源时和潜在客户对 IAGON 的采用。
5
介绍
人工智能（AI）和大数据技术的最新发展以及广泛采用也使得对存储容量和计算处理能力的
需求呈现持续且指数型的增长，相应地，这些技术都会得到更广泛的应用。
大数据技术如诸如 Hadoop 框架（特别是其 MongoDB、HDFS 和 Spark 数据库）等，需要大量
的存储容量通过无论是集中的还是分散的方式来处理和管理大数据文件。在很大程度上，大
数据技术支持基于网络服务和社交网络的任何类型组织中数据的指数型增长，并且实施大数
据技术对于支持这些海量数据的运行和处理是必不可少的（见图 1）。
机器学习和深度学习过程（特别是 Google 的 TensorFlow、Caffe 和 Theano；请参阅：Dean et
al., 2012, Ray, 2017）执行了需要大容量计算的高级计算模式识别、图像识别和预测分析。
考虑到这两个技术领域都是支持物联网和工业 4.0 系统发展的基础，对大数据和人工智能性
能呈指数级增长需求的情景是坚实而高度切实的。此外，尽管大数据和人工智能技术仅处于
实施阶段的初期阶段，但大多数企业和公共机构已开始审视他们的应用，以改进其运营的许
多方面的问题。
图 1：过去和未来（预计）全球每年的数据量
（来源：联合国欧洲经济委员会）
全球数据量
6
云储存服务的市场前景
云计算行业的市场前景
云数据存储是基于从本地计算机和服务器将文件传送到用户不熟悉的远程服务器和存储设施，
但是可以随时访问和管理这些数据。因此，云存储服务的可靠性和用户的隐私（即保护文件不
被除了所有者之外的其他各方访问）对于订阅和实施任何云服务都是至关重要的。
云存储服务市场由大量运营和提供数据存储程序的公司组成，这些公司包括满足个人和中小型
企业需求的小型数据中心和一些大型存储设备公司（如亚马逊、谷歌和微软），这些公司旨在
管理自己庞大的数据库，同时也向外部客户提供服务。然而，自云存储服务产生的第一天起，
一直到现在，专家经常提到的问题是：数据保护、中心化的数据中心的可靠性、云存储公司在
丢失或不正确存储文件时的责任以及用户隐私等问题(例子详见 Hu et al., 2010; Dai et al.,
2017)。
故障与云技术性能有关， 出现在服务器、检索系统（内容分布网络或叫 CDNs）和客户端。有
些故障被定义为崩溃性故障，而其他故障则是性能退化故障。崩溃性故障是最常见的类别，当
服务“停电”时，就可以定义为崩溃性故障，而暂时失效或表现能力较低的服务是性能退化故
障。例如，由于文件夹写入错误而导致上传到云的文件无法访问的事件是崩溃性故障，而 CPU
泄漏导致服务器性能下降（因此文件检索速度变慢）是性能退化故障（Wang，2017）。当数
据和文件通过中心化的数据中心（或通过一系列数据中心）进行管理时，大范围的故障，特别
是终止用户访问其存储文件的崩溃性故障可能导致公司、组织和个人的运营终止。例如，亚马
逊网络服务（AWS）之前在 2017 年 3 月的停电持续了几个小时，造成了超过 3 亿美元的损失
（Sverdlik 2017）。
人工智能是一组受人类大脑研究启发的高级计算模型和过程。这些模型和工具以无缝方式在
许多 app、网页、应用程序的幕后运行，并不会在用户界面影响与用户的互动。例如，网络
搜索和术语相似度、自动翻译、人脸识别和推荐系统就是人工智能的一些应用。
人工智能目的是为了产生更好的用户体验。一个简单的实例就是谷歌。谷歌使用先进的机器
学习算法来缩小其搜索结果范围，搜索结果高度匹配用户所希望的信息。随着算法的不断学
习并改进搜索定义，用户有时可能会注意到搜索结果可能每天会都有所不同，或者会因为用
户的不同而不同。目标广告通常使用机器学习算法根据用户搜索结果推出可能的产品和销售
广告。
7
图 2: 2025 年典型人工智能应用的预计收入
(来源: Tractica)
IAGON 基于人工智能的运算过程
人工智能应用市场预计在未来几年会大幅增长。图 2 展示了一些预期的常见应用以及将来这
些应用商业化后的预期收入。尽管如此，人工智能流程的广泛实施需要拥有越来越强大的计
算能力的设备，因为这些流程的操作都是非常复杂的。因此，公司投入大量资金购买 GPU
和 CPU，目的就是为了执行此种计算范围，或者从其中云处理供应商（如亚马逊网络服务、
谷歌云、Microsoft Azure 和国际商业机器公司）以高价购买处理能力。
就像人脑一样，人工智能和机器学习算法都需要输入数据来演绎推论。数据挖掘是从大数据集
发现模式的计算过程，有助于减少数据架构的大的数集，以便机器学习算法能够做出决策和推
理。因此，随着组织和公司用积累大数据集作为其日常运营的一部分，实际上在执行、供应商
和客户的的方方面面积累大数据集，他们寻求新方法来应用人工智能和机器学习方法，从持续
获得的数据中总结出新的管理见地。
尽管如此，用于分析大量数据的人工智能和机器学习工具需要大量的计算能力，这是一些公司
普遍缺乏的，因此他们需要订购商业云服务并将敏感数据文件上传到其他公司的服务器上。由
于数据的机密性和商业价值，许多公司都会避免这样做，因此不能从用先进的人工智能方法分
析数据库的潜在价值中受益。
合同分析
对象识别、检测、分类、跟踪地理空间图像
对象检测、分类、回避和导航
自动地球物理特征检测
图像的文本查询
社交媒体上的内容发布
预测性维持
病人数据的高效可扩展处理
静态图像识别、分类和标记
算法交易策略的性能改进
8
区块链技术为处理、存储和分发数据以及保持数据的一致性和完整性的用例提供了独特且完
全安全的解决方案，例如去中心化的处理过程。区块链只是将数据区块散列在一起，并使用
之前的散列和当前的区块进行链接，以保持整个链条的一致性（Vijayan，2017）。区块链使
用 SHA 256 算法创建散列。散列的独特性使得它的资源密集型化从而 难以破解，因为当今
SHA256 散列只能通过拥有强大的计算能力的暴风算法（Brute force)才能打破，但是暴风算法
迄今还未在商业硬件市场上使用（Vijayan，2017）。
地外文明研究所（SETI）通过其 BOINC 计划（Estrada et al.,2009）介绍了大数据集的分布式数
据挖掘。引入“比特币”和工作机制证明创立了一种框架，这种框架能激励数据挖掘工投入
工作和精力来完成一系列通过去中心化的网络进行的从运算扩展到数据处理的过程
（Nakamoto, 2008）。
通过去中心化的网络提供安全存储，有很多这样的项目正在进行中。去中心化的存储网络被
定义为云平台，其中节点将数据或文件的一部分或整个数据链存储在区块链中。其中比较知
名的如 FileCoin，IPFS，SiaCoin，Storj，NextCloud 和 NEM’s Mijin 项目 （详见例如 Protocol
Labs, 2017）。去中心化的网络的可靠性和隐私性是一个主要问题。如果主机节点遇到硬件崩
溃或某些节点上有蓄意配置的文件，目的是为了黑客攻击文件接收者（一种常见的瘟疫种
