CNN（Content Neutrality Network）介紹、網址及交易平臺

· 開放流通：優質內容的核心在於它的思想可以傳播給更多的受眾從而對其產生潛移默化的影響；CNN 鼓勵在保護智慧財產權的前提下，促進優質內容在各平臺間自由流通，從而最大化文章價值。

在 CNN 體系內，主要有四類節點：

1. 作者：作者是各個社羣中內容的生產者，作者的權重由使用者對其內容的喜好程度決定，是廣告收入分成中比例最大的角色；
2. 使用者：使用者是各個社羣中內容的消費者，透過閱讀、點贊、評論等行為表達對內容的喜好，並因為付出了注意力而獲得廣告收入的分成；
3. 廣告主：廣告主在各個社羣以 CNN 支付廣告費進行投放，以期獲得品牌的曝光或者下載/註冊使用者；
4. 推薦節點：推薦節點是 CNN 體系中游離於社羣之外的節點，透過為各個社羣提供推薦服務而獲取廣告收入分成。

CNN 協議主要包含兩方面的內容：一、促進作者、使用者在社羣內活躍的機制；二、促使優質內容在不同社羣間流通的機制。針對這兩方面，我們設計了與文章釋出、推薦、閱讀、轉載以及使用者激勵相關的模組，將在下面的章節中詳細介紹：

1. 內容生產

對內容社羣而言，內容生產無疑是整個社羣最至關重要的一環。如何設立一個有效的機制，建立開放自由的內容生態，發揮每篇文章的原創價值是整個內容社羣建設的核心。要保證優質內容的持續產出，CNN 將圍繞以下幾點作為核心運轉：

保護創作者版權：版權保護是區塊鏈技術的重要應用之一。區塊鏈系統裡記錄的資料有嚴格的時序性，並且無法篡改。因此，一旦發生版權衝突，系統可以根據內容釋出的先後順序確定最終版權。如果有作者釋出了侵權內容，系統會如實地記錄釋出時間、作者與釋出內容，沒有人可以透過刪帖等方式來清除侵權記錄。這從根本上保護了創作者的利益，有助於激發其創作熱情。

鼓勵原創首發：每個社羣有自己的調性與喜好，也有自己圈子的常駐作者，社羣內生產的內容更符合本社羣的氣質。因此在每個社羣內，我們更看重該社羣生產的內容，推薦時更偏重於首發於本社羣的優質內容。為此，社羣會對原創內容進行一定的流量支援。

拒絕內容灌水：為從源頭上杜絕低質文章的產生，創作者在創作時需要交納一定數量的 CNN 幣作為押金，如若 7 天內無人舉報其版權或質量問題，則返還。如果其內容被舉報存在質量問題（如抄襲、標題黨等），經社羣選舉的委員會投票鑑定屬實，則扣除其押金，並將追回相關的廣告收益，加到當日的獎勵基金中。

對於完全重複的內容，我們可以透過 Hash 值來判斷。對於拼湊或者修改的內容，我們採用區域性敏感雜湊演算法 (Locality Sensitive Hash, LSH)[7]，透過各種降維方式對映出多個區域性的低維的特徵（如詞向量特徵）後再進行比較。提取部分特徵後，拼湊或者修改的內容會與原內容在降維後的很多特徵保持一致，從而被系統檢測出。

當技術手段也無法判斷內容時，我們將採取以社羣委員會為基礎的版權認證解決方案。依據適當的管控，社羣內的志願者均可成為“裁判”，並可利用區塊鏈內的資訊追溯侵權所得。具體方案是：

· 當使用者對內容版權發生質疑，質疑者需提交一定數量的 CNN 幣作為押金。隨後，向全網發出廣播，要求組成“委員會”，針對質疑進行投票。委員會的每個委員需提交一定數量的 CNN 幣做為押金，投票結果以多獲勝；