子），则大多数去中心化的网络都无法恢复丢失的数据。
IAGON 不仅为去中心化的网络提供服务，还与当前的数据存储设备（如结构化查询语言
（SQL）和非关系型数据库（NoSQL 数据库））一起运作。IAGON 采用的方法独特之处在
于，IAGON 采用的是机器学习算法，通过去中心化的网络分配工作量进行处理，然后加密/解
密流经其系统的数据。
有许多 IAGON 可以服务的用例。IAGON 可以通过中心化的、群集式的或去中心化的网络提供
安全存储，在数据挖掘工人网络上分配数据处理的量进行数据分析，这种方式为通过区块链
创建智能合同提供安全解决方案，或者用于识别系统中的诚信节点和攻击性节点。
9
IAGON 的多重区块链支持
IAGON 的“安全湖”技术
数据湖架构 IAGON 的“安全湖”解决方案
图 3: 数据湖架构 vs. IAGON 的“安全湖”解决方案
用户和矿工在选择提供和消费去中心化的云服务时，IAGON 致力于为他们提供完全灵活的和
自由的选择权。因此，IAGON 将提供多重区块链解决方案。在以太坊区块链和缠结上运行其
云存储和处理操作。
用户和矿工可以选择以太坊或缠结来完全安全地存储他们的文件，处理计算任务，为云服务
支付或收取 IAGON 代币，主要为了接触到市场突出和先进的技术而从中收益。
大数据市场的特点是大型公司最近采用了数据湖架构，例如基于 Hadoop 框架的信息系统。数
据湖架构基于 NoSQL 中心数据库（如 MongoDB、HBase 或 Cassandra）的实施，在这个中心数
据库上可以存储和检索任何类型的文件。对公司自己的那些不取决于内容和文件类型的信息和
数据文件，公司可以将其定义一个中心存储库，并为所有在中小型企业、中型公司或大型企业
管理的文件提供用户操作简便且可访问的来源。
尽管如此，数据湖体系结构表明，一旦黑客入侵，入侵者可以在数据库系统中“游泳”，探索
文件并获取一些宝贵数据，这些数据描述了被黑客攻击的组织运营的方方面面。IAGON 的“安
全湖”技术在加密、分割和分发数据湖文件方面的主要用途之一是“冷冻”湖泊，即通过加密
和去中心化文件的方式禁止任何一方在获得访问权后在数据湖中导航它（见图 3）。
10
对任何组织的数据湖进行黑客攻击，无论是通过使用和出售供应商和商业敏感数据的方式在
网上发布客户的私人信息，还是交易商业秘密、内部通信和数字产品（如源代码和新产品设
计），都可能导致无限数量的安全、隐私和财务风险。
网上发布了大数据和数据湖基础架构数据库的漏洞以及黑客入侵的可能性，主要是警告组织
机构针对因使用这些平台而可能出现的安全漏洞进行防范。
近年来的几个例子说明了黑客攻击他们的 IT 系统和数据库对组织（以及他们的客户和供应
商）造成的广泛威胁和风险：
2017 年 1 月，Camarda（2017）报告说：“对 Hadoop 的攻击是在对 MongoDB，
ElasticSearch 和 Apache CouchDB 进行持续攻击之后发生的。在某些情况下，犯罪分子
已经知道要克隆和抹掉数据库，并持有原有数据库要求兑换赎金。在其他攻击中，他
们只是删除数据库而不要求付款。
在同一时期，Constantin（2017）报告说：“勒索软件组可以从数千个 MongoDB 数据
库和 Elasticsearch 集群中抹除数据，这些勒索软件开始瞄准其他数据存储技术，这只
是一个时间问题......到目前为止，已经有 126 个 Hadoop 的用例被抹掉。受害者数量可
能会增加，因为从互联网上可以访问到数千个 Hadoop 这样的部署，尽管很难确定受
攻击的容易程度。对 MongoDB 和 Elasticsearch 的攻击也遵循类似的模式。MongoDB
受害者的数量在几小时内从几百上升到了几千，并在一周内增加到了数万人。最新的
统计数据显示，被抹去的 MongoDB 数据库的数量已经超过了 34000 个，而被删除的
Elasticsearch 集群的数量已经超过了 4600 个。”
Cliburn（2017）指出，攻击者在基于 Hadoop 的系统上的行为“可能包括在数秒内破
坏数据节点、数据卷或使用 TB 字节的数据快照。”
早期的报告解释了如何破解 Hadoop 系统并利用其漏洞破坏和复制大量数据（参见例
子 Gothard，2015）。鉴于已暴露的漏洞的性质，以及尚未被攻击者利用但可能存在
于系统中的漏洞的性质，以及许多组织中缺乏运营网络安全审计的政策，如果它们采
用这些入侵技术，数据库一般都会暴露给第三方。这对任何组织来说结果都可能是灾
难性的，对其运营将产生巨大影响。举例来说，据报道，Equifax2017 年 9 月被黑客攻
击，暴露了 1.43 亿客户的个人数据，导致 Equifax 的市场价值大幅下降 19％。
IAGON 的“安全湖”基于区块链不可破解的加密技术，基于对原始文件的小型切片、匿名切
片和高度加密切片进行文件分割和存储，确保这些数据文件、其他类型文件（如扫描件、照
片和视频）以及任何大小的数据库受到完全保护，并确保任何存储文件的快速检索和更新。
除了安全地上传文件并使用密码（密钥）检索和加密文件的用户之外，没有人能够读取小文
件切片的内容，对其进行加密、删除、更改、检索、识别其来源，甚至也不能与其他来源于
原始上传的文件生成的文件切片相关联。IAGON 的技术确保即使信息系统以任何方式遭到破
坏，他们所使用的数据和文件也无法以任何方式被访问、删除或修改。
IAGON 的智能计算网格平台和人工智能追踪技术
图 4: IAGON 平台架构
11
对于处理能力的需求明显增加，一个很好的例子就是 NVIDIA 系统的销售不断增长，因为
NVIDIA 系统能完成机器学习和深度学习以及其他需要大量计算和处理功能的高级人工智能操
作。基于人工智能的创新需要大容量的处理能力（主要由具有大容量的 CPU 和 GPU 服务器的
电池提供），该技术领域包括人脸识别、视频处理、语音分析、文本分析、模式识别，运用在
大型数据库、数字文档储存库、无人驾驶、基于物联网的决策支持系统和其他方面。人工智能
技术和应用程序预计将呈指数型增长，因此也带动了对处理能力的需求，以支持研究和日常运
作。
IAGON 的智能计算网格相当于其他任何电网（如太阳能发电）：
它将多个生产商连接到客户
智能计算网格满足对必要资源的需求
它将未使用的资源传输给有需求的用户（对 CPU 和 GPU 处理能力和存储空间的需
求），以及
它有利于矿工在他们的服务器和计算机不使用时向网格提供处理能力和存储空间，这个
过程不需要矿工做出什么努力。
智能计算网格基于先进的人工智能组件，包括 100 多种机器学习算法、方法和技术，这些算
法、方法和技术集成在一起形成我们的人工智能追踪系统。 人工智能追踪系统是 IAGON 智能
计算网格背后的“大脑”。它将加密的文件切片优化分配给矿工闲置的存储空间，将计算任务