· 如果最終判定無版權問題，質疑者和投票失敗方的 CNN 將被沒收，分給文章創作者和投票獲勝方作為補償；

· 如果判定確實有版權問題，質疑者可獲得侵權者的押金，廣告收益被追回，加入到當日的獎勵基金中，而投票獲勝方可拿回其參與投票時繳納的押金，並共同分享投票失敗方繳納的押金。

上述方案用虛擬碼表示為：

def vote(sponsor, agrees, disagrees, author, reward, depositA, depositS, depositC, revenueAd):
 if agrees.count > disagrees.count:
sponsor.account += depositA
reward += revenueAd
for agree in agrees:
agree.account += depositC / agrees.count
 else:
author.account += (depositS + depositC) / (disagrees.count + 1)
for disagree in disagrees:
disagree.account += (depositS + depositC) / (disagrees.count+1)

2. 內容轉載

高質量的內容是社羣得以持續發展的根本。如上文所述，CNN 體系鼓勵優質內容的流通，從而最大化內容價值，因此當使用者將優質原創文章從源社羣轉載到相關的其他社羣時，理應受到獎勵。但我們同時不希望看到使用者只是為了獲得回報而隨意轉載文章，甚至是垃圾文章，為此 CNN 制定了 CCM (Content Circulation Mechanism)。機制具體規則如下：

· 轉載文章需要繳納一定數量的 CNN 幣，繳納的 CNN 幣歸文章作者所有
· 同一篇文章只能向一個目標社羣轉載一次，以區塊鏈記錄的在目標社羣首次出現的時間戳為準
· 若轉載的文章在目標社羣產生收益，則轉載人基於轉載收益分配模式獲取相應收益

在這個機制下，轉載相當於對文章的投資，使用者先付出成本並寄希望於文章帶來更高的收益。只有當文章確實優質，並且符合目標社羣受眾時，轉載者才有付費轉載的動力。使用者轉載文章的收益取決於所轉載文章在目標社羣被使用者喜愛的程度，因此保證了只有高質量並符合目標社羣調性的文章被轉載流通。

3. 分散式信譽機制

信譽系統是內容系統的關鍵組成部分。好的內容系統一方面需要好的內容，另一方面也需要對內容的可信的評價。在傳統的中心化的內容評價系統裡，無論是實名或者匿名的系統，都存在評價不夠真實的可能。匿名化的系統，因為評價無成本，所以攻擊者可以製造大量的垃圾評論，淹沒對內容的真實評價；而實名化的系統，使用者往往出於隱私的考慮，而不願意暴露自己的真實想法。CNN 一方面透過區塊鏈保證了歷史記錄的不可更改；另一方面透過 Zero Knowledge Proof 實現了使用者在不透露自己隱私的前提下，完成對自己行為的認證，保障了評論的有效與隱私。因此，CNN 上的信譽更加真實可信，從而有利於整個生態的建設。

CNN 的信譽機制包含下列組成部分：

· 作者信譽：作者信譽標誌著這個作者在讀者中的受歡迎程度。作者的信譽越高，他的文章就越容易獲得推薦，從而會產生更多的收益。

· 使用者信譽：使用者信譽體現了這個使用者在內容生態體系裡的貢獻。使用者透過評論、點贊或者點滅來對作者的內容進行評價，從而篩選出更有價值的內容，豐富了內容生態。CNN 系統的分配系統會根據使用者的信譽給予使用者獎勵。

· 推薦節點信譽：推薦節點信譽體現了這個推薦節點服務下游節點的能力。一個推薦節點的效果越有效，那麼它將獲得更高的機會去服務更多更有價值的使用者，從而提高了自己收益。

4. 推薦

4.1 調性把控

不同使用者對內容需求是非常多樣的，網際網路上同時存在著包羅永珍的NewsDog/今日頭條，充滿精英氣質的 Flipboard，文藝青年主導的 Vice，或是憤青聚集的網易新聞。社羣的調性，通常是由社羣最初期的使用者決定的。在 CNN的生態內，每個內容社羣最早的 20 個使用者將組成委員會，每人抵押 CNN 幣後投票決定是否要相容幷包，還是要保持自己的調性。

一旦社羣決定了自己的調性，將透過給不同的分類制定不同的推薦度來把握，推薦度也是由委員會投票決定。這些推薦度透過智慧合約被轉化為不同的點選率標準，作為擴大推薦受眾群的標準。

4.2 內容熱度

內容社羣需要獎勵優秀的文章與作者，優質的內容需要得到更多的展示機會，獲取更多的收入，這樣才能促使作者貢獻更多的優質內容。在 CNN 系統中，我們透過內容熱度 R 來代表內容的受歡迎程度，計算公式為

4.3 去中心化更新特徵 + 集中推薦

確定社羣調性後，個性化推薦是內容分發最重要的部分，也幾乎是所有內容社羣的標配。根據使用者的特性及過往的閱讀歷史來學習使用者的興趣，併為之匹配最感興趣的內容。為了充分利用區塊鏈技術去中心化的優點同時又能提高執行效率，CNN 的解決方案是去中心化地更新使用者特徵模型，再由運算能力強的推薦節點為平臺的所有使用者提供推薦服務。其運作方式如下：

· 在 CNN 上使用 Logistic Regression (LR)模型進行推薦，LR 模型是基於使用者和文章特徵以及最後的點選行為來預測使用者對於文章的點選概率。推薦模型可表述為

用偽碼錶示為：

def calc_final_score(user_interest, content_weight):
 return user_interest * (1 + 1 / (1 + math.exp(-1 * content_weight)))

4.4 基於社羣的特徵發現機制

使用者特徵的豐富程度決定了個性化推薦的效果。演算法開發者可以從去中心化的內容儲存系統中取得使用者的行為資料，並在此基礎上透過機器學習不斷地發現新的使用者特徵，來提升推薦的效果（如使用者的 CTR 與時長），從而不斷提升社羣所有成員的活躍度和收益。其運作模式如下：

· 開發者在使用者資料上發掘新的特徵，提交給社羣所有推薦節點組成的委員會
· 開發者去中心化地更新使用者特徵模型，並進入支援 A/B 測試實驗的推薦節點上執行，開發者需要支付一定數量的 CNN 幣作為測試的成本
· 透過對實驗結果的置信分析，如果演算法效果得到的提升是可靠的(>95%)，那麼新的特徵模型將被採用，並全網廣播
· 採用新特徵模型的演算法節點，將分享 20%的後續推薦節點收益給演算法開發者，直到有新的特徵被引入

運作過程用虛擬碼表示為：

def explore_feature(self, feature_set, recommend_server):
      if self.account < explore_fee:
       raise()
       self.account -= explore _fee
       if run_explore (feature_set, recommend_server):
            recommend_server.feature_host = self

4.5. 基於社羣的語料標註

個性化推薦的實現需要大量的語料支援；而當今世界內容呈現爆發性增長趨勢，這就意味著語料也需要定期新增和升級。但語料的迭代需要人工的參與和標註，即大量的人力投入。在區塊鏈上，我們可以充分發揮社羣的積極性提高標註效率和準確性，其具體操作流程如下：

· 平臺將需要標註的任務分解併發布，保證每份標註有三個使用者參與；
· 使用者如果認領任務，則需要交納一定數量的 CNN 幣作為押金，雙方確認後系統自動生成智慧合約；
· 平臺自動對三位標註員的結果進行比對，確定每位標註員的質量水平，質量不好或者有違約的情況則扣除保證金，扣除的保證金將被加入當日獎勵基金中。標註質量滿意的標註員獲得社羣的獎勵。

5. 激勵

內容社羣的使用者和內容作者在平臺上有極其豐富的互動場景。除了對內容本身的消費之外還包含使用者之間的互動，內容的分享，使用者邀請等等。其中，邀請新使用者是激勵體系中最重要的一環，使用者越多，整個生態系統約活躍，價值也越大。在基於 CNN 協議的內容生態圈之中，使用者作為生態主體之一參與到收益分成是一種天然的激勵模式。