优化分配给矿工闲置的（在空闲的时候）CPUs 和 GPUs，这构成了智能计算网格。
人工智能追踪是一个动态学习系统，不断分析过去的和当前的数据流，这些数据流能反映矿工
存储空间和处理能力的可用性。人工智能追踪执行的任务包括：优化分配和传输加密文件切片
到指定存储空间；分配处理任务以实现网格的快速和最佳性能；以及识别应该被封闭并从网格
中移除的恶意节点；随时不断微调网格的属性以优化其性能（见图 4）。
加密的文件切片
处理过程
用户 文件和任务
IAGON 平台
在区块链上加密注册切
片的身份、属性和位置
在智能网格上分配处理
任务
在智能网格上免费切
片、加密和区块链储存
分配
通过人工智能追踪识别
最佳矿工进行储存/处理
12
个案研究
图 5: IAGON 采用典型的服务器数据库架构和前端后端架构
IAGON 计划将去中心化概念引入主流企业和消费者市场。为了实现这一目标，IAGON 最初
的设计和构建都是为了无缝集成到现有的 IT 基础架构中，不需要再部署昂贵的资源。
图 5 是用图形展示了 IAGON 作为服务器-数据库和前端后端之间的中间件，用于现有的 IT
基础架构。IAGON 可以使用目前常用的 SQL 和 NoSQL 数据库结构，无需昂贵的迁移过程或
专门的资源来实施和部署。IAGON 提供了一个安全层，因为它识别特定数字指纹，该指纹
与通过服务器的请求相关联，以确定请求是否是诚信节点。
13
图 6: IAGON 在公链和私链上的结构
R
法规
I
图 6 提供了 IAGON 在私链和公链网络中的概况。它使用分层技术使得数据安全地存储在
私链和公链之中。运用机器学习算法和加密/解密协议，IAGON 能够提供跨平台存储数据
的安全方法。
IAGON 可以的设定是不仅作为一个安全的平台与现有的区块链相结合，还可以利用其数
据挖掘功能来处理数据。IAGON 通过去中心化的网络分配处理的量进行扩容或减小容
量，并安全地将数据存储在不同的去中心化的平台上。这是通过 IAGON 机器学习算法完
成的，该算法可以根据需要进行的任务分配数据。IAGON 使用既有监督的也有无监督机
器学习方法（被称为半监督式学习），通过去中心化的网络处理和分配数据。
欧盟法规 2016/679 取代指令 95/46/EC，引入了更严格的数据处理和个人记录的数据
挖掘法规。该法规对收集和处理个人数据提出了一定的限制，包括限制个人数据的自
由移动和共享此类数据（EU, 2016）。
为了遵守当地对数据挖掘和处理的监管限制，IAGON 将控制和限制在其平台上进行的
处理类型。它通过使用地理定位算法来执行此操作，以识别用户的来源和数据发送的
目的地。一般而言，IAGON 会对其平台内的所有数据进行加密，因此将个人数据拼接
在一起或基于其处理的数据识别出某人，这在技术上而言是不可能的。在大多数使用
案例中，IAGON 是一个传递实体，因为它不在其设施内保留数据，而只能作为流经其
系统的数据之间的安全层。
14
构架
图 7: IAGON架构概述
IAGON 的开放源平台的架构可以分为三个独特的部分。这些部分是机器学习算法、区块链以及
矿工和加密/解密协议。当向 IAGON 发送请求时，机器学习算法将数据块发送给矿工进行处理并
找到匹配的签名。然后将这些数据块发送回到区块链中验证，同时机器学习算法将这些数据的
输出用于识别节点。如果不处理多个区块中的数据将无法识别节点，也无法识别数据关联性，
因此为使用 IAGON 平台的用户提供一定程度的匿名性和隐私性。个人矿工除非能够访问足够多
的区块，否则就无法识别某个请求或节点。区块利用方差证明均匀地分布给矿工，并且不会将
任何数据存储在其本地系统中。这保证了数据的匿名处理，除了通过机器学习算法以外，不能
单独识别任何单个节点。另外，矿工们被激励快速处理数据以获得奖励，因此对于矿工为了储
存和处理数据而实际花费的时间、精力和金钱而言，这种模式并不理想。
区块链将数据分解成区块并通过节点发送。散列算法利用 SHA256 并将每个区块与其之前的散列
打乱以创建一个链。当从单个节点接收到数据时，数据输出将与其相应区块的散列相匹配，并
根据其标头进行验证，以确定输出数据是否有效。这种处理方式为分布式处理提供了一种独特
的方法，因为它为正在处理的数据提供了一层完整性，这种处理方式也提供了一种独特方法来
确定输出是否以任何方式被放缓。假设任一矿工无论以何种方式操纵了数据，返回的区块将被
拒绝，并且该区块将被发送到不同的节点进行重新处理。矿工们根据他们处理的次数获得奖励
——简而言之，他们处理的数据越多，奖励就越大。
加密和解密协议允许数据安全储存在任何外部或内部平台中。这为去中心化提供了一种独特的
方法，因为任何具有 API 接口的外部平台都可以简单地连接到 IAGON 的平台来利用 IAGON 的服
务。IAGON 独一无二的原因是，IAGON 能够与当前数据库架构（包括 SQL、NoSQL、大数据数据
库、私链、hyperledger 或任何公链或去中心化的网络）无缝连接。
人工智能 服务器 加密
区块链
远程数据库
公链/私链
远程服务器
UI/用户界面
15
强化学习
马尔可夫决策过程(Markov Decision Process)可以用下面的算法来描述：
• S，一组世界的状态
• A，一组行动
• R， 从状态和行动中的预期回报
• T，行动转移的预期回报
• 用来描述观察智能体（Agent）的规则
图 8: Venn 图—增强学习
AGON 是一个人工智能系统，可以随时学习。为了达到这个目标，IAGON 通过一种被称
为强化学习的方法来学习。强化学习用来处理动态环境的决策制定的科学。这意味着
IAGON 通过了一个积极的学习过程，以优化其决策过程以确定行动方针。这为 IAGON
如何处理其投入创造了无与伦比的范例。使用基于概率论的称为马尔克夫（Markov）决
策过程的方法，IAGON 试图确定采用一种优化的奖励系统形式，该系统即兴地采取行动
以最大化其奖励系统性能。
如图 8 所示，强化学习是科学中的各种范例的交集：
强化学习
计算机科学
工程学
数学
经济学
心理学
神经学 机器学习
最优控制
运筹学
有限理性
奖励系统
经典/操作性
条件反射
最终目标是挑选能使将来回报最大化的行为。
马尔可夫(Markov)状态在他的方法中是独一无二的，因为它以现在为出发点，将未来的决策独
立于过去状态 （David Silver）。这是由信息状态（也称马尔可夫状态）来表示的，当且仅
当：
信息状态证明，如果一个系统的现状是已知的，那么不需要考虑历史行为，因为未来的结果
将独立于历史状态。
16
数据挖掘
图 9: IAGON 平台上的数据流挖掘
数据输入
匹配算法 区块
数据 数据 数据
数据
输出
IAGON 采用非常不同的数据挖掘方法。IAGON 通过在 API 网络上使用私链，结合公共网络协
议实现数据挖掘。矿工不需要存储任何数据以便挖掘，矿工的唯一职责就是诚实地处理数据