傳統的激勵系統規則和流程複雜，激勵結算週期長，導致了其效率低下並且容易出錯。基於 CNN 協議的邀請激勵機制可以簡化激勵流程，甚至可以實現激勵的多級傳導效應，使得邀請新使用者帶來的可能收益被放大，從而提升激勵的效果，降低社羣獲取新使用者的成本和難度。這在印度市場效果尤為明顯。具體流程為：

· 平臺每天配發一定數量的 CNN 額度作為激勵獎勵池，具體數額請參考章節七發行計劃。
· 計算每位使用者在增加整個生態使用者群體上所作出的貢獻，所有使用者根據自己的貢獻值分享每日的激勵獎勵池。
· 所有邀請與被邀請的關係被記錄到區塊鏈上，形成一個公開、無法被篡改的樹狀的邀請關係結構。使用者的貢獻值由他的子樹計算得出。
· 在 CNN 生態中，使用者可以從自己所有子樹上的使用者獲得貢獻值。如果 A 邀請 B，B 隨後又邀請 C，那麼 C 是 A 的 2 級邀請使用者。如果 X 是 A 的 n 級邀請使用者，那麼 X 的加入可以為 A 帶來2n點貢獻值。A 每天的貢獻值公式為：

· 當一天結束的時候，每個使用者根據自己的貢獻值共同分享當天的激勵獎勵池。

在這樣的激勵網路下，使用者邀請的每一個新使用者，都有可能持續不斷地給他帶來貢獻值，這將極大的提高使用者的積極性，也增強了使用者的粘度。同時去中心化的結算為基於 CNN 協議的激勵帶來了更高的效率，使用者可以更快獲取激勵獎勵。

該模組的相關偽碼可表示為：

class User:
        # calc all parent contribute when new users sign up
        def cal_invite_contribute(self):
                contribution = 1
                p = self.parent
                while(p is not None):
                        p.contribution += contribution
                        contribution /= 2
                        p = p.parent
   …
   # calc own contribute at end of day
   def get_invite_profit(self, total_contribution, tot al_invite_profit):
         self.account += total_invite_profit * self. contribution / total_ contribution

7. 打賞

打賞是新興的一種非強制性的內容付費模式，使用者透過打賞來表達對作者的贊。打賞是去中心文化的勝利，打破了文化和娛樂精英在寫作、表演等領域裡的壟斷地位，給了所有人展示自我的機會。打賞也是使用者對作者作品價值的一種認可，只有優質的打動使用者的作品才可能獲得使用者的打賞。

· 在 CNN 平臺上，我們可以建立使用者與作者之間點對點的打賞通道，使用者對作者的打賞將直接實時的進入到作者的賬戶，並視為對作者作品的認可，提高作者作品的權重，使其作品可以獲得更多展現；同時，打賞行為也體現使用者的閱讀偏好。

· 為了防止作者透過打賞作弊，我們將從打賞金額裡面提取一部分費用（如20%），作為推薦服務的獎勵。

CNN 底層技術調研

CNN 技術實現會採用當前在開源社羣廣泛使用，且經過實際專案驗證的技術方案，同時結合團隊原有的技術棧和程式碼積累來進行開發。我們將設計一整套技術方案和系統架構，將這些架構整合到區塊鏈技術中，同時對系統功能的設計和實現進行適當最佳化。

1. 區塊鏈擴容和提速

在區塊鏈上執行一項交易，網路中的所有計算機節點都需要驗證交易或執行智慧合約，如果所有節點都實現相同的結果並達成一致，那麼交易就得到了確認，這個速度是非常慢的。目前已有一些專案可以提高以太坊的交易速率，比如Plasma 和 Raiden，但這些專案使用的是非鏈或側鏈通道，而並非旨在解決區塊鏈本身的可擴充套件性問題。