并将其输出发送回 IAGON 的机器供学习算法进行分析。
在 IAGON 平台上的数据挖掘不需要执行复杂的算法来求解方程。相反，IAGON 使用去中心化
的计算网络来分配任务量并提高大众数据处理任务的速度。使用方差证明的方法将区块任务
分配给矿工。矿工需要匹配来自数据输入的数据签名，并在区块中找到其对应的数据对象并
以数据输出的方式发回。矿工不需要存储它处理的任何数据，并且一旦数据被验证属于特定
的区块，矿工就被认为已经开采了该区块。矿工根据其开采的数据点数获得奖励，如果区块
内没有数据，矿工将不会收到任何奖励。这将激励矿工完成整个区块的开采并增加他们开采
的区块数量。直到成功获得第一个数据输出，否则激励机制不鼓励矿工仅仅开采一个区块，
因为与网络连接的限速证明这样的做法是不划算的，因此矿工将被鼓励为他们自己的利益而
完全挖掘整个区块以找到所有可能的与数据输入相匹配的数据点。
区块以一定的有界率产生，矿工的客户之间没有沟通。服务器将矿工连接到 IAGON 平台，它
使用多线路服务器来分发和接收结果。区块通过基于 HTTP 的协议发送，以便防火墙内的客
户端可以连接到它。目前有两种方法可以实现矿工单元的区块存储和移除。包括只在电脑的
内存（由随机访问的内存单元提供的内存）中进行处理，或者引入垃圾收集器程序，从而有
效地从磁盘中删除该区块。挖掘客户端体系结构应该允许该区块作为后台进程或 GUI 应用程
序运行。为了支持不同的体系结构，最好的方法是创建多个线路，其中一个线路进行通信和
数据处理，而另一个线路处理 GUI 交互（Anderson, 2002）。方差证明使 IAGON 能够识别矿
工处理一个区块的典型速度。如果矿工断开连接、脱机或没有完成对其区块的计算，该区块
将被重新发送给网络中的其他节点。
17
图 10: IAGON 区块链协议
区块链
标头 标头
区块 区块
数据 数据 数据 数据 数据 数据
IAGON 利用区块链技术在 IAGON 分布式数据挖掘算法中保持节点的诚信度。区块链使用以前
区块的 SHA256 算法来保持该链与历史状态（在这种情况下的数据）相关联。这使得 IAGON
能够激励其平台上的矿工真诚地处理数据并防止数据输出的故意操纵。使用区块链，IAGON
的机器学习算法可以快速识别从区块中挖掘的数据输出是否是该区块的有效部分。这可以在
一个简单的区块链框架内实现，类似于“比特币”使用的区块链，通过用前一个区块的散列
对输入进行打散。创世块是在私链内部创建的。区块链为去中心化的网络之间跨网络共享数
据提供了独特的方法。数据可以通过节点网络进行存储、处理和验证，也可以在内部设施内
进行存储和验证，其中处理外包给去中心化的节点网络。区块链保持了整个数据结构的一致
性。
区块链保持私密的主要原因之一是在数量、品种和速度方面与市场上的大数据数据库竞争。
私链的研究、开发和设施成本由 IAGON 的团队承担，费用是来自各利益相关方的投入，反对
进行重大改变以改进系统之前让多方达成足够大的共识。为了跟上私链中的大量读写操作，
IAGON 未来可能会推出多个私有区块链，以减少单点故障的可能性，单点故障可能会用无人
操控的结构使整个系统都崩溃。
18
缠结技术
采矿算法
其中，
IAGON 将扩大其业务范围，以支持在缠结平台上使用其智能计算网格和“安全湖”技术，以
及在一台坊区块链上操作它们。缠结技术基于有向非循环图（DAG）的应用。
在数学上，缠结在有向无环图（DAG）的空间上生成随机过程，该过程根据泊松时钟将新顶点
附加到图上而及时“增长”。至今为止，没有顶点（边）被删除过。当该时钟向系统发出信
号时，会出现一个新的顶点将自身关联到一定位置，这个位置是在先前的状态图根据随机游
走选定的（Popovetal, 2017）。
缠结技术的应用有助于解决与区块链技术在大规模运营中实施相关的一些问题，包括难以扩
展区块链，当新区块不断增加时对区块的有效性达成共识。通过应用缠结技术，IAGON 可为
拥有大数据存储库的企业提供备选解决方案，以支持这些企业大规模的处理和存储管理任
务。
IAGON 不像其他使用区块链的加密货币那样。它的使用案例采用更传统的方法来处理数据，因
此使用 POW（工作量证明）或 POS（权益证明）机制来奖励特定矿工发现特定区块并不是一
个可行的解决方案。因此，IAGON 使用自己的机制来确定矿工的贡献和处理速度，这种方法被
称为方差证明。方差证明根据矿工对矿池的贡献对每个矿工进行分类。同一个矿池内的矿工们
互相竞争。来自较低级别矿池的矿工会因为几个因素升级或降级，但两个主要因素是速度和矿
工能够找到的数据量。方差证明使用代数理论和概率函数的组合来计算矿工的贡献以及矿工可
以归入哪个矿池。这使得新矿工能够从挖掘数据中获利，并以指数形式增加他们的加工资产，
而矿工们投资更多的资产可以立即获得投资回报。概率论利用离散函数、连续函数和随着时间
推移挖掘变化的结果。
区块成像：区块成像是将区块链的某个子集成像或复制为随机分布在节点上的方法。发送到节
点的区块的图像将意味着区块链不会经历任何排列并保持不变。理论上，随机选择的区块被分
支并分配给节点进行处理。成像算法是一种适合的方法，可通过使用分布式节点来扩展从而解
决任意大的问题。为了创建区块成像算法，我们假定区块是可分离的：
19
假设变量 A 作为一个区块：
如果，被当作区块行索引和区块列索引时，函数可以表示为：
因此，一旦所有子向量的大小为 0 时，它们是完全可分的。完全可分的区块对分区没有限制，
最终目标是允许每个区块由单独的进程来处理，并且不涉及进程间区块矩阵的传输 (Parikh and
Boyd, 2012)。
二项分布: 为了确定集合内区块的分布（区块被假定包括 0 作为创世块），对于自然数 n 和 k，
其中 n≥k≥0，二项式系数被排列成 n 个连续值的行，并且 K 的取值范围为 0≤k≤n。由于区
块是用自然数定义的，并且可以定义为扩张中单项式的系数。该系数允许使用二项式定理来缩
放数据块分布：
假定:
高斯分布表现为:
求解哪里是非负整数提供了 k 组合的数量(Molenaar, 1970; Fog, 2008)。
随着区块数量的增长，该方法考虑到可扩展性，并且一旦获得足够的区块的量，依赖性算法
不再需要从整个区块链中解析数据。
连续时间：鉴于时间维度呈线性增长，IAGON 使用一种称为连续时间的特定数学动态作为执
行其计算的框架。连续时间解释了在处理连续模拟时的潜在限制，这种潜在限制在使用离散
时间模型时也存在。
方差证明：IAGON 使用概率密度函数来确定数据分布和矿工分类。它利用连续随机变量的函
数，在样本空间中任何给定点的值被定义为矿工在 n 个区块内找到数据输出的相对可能性。
区块以这种方式分配给整个系统中的矿工，一般而言，可能性较高的矿工能以较高的速度处
理数据。由于函数随时间变化使用连续变量，因此它可以根据性能对矿工进行分类，而不是
通过彩票系统或在特定系统中拥有股份。
并且连续地在一个域中，D 在变量 X1 ... .Xn 之间的 n 维空间中：
最后，方差用于识别在性能与时间指标内的特定矿工分组：
解决方案协议
加密/解密
代币销售和运营
20
像所有自治系统一样，在处理异常时总是需要某种形式的人工干预。解决方案协议在处理异
常时有一套规则，以自动解决或通过对请求进行 sandbox 处理并允许手动干预来解决冲突从而
执行进一步处理。
加密/解密协议用于内部存储的数据。存储在 IAGON 平台内的所有数据都会在一定程度上进
行加密，以便在发生违规时保护数据。IAGON 有多种选项可以在其平台上存储数据，包括
符合法规要求的 SQL、NoSQL、私链和其他第三方存储提供商。IAGON 的核心是使用 AES-
256 来加密和解密数据。AES-256 是 NIST（美国国家标准与技术研究所）推荐的加密标准，
采用对称密钥算法。
IAGON 预售从西欧夏令时 4 月 2 日晚上 12 点开始，4 月 30 日结束。预售将仅通过龙链完
成，并且只有 Dragon 代币持有人可以参加。请访问 Dragonchain 网站获取更多信息
dragonchain.com。
预售提供 20％的代币，价格为：
- 2500 万个 IAG 代币，每代币 0.06 美金（适用于 DSS 5000000+以上的用户）；
- 5000 万个 IAG 代币，每代币 0.07 美金（适用于 DSS 1000000+以上的用户）；
- 5000 万个 IAG 代币，每代币 0.08 美金（适用于 DSS 1000000+以上的用户）；
- 7500 万个 IAG 代币，每代币 0.09 美金（适用于 DSS 1+以上的用户）；
可以在以太坊购买。我们打算将预售价定在 ETH 最小 1000 美元。所有不管是已经参与还是
将要参与的贡献者，将在预售结束时根据结束价格收到额外的代币。
IAGON 的众募（Crowdsale 及代币销售）从 5 月 10 日开始，根据销售情况持续 30-60 天。
除了预售，众募还会向公众公出售 50%的 IAGON 代币（共 5 亿个代币），以以下价格：
- 所有 5 亿个代币，每个 IAG 代币 0.12 美金
总共 7 亿个 IAG 代币分两阶段销售。
由于区块是连续生成的，处理过程是异步进行的，所以概率函数的使用允许一个更公平的矿
工奖励系统，这个系统是基于矿工所参与的组别。方差证明允许新矿工随着时间的推移提高
他们的计算能力，而具有更高的计算能力和连接速度的现有矿工可以获得与其贡献成正比的
奖励。
20
通过法定货币转账购买代币
IAGON 团队
IAGON 的管理团队由加密货币投资和金融业务领域经验丰富的 Navjit Dhaliwal 博士领导。
Dr. Elad Harison
首席架构师兼首席运营官
Dr. Navjit Dhaliwal 首席执行官
Dr. Claudio Lima
首席技术官
代币合同公开复审 代币合同和相关审核将在以后的 Etherscan 上发布。我们邀请所有潜在参与者复审它们的特点和功能。
剩下的 30%的代币(最多 3 亿个) 将分配给: 10%给 IAGON 团队；10%给顾问和赏金猎头；10% 用于发展。
我们的 Soft Cap 是 3000 万美金，我们的 Hard Cap 是 7700 万美金。
团队代币的分布：
- 首先，取出与团队成员绩效相关的代币。
- 然后，剩余的代币将分发给共同创始人：Dr. Navjit Dhaliwal (65%), Dr. Elad Harison (25%), Dr. Claudio Lima (10%)
- 70％的团队代币将被锁定，直到主机启动（2019 年第一季度）
- CEO(Dr. Navjit Dhaliwal)的代币通过以下方式锁住：一年 30%，两年 70%
购买可以通过以太坊（ETH）、银行转账或借记卡的形式（我们也使用 Changelly 作为我们
的 API 接口，它允许在购买之前将其他货币转换成 ETH）。请遵循我们网站上的代币销售和
法币汇款的详细说明。
Elad Harison 博士是数据挖掘和机
器学习专家，经济学家和工业工程
师，主要负责 IAGON 架构规划和
运营。他曾任申卡尔学院工业工程
系系主任，是杰出的以色列和欧盟
私营部门的经济顾问和分析师，在
此期间曾领导商业可行性研究、市
场研究和统计分析，为欧洲委员
会、几个欧洲国家政府、荷兰皇家
航空法国航空公司和以色列银行等
分析 IT 架构变化。
Navjit Dhaliwal 博士是
IAGON 的首席执行官和创始
人，旨在通过提供去中心化
的云服务平台来革新中心化
的全球云行业。在过去，
Navjit 是牙科领域的医疗企
业家，成功领导挪威
MjøsaTannklinikk 的业务，
并在一年内实现收入翻番。
Claudio Lima 博士是一位经
验丰富的高管、全球性的
CTO、先进能源和电信/IT
领域的创新副总裁和思想
领袖，致力于新兴技术、
新业务和数字化转型。在
Iagon，他发现了技术、前
景、发展和机遇的新领
域，并为 IAGON 和客户制
定了实施计划。
21
22
免责声明
通过参加 IAGON 白皮书（以下简称 “白皮书”）中提到的 IAGON 公司（以下简称“IAGON”）预
售和/或代币生成计划（以下简称 “TGE”）或众募（Crowdsale）计划（预售和 TGE 一起被称为
“Crowdsale”），或利用白皮书中或 IAGON 商业计划中或在 iagon.com 网站上提供的信息，即表
示您同意本免责声明（以下简称 “免责声明”）中规定的声明。您深入理解并接受白皮书和网站
上规定的信息仅具有描述性质，除非明确说明，否则不会规定用户的任何法律权利。
一般提醒——通过使用 IAGON 提供的服务，您作为 Crowdsale 的参与者或 IAGON alph 产品或服务的
用户（“用户”），您完全理解并同意以下内容：
IAGON AS 是一家挪威的股份有限公司，受挪威法律法规的约束。TGE 计划正在挪威发起，
根据挪威法规执行，IAGON 不打算也不会在任何其他法律管辖区内发放任何代币。用户理
解并接受：遵守用户所在法律管辖区的法律和法规；对众募参与者或其他与 IAGON 相关的
合法地位问题（例如在代币发行后成为代币持有人），IAGON 免除任何责任。用户应在参
加众募之前应当获得当地法律咨询，说明用户在其法律管辖区内的合法地位。
如白皮书中所述，通过将以太坊（ETH）转移到智能合同系统以及智能合同系统创建 IAGON
代币（以下简称“IAG 代币”），用户理解并接受用户对用来开发 IAGON 平台的智能合同
系统的贡献。用户理解并同意 IAG 代币将由交易收到的顺序按照预售和/或 TGE 智能合约发
放，并且任何一方均不得对此进行任何更改。但是，用户理解并接受智能合约技术仍处于
早期发展阶段，这种试验性必然带来明显的运营、技术、财务、监管和声誉风险。