針對這個問題我們調研並設計幾種解決方案：

1.1 委任權益證明 DPoS

委任權益證明 DPoS (Delegated Proof of Stake) 演算法[10]，可以解決去中心化POW 帶來的效能和能耗的問題。在 DPoS 下，使用區塊鏈網路的主體投票產生N 個見證人，然後由這些見證人對區塊進行簽名。由於使用了去中心化的投票機制，DPoS 相比其他的系統更加民主化，在保護機制下可以確保見證人行為正確而沒有偏見。因此，每個區塊可以證明先前區塊被見證人正確的確認。DPoS 演算法透過減少確認的要求，消除了交易需要等待一定數量區塊被非信任節點驗證的時間消耗，大大提高交易的速度，從而使加密數字貨幣的交易速度接近像 Visa 和Mastercard 這樣的中心化清算系統。

1.2 實用拜占庭容錯演算法 PBFT

惡意攻擊和軟體錯誤的發生將會越來越多，會導致失效的節點任意產生行為，這種行為有可能誤導其他副本節點產生更大的危害，而不僅僅是宕機失去響應。早期的拜占庭容錯演算法基於同步系統，由於效能太低而不能在實際中運作。Miguel Castro 和 Barbara Liskov 在 1999 年提出了實用拜占庭容錯演算法 PBFT(Practical Byzantine Fault Tolerance) [11]，透過副本複製解決拜占庭容錯問題。它解決了原始拜占庭容錯演算法效率不高的問題，將演算法複雜度由指數級降低到多項式級，使得拜占庭容錯演算法在實際系統應用中變得可行。在非同步環境中，透過最佳化早期演算法把響應效能提升了一個數量級以上，效能測試證明了該系統僅比無副本複製的標準 NFS 慢了 3%。

我們對現有的區塊鏈基礎設施和上面的幾種解決方案進行了深入的研究和對比，初步結論是會採用 DPoS 共識機制和 Sharding 結合的方案，來解決區塊鏈上擴容和交易速度瓶頸。未來我們將不斷探索新的技術實現，來進一步提升系統的容量和速度。具體方案如下：

Sharding 分片方案：出於解決計算效能問題的考慮，也兼顧緩解儲存問題的需求，總體思路是，受傳統資料庫啟發將資料劃分為子集中的方式，每個節點只處理部分交易（比如由一部分賬戶發起的，我們稱之為 Sharding 分片），從而減輕節點的計算和儲存負擔。每個分片都具備一個小規模的共識協議，執行於多個網路機器的並行處理時，這些機器會驗證交易的工作量。在並行處理這樣的網路中，每個分片每秒能夠處理數百筆交易，整個網路每秒能夠處理數千筆交易。隨著更多節點的加入，網路在驗證交易時處理速度將變得越來越快，一旦網路規模和以太坊一樣大，該網路每秒處理的交易量就能使其比現實中銀行更快，也可能更便宜。如 Zilliqa 就採用了分片 sharding 方案，每片內都有 600-800 個節點來進行運算，保證安全性，不依賴於中心化的節點來處理分片過程，已經證明了高效可擴充套件性，它的吞吐量幾乎能隨著節點的線性增長而增加。目前以太坊也在對EVM 進行升級，在智慧合約層提供基礎支援，因此我們在以太鏈基礎上實現Sharding 方案難度降低，可行性提高很多。

在 Sharding 方案的基礎上，我們會採用 DPoS 機制來解決分片內交易確認速度過慢的問題，具體實現上採用類似股份授權證明機制執行，它依靠一種信用系統，透過無摩擦的實時投票產生一組總數一定的“授信方”（“受託人“），這些授信方擁有產出區塊並新增到區塊鏈上的權利，同時避免不受信任方的參與。每一輪都由這組授信方以隨機順序輪流簽署命令產生區塊，每一輪的出塊次序都不相同。 非常重要的一點是，這種體系並不需要很高的信任程度，區塊鏈的產出者（即受託人）只可以選擇產出或不產出區塊，即打包或不打包交易，而不能改變交易細節，比如傳送者、接收者或者餘額。在這種模式下，受託人作惡的影響力很小。如果受託人丟塊或者出塊沒有打包交易記錄，下一個受託人產出的區塊將是兩倍大小，包含上一塊丟失的交易，同時確認時間從 10 秒鐘變為 20 秒，除此以外沒有其他影響。受託人惡意或遲滯的行為都是公開可見的，社羣可以簡單迅速的投票讓他們出局。這樣一來，受託人會失去受託人收入，且沒有任何潛在的好處，因此沒有動力作惡。