用户理解并接受 IAGON AS，包括其股东、董事、管理层、员工和任何其他与 IAGON 有关联
的人士，因 IAGON 不可控原因而影响其参与众筹（Crowdfunding）的能力，IAGON 不负任
何责任。这些不可控原因包括但不限于预售和/或 TGE 期限、交易挖矿延迟和节点相关问
题。
根据白皮书，在成功的众筹之前，IAGON 团队成员将专注于完成公司启动并交付这一里程
碑事件。此外，用户理解并接受，如白皮书中所述，虽然 IAGON 将作出合理的努力来开发
和完成 IAGON 平台，但这种开发可能会失败，并且用户的 IAG 代币可能因为技术、商业或
监管性质或由于 IAGON 控制之内或控制之外的任何其他理由变得无用和/或失去其价值。
用户也要意识到风险，即使全部或部分 IAGON 平台已经以全部或部分的形式被成功开发和
发布，但由于公众缺乏兴趣或其他任何原因，IAGON 平台可能完全或部分关闭，也可能没
有成功地运营或者倒闭。IAGON 有权聘请分包商进行 IAGON 平台的全部或部分的开发和执
行工作。如白皮书中所示，IAGON 平台的开发范围和程度将取决于众募期间收到的代币贡
献数。
用户理解并接受，在未来的任何预售和/或 TGE 中，IAGON 没有义务代表用户行事或为了用
户的利益行事。
在以太坊区块链协议的智能合约系统下（以下简称“智能合约系统”），通过 IAGON 众筹
地址（地址待定）转让以太坊（ETH），用户明确同意存在于以太坊区块链和本免责声明中
的智能合约系统代码所示的所有条款和条件。用户进一步确认已仔细阅读了智能合约系统
代码及其功能和本免责声明，并在此确认完全理解创建 IAG 代币以及为开发 IAGON 平台的
智能合约系统作贡献时的风险和成本。
23
用户理解并接受通过智能合约系统将以太坊（ETH）或其他资产转让给 IAGON 的行为是
众募的一部分，请用户在谨慎考虑后再作出决定，除非是白皮书内明确规定的预售和/或
TGE 智能合同代码本身的问题（即在众筹期内筹集的资本小于最低上限，在预售期和或
TGE 阶段后，您可以获得 100％退款），否则转让金额无法退回。因此，用户理解并接受
通过智能合约系统转让以太坊（ETH）并以此创建 IAG 代币是存在重大财务、监管和/或
声誉风险（包括代币的价值完全损失，如果发生这样的情况，这是基于 IAGON 平台的特
性造成的）。
税务警告——用户理解并接受 IAGON 不作为用户的税务代理。对参与到智能合约系统并创建和
获取 IAG 代币的行为，用户承担是否决定缴税的全权责任；在决定代币所有权、使用用途、代币
潜在价值的升值或贬值或任何通过购买或出售 IAG 代币而获得的收益和损失行为是否意味着缴税
义务时，用户负有全权责任。更具体地说，用户完全理解并同意以下内容：
用户和 IAGON 仅根据各自所在司法管辖区的适用法律承担自己的纳税义务。
如果由于 IAGON 或第三方提供的产品/服务交易而产生增值税（VAT）义务或其他间接税
适用，我们保留通过增加适用于每个不同国家的增值税/间接税（例如挪威为 25％也适用
于其他司法管辖区）来调整产品/服务价格的权利，我们从增值税/间接税义务实施到位
时开始出售产品/服务。我们将花费时间和资源与合格的人员合作，在法律框架内优化构
建 IAGON 平台，以确保交易流尽可能高配高效。
用户理解并接受，如果任何政府当局根据合理管辖权明确要求，IAGON 可能不得不披露
用户的信息，包括但不限于任何所持 IAG 代币的价值信息。
通过创建、持有或使用 IAG 代币，并在法律允许的范围内，用户同意在与以下几个方面
或由此产生问题时，免除 IAGON 或任何相关的第三方（包括开发商、审计师、承包商或
股东）承担任何税务责任：IAG 代币的创建、所有权和使用问题，与 IAGON 平台相关的
任何其他行为或交易。
无担保——本白皮书内和 IAGON 业务计划中提供的所有信息“如文字所示”，对 IAG 代币的任
何标记、智能合约系统和/或 IAGON 平台的成功我方不做任何担保，具体包括信息的准确性、信
息完整性或在使用其中的任何信息时多大程度上受到适用法律的许可。这种无担保包括但不限
于：针对特殊目的做出的所有权、经销性、适用性的明示或暗示保证，该保证涉及到本网站或平
台上的信息或对信息的使用行为。
免责声明——用户承认并同意，在任何适用法律允许的范围内，在任何法律管辖范围内无论出于
什么原因或以何种行为造成的 IAG 代币、智能合约系统或 IAGON 平台使用问题或无法使用 IAG
代币、智能合同系统或 IAGON 平台而带来的任何或全部损害，用户不会追究 IAGON 或任何相关
方（包括但不限于任何集团实体、管理层、开发商、承包商或股东）的责任。需要明确指出的
是，IAGON 对客户的损失或损害（其中包括附带性或结果性的损害）无限免责，并且对任何人
因使用、滥用或信任任何白皮书或 IAGON 商业计划或 www.iagon.com 网站上的信息和内容时而
造成的损失和损害，IAGON 也不负有任何责任。
24
对用户任意特殊的、间接的、附带的、结果性的、惩戒性或惩罚性的损害（包括丢失或预期性
的收入或利润，以及未能从 IAGON 服务相关的索赔中实现预期的节省），不管索赔是否基于保
修、合同、侵权（包括疏忽或严格责任）或其他方面或相同的可能性，IAGON 或上述任何相关
方在任何情况下都免责。
用户进一步明确承认，对第三方（包括 IAG 代币的其他创建者）的行为，IAGON 或上述任何相
关方均不承担责任，且用户同意不追究 IAGON 和上述任何相关方的责任，并且创建、持有和使
用 IAG 代币的风险完全由用户自己承担。
自行承担使用风险——通过使用 IAGON 的众募智能合约系统、IAGON 平台或 www.iagon.com 网
站，包括但不限于将任何资产转让给 IAGON AS 的行为，用户承担并理解所有可能的与用户参与
到众募和/或使用 IAGON 的服务和产品的相关活动而带来的直接或间接风险。
不可抗力——用户理解 IAGON 因不可控的原因导致未能交付或延迟交付服务，IAGON 将不对用
户承担任何违约责任，不可控的原因包括但不限于材料无法使用、罢工、劳工短缺、停工、火
灾、洪水、地震、风暴、干旱、恶劣天气、骚乱、盗窃、事故、禁运、战争（无论是否宣战）
或其他敌对活动、内乱、政府行动的突然爆发，不可抗力的出现，政府行为或法规、命令或禁
令的突然实施，或其他无论是否与上述相似或不相似的原因（均为“不可抗力事件”）。
其他/最终警告——参与预售和/或 TGE 的行为可被视为高风险交易；通过众募使用代币，或通
过智能合约系统、IAGON 平台和 www.iagon.com 网站使用白皮书中提供的服务，都可能会导致
重大损失，甚至会导致所有已提交的和已获取的价值的全部损失。
本免责声明、IAGON 白皮书、IAGON 网站和平台或任何相关文件或网站不构成任何形式
的招股计划书，也不以任何方式在任何辖区内提供证券。
用户保证自己是达到一定年龄的有法律能力的人，并且保证将以太坊（ETH）转移到智
能合约系统以创建 IAG 代币时，用户遵守用户所在法律管辖区的所有法律规定和适用法
律。用户进一步确认，在用户所在司法辖区内持有和使用 IAG 代币是合法的，并且同意
如果用户不遵守任何此类法律和法规时，不会使 IAGON 的利益受损。
如果按照白皮书的规定成功完成和部署的话，IAG 代币仅具功能性效应， 除了计划在
IAGON 平台使用之外，IAG 代币的所有权不具备其他任何权利。特别需要指出的是，用
户理解并接受 IAG 代币除了能让代币持有者和用户访问 IAGON 的平台，不代表或构成任
何所有权或股权、股份或担保或同等权利或任何获得未来收益的权利、知识产权，也不
代表和构成任何参与到 IAGON 平台或与 IAGON 平台相关联的其他形式。 IAGON 代币和
IAGON 的平台不适合投机性投资。对于 IAGON 代币，没有关于其价值或未来表现的承
诺。没有关于 IAGON 代币能实现特定价值的承诺。持有代币不代表享有其他相关权利。
众募获取的 IAGON 代币收益可能会花费在公司视作合适的地方，如有必要，可能会随着
IAGON 代币和 IAGON 平台的成熟和进步而发生变化。
IAGON 的团队正在着力提高 IAGON 提供的服务的安全性。但是，我们无法防范任何一方
发起的所有潜在的错误和恶意行为。因此，在任何能力下使用 IAGON 平台，转让、接收
和累积 IAG 代币时需要承担的风险，由用户全权承担并接受。
25
• IAG 代币旨在被经验丰富且对加密货币有所了解的人持有和使用，他们获取、传输和使
用代币仅为访问 IAGON 平台上提供的服务。通过智能合约系统传输以太坊（ETH）以创
建 IAG 代币，用户声明并保证他们对于与加密技术和基于区块链的软件系统相关的功
能、使用、存储和传输机制有深刻的理解。
• 用户进一步声明并保证以下两点：了解代币创建过程；在以太网络上拥有自己的账户，
该账户带有与账户地址和密码相关联的私钥。密码用于加密私钥。在智能合约系统创建
IAG 代币后，IAG 代币将通过智能合同系统转移到用户的地址。用户理解必须保证其密
码和私钥安全，并且如果该私钥和/或密码丢失或被盗，用户将不能生成新密码或恢复他
的私钥。用户需要明白如果这样的私人密钥和/或密码丢失，与用户帐户相关联的 IAG 代
币将不可恢复且永久丢失。在这种情况下，IAGON 或其他任何人或实体将无法帮助用户
找回或重建丢失的密码和/或私钥，并且用户将无法使用任何丢失的 IAG 代币。
• 用户理解并接受 IAGON 平台将通过矿工网络在区块链上运行，IAGON 平台将最终控制智
能合约系统。用户理解，大多数这些矿工可以随时同意对官方智能合约系统进行更改并
运行新版的智能合约系统，这可能会导致 IAG 代币失去其固有价值。
• 通过将以太坊转移到智能合同系统和/或接收 IAG 代币，用户和/或涉及部署智能合同系
统、创建 IAGON 的其他个人或实体之间不存在任何形式的合作关系、合资企业或任何类
似关系。
• 用户理解并接受 IAG 代币不能保证其市场流动性，它的价值可能会随着时间的推移而出
现极大的波动，包括全额贬值。
• 如果用户是消费者，并且如果任何适当的消费者法律或适当的取消权用于用户与创建和
获取 IAG 代币相关事宜时，除非强制性法律另有规定，则用户放弃任何消费者权利和取
消权利。用户进一步承认并接受，当用户通过智能合同系统转移以太坊（ETH）并因此
创建并获得 IAG 代币时，除非强制性法律另有规定，任何适用的取消权利均被免除并失
效。
• 用户理解并接受区块链技术引入了新的交互形式，并且某些法律辖区内可能会应用现有
法规或引入新的法规来解决基于区块链技术的应用程序产生的问题。基于区块链技术的
应用程序可能与当前智能合同系统的安装过程相反，包括其他事项，可能会导致智能合
同系统和/或 IAGON 平台的重大修改，包括用户的 IAG 代币终止或损失。
• 通过预售和/或 TGE 参与到众募，用户确认他已阅读、理解并同意遵守上述所有限制。
用户进一步确认不出于任何非法目的获取 IAG 代币，并且通过智能合同系统转让的以太
坊不是通过任何非法手段获得的，非法手段包括但不限于在用户所在的司法管辖区内洗
钱或任何形式的腐败或任何其他非法手段。
• 用户承认并同意，如果本免责声明或白皮书的任何部分全部或部分被认定为非法或不可
执行，则此类非法或不可执行的规定仅在适用管辖区法律下非法或不可执行，不影响以
任何其他情况的合法性或可执行性，并且不影响本免责声明或白皮书的其余条款，白皮
书仍然具有完全效力。
• 本免责声明受挪威法律管辖，因 IAG 代币的创建以及 IAGON 平台的开发和执行而产生的
与 IAGON 有关的任何索赔均应由挪威普通法院处理并最终解决。IAGON 及其团队在任何
情况下都将遵守其每个运营部门的国家的法律，并且每个运营部门都应遵守当地法律和
司法管辖，以便该部门能提供实际的运营。
• 在募进行之前、期间或之后，IAGON 的白皮书、商业计划、网站和本免责声明可能会在
IAGON 慎重决定后进行修改。
该免责声明从 2018 年 4 月 2 日起生效，并可能随时修改。
参考文献
Anderson D.P. (2002). Seti@home : An Experiment in Public-Resource Computing. Retrieved from
https:// setiathome.berkeley.edu/sah_papers/cacm.php
Camarda B. (2017). As attacks rise, we ask: how secure is your Hadoop installation?. Naked Security,
January 2017. Retrieved from https://nakedsecurity.sophos.com/2017/01/24/as- attacks-rise-we-ask-
how-secure- is-your-hadoop-installation/
Claburn T. (2017). Clusters f**ked: Insecure Hadoop file systems wiped by miscreants. The Register,
Febru- ary 2017. Retrieved from https://www.theregister.co.uk/2017/02/09/hadoop_clusters_fked/
Constantin L. (2017). Attackers start wiping data from CouchDB and Hadoop databases. PC World,