初步技術方案的架構圖如下：

2. 去中心化的內容儲存

內容社羣的資料規模非常龐大，有結構化的使用者個人資訊，也有非結構化的各種檔案（圖片、影片、文件等）。它們通常儲存在各網站的伺服器的資料庫或檔案系統中。這是非常中心化的內容儲存方式。這種中心化儲存的資料經常遭受類似美國安全域性 CIA 這樣的機構審查，只要控制伺服器就可以輕易獲取使用者的敏感資料；另一方面這些伺服器也容易遭到駭客攻擊，存在隱私資料洩露的風險和網頁無法訪問 502 的情況；最後，這些中心化儲存的資料極度容易被伺服器所有者修改，經常出現 404 網頁不存在或無法檢視歷史的情況。內容儲存去中心化將有效得避免此類問題。

目前去中心化的儲存方案有 Sia、Storj、MaidSafe、IPFS等：

Sia 提供一個去中心化的，有獎勵機制的雲儲存系統，這個系統將與中心化的類似系統如 AmazonS3 競爭。Sia 高度專注於成為一個企業化的產品，開發者在不斷最佳化產品設計使其可以更靈活地處理雲儲存中的多樣性。

Storj 是一種邊走邊付的方式，租用者頻繁地給託管主機付款。Storj 的目標與 Sia 相似，只是 Storj 沒有使用區塊鏈內建的智慧合約。如果使用者不見或不線上，託管主機將得不到報酬。目前 Storj 尚處於內部測試階段。

MaidSafe 是個很有野心的專案，開發者的目標超出了去中心化的儲存系統，但對效率方面並不太專注。MaidSafe 使用一種全新的共識機制來產生共識（不同於區塊鏈），它不是 POW 工作證明，尚沒有像比特幣的機制那樣被實踐所證明。

IPFS 星際檔案系統（InterPlanetary File System）由 Y Combinator 的 ProtocolLabs 實現，目標是取代我們在過去 20 年已經習以為常的網際網路 HTTP 協議。IPFS 是一個點對點的分散式檔案系統，它可以將所有的計算裝置都連線到同一個檔案系統中。使用內容定址技術可以將內容從源伺服器中分離出來，並永久儲存。IPFS 可以像 CDN 網路一樣距離使用者非常近，保護去中心化儲存的網站，並杜絕了 DDoS 攻擊發生的可能。IPFS 可以歸檔重要的公共記錄內容，避免網站終止運營所帶來的損失。目前已經有許多網站如 Neocities 是基於 IPFS 實現的，並且越來越多的區塊鏈專案也在 IPFS 上運轉。具體協議虛擬碼為：

基於上述的分析調研，我們最終決定採用 IPFS 來解決內容的去中心化儲存，將內容資料和區塊鏈分離可以有效地節約區塊鏈資源，提升整個系統的處理能力。

3. 概率微支付

內容社羣裡涉及到的廣告收益分成、激勵、打賞等支付場景，通常小額且高頻。目前的概率微支付是 Orchid Protocol[13]中提出的一種微支付解決方案。概率微支付可以為區塊鏈提供一個可擴充套件的微支付通道網路，從而實現多次、高頻、低成本的微支付。使用者可以向任意數量的接收者傳送任意數額的支付款項，而不需要每一位接收者的初始化和結算交易，從而降低了交易成本，使得高頻小額交易變為可能。操作過程如下：

傳送者可以把 CNN 幣存入所有的傳送者共享的以太坊智慧合約，該智慧合約為每一位傳送者維護支付差額與罰金託管。

傳送者在本地建立並簽署一張票據，該票據是一種包含了接收者、總額等支付資料的加密資料結構。

傳送者無需在以太坊網路上釋出任何交易，直接將票據傳送給接收者即可。接收者核實票據。如果它是有效的，那麼接收者就有了加密證明他們正在收取款項。注意，即使票據沒有“中獎”，接收者仍然有確鑿的證據來證明他們能收到款項，因為決定票據是否“中獎”的隨機性是由傳送者和接收者雙方決定的。這樣，其中任意一方都無法一手操縱結果。