January 2017. Retrieved from https://www.pcworld.com/article/3159527/security/attackers-start-
wiping-data-from- couchdb- and-hadoop-databases.html
Dai D., Zheng W., Fan T. (2017). Evaluation of personal cloud storage products in China. Industrial
Manage- ment and Data Systems, 117(1):131-148.
Dean, J. et al. (2012). Large scale distributed deep networks. Advances in Neural Information
Processing Systems, 1223–1231.
Estrada, T., Taufer M., Anderson D.P. (2009). Performance Prediction and Analysis of BOINC Projects:
An Empirical Study with EmBOINC. BOINC Berkeley. Retrieved from
http://boinc.berkeley.edu/estrada_09.pdf
Fog, A. (2008). Calculation Methods For Wallenius’ Noncentral Hypergeometric Distribution.
Communication in Statistics. Retrieved from http://www.tandfonline.com/doi/abs/
10.1080/03610910701790269
Gothard P. (2015). How to hack Hadoop (and how to prevent others doing it to you). Computing,
October 2015. Retrieved from https://www.computing.co.uk/ctg/news/2431101/how-to- hack-hadoop-
and-how-to-pre- vent-others-doing-it-to-you
Hu W., Yang T., Matthews J.N. (2010). The good, the bad and the ugly of consumer cloud storage.
ACM SI- GOPS Operating Systems Review, 44(3):110-115.
Korpela, E. et.al (2001). Seti@home – Massively Distributed Computing For SETI
Molenaar, W. (1970). Approximations to the poisson, binomial and hypergeometric distribution
functions. Narcis. Retrieved from https://www.narcis.nl/publication/RecordID/oai:cwi.nl:13049
Nakamoto, Satoshi (2008). Bitcoin: A Peer-to-Peer Electronic Cash System. Bitcoin Org. Retrieved
from https://bitcoin.org/bitcoin.pdf
Parikh, N., Boyd S. (2012). Block Splitting For Distributed Optimization. Springer. Retrieved
from https://web.stanford.edu/~boyd/papers/pdf/block_splitting.pdf
Popov S., Saa O., Finardi P. (2017). Equilibria in the Tangle. Retrieved
from https://arxiv.org/pdf/1712.05385.pdf
26
Protocol Labs (2017). Filecoin: A Decentralized Storage Network. Filecoin. Retrieved from https://filecoin.io/filecoin.pdf
Ray, S. (2017). Essentials of Machine Learning Algorithms (with Python and R Codes).
Analytics Vidhya. Re- trieve from
https://www.analyticsvidhya.com/blog/2017/09/common-machine- learning-algorithms/
Regulation (EU) 2016/679 Of The European Parliament and of The Council. Official
Journal Of The European Union, Retrieved from http://eur-lex.europa.eu/legal-
content/en/TXT/?uri=CELEX %3A32016R0679
Vijayan, J. (2017). Researchers from Google, CTI Break SHA-1 Hash Encryption
Function. eWeek. Retrieved from http://www.eweek.com/security/researchers-from-
google-cti-break- sha-1-hash-encryption-func- tion
Sverdlik, Y. (2017). AWS Outage that Broke the Internet Caused by Mistyped Command.
Retrieved from http:// www.datacenterknowledge.com/archives/2017/03/02/aws-outage-
that-broke-the-internet-caused-by- mistyped-command
Wang C. (2017). QoE Based Management and Control for Large-Scale VoD System in the
Cloud. PhD Disserta- tion, Carnegie Mellon University.
27