一張有效的票據即是“中獎”，在這種情況下，它可以透過釋出一個鏈上以太坊交易來獲取。

NewsDog - CNN 上的第一個應用

NewsDog 成立於 2015 年底，成立之初創始團隊就看到印度經濟發展和數字內容市場的巨大潛力，因此鎖定了印度個性化內容社羣這個創業方向。

伴隨著過去兩年印度智慧手機使用者的翻倍和移動流量資費的大幅下降 (目前 1G 僅需 5 盧比，合￥0.5)，NewsDog 在印度也得到了飛速的發展，戰績不俗。從 2016 年初正式上線起，NewsDog 已經積累了 4000 餘萬使用者，並在 Google Play新聞類應用排行榜單上排名第一，是目前印度最小、最快、最受歡迎的新聞類應用。它和印度上千家媒體和上萬家自媒體達成合作，為使用者提供英語、印地語、泰米爾語、馬拉提語等十種語言的內容，涵蓋政治、經濟、娛樂、體育、健康、科技、本地和世界等十餘個分類。

NewsDog 搭建了功能強大的推薦系統，為所有使用者做了標籤詳盡的使用者畫像，便於實現內容和廣告的精準推送，實現真正意義上的 News Just For You。

NewsDog 團隊將與 CNN 團隊緊密合作，在 2018 年年中將 NewsDog 的部分功能遷移到 CNN 協議上。

1. 基於 CNN 的推薦系統

對於內容平臺來說，推薦是核心，同樣也是最為消耗資源和成本的一項工作，一套高質量的推薦系統需要長時間的積累。另一方面，對於消費內容的使用者來講，為了獲得精準的推薦，隱私成為了必須付出的代價。基於 CNN 協議的推薦系統能很好地解決這兩個問題。

NewsDog 的推薦系統基於廣泛的使用者畫像和使用者資料，而中心化的畫像和資料儲存和運算方式成為了一個耗時耗力的負擔。透過基於 CNN 協議的推薦系統，使用者特徵模型被分佈儲存在區塊鏈各個節點中，可以減少中心推薦節點的壓力。對於使用者而言，分散式的匿名儲存也可以完全消除隱私的問題。

2. 基於 CNN 的廣告收入分成模式

目前的網際網路內容生態中使用者扮演了非常重要的角色，內容社羣利用使用者的關注力賺取了廣告價值，但使用者卻不能參與其中的商業利益分成。

基於 CNN 協議，NewsDog社羣的廣告收入在內容創作者以外，也會與使用者、轉載者和推薦節點進行分成。

NewsDog 的內容作者是內容生態的源頭，因此也是整個收入分成模式中分成比例最大的一個角色。作者可以在自己的文章被閱讀，轉載和評論時獲得相應比例的分成。在 CNN 的版權保護機制中，如果一個作者的版權被侵犯，作者將會獲得賠償。

NewsDog 的使用者作為 CNN 系統中新的收入分配角色，可以依靠閱讀文章，發表評論，點贊等行為獲得收益；在社羣中越活躍，獲取的收入也就越多。同時使用者也承擔著在社羣間流轉內容的重任，可以在轉載文章後，透過所轉載文章的表現獲得相應的收益。

此外推薦節點作為一個獨特的角色在 CNN 系統中發揮著重要的作用，也會獲得其相應比例的收益。

3. 多級激勵系統

傳統的激勵系統因為中心化的設定，對規則策劃與運營的挑戰很大。每次激勵活動都需要投入很高的運營成本，並且激勵的效果也無法保證。NewsDog 採用基於 CNN 協議的多級激勵系統可以很好地解決投入和效率的問題。

由於邀請的紀錄被分佈地記錄在整個區塊鏈之中，因此可以降低運營方的伺服器和運算投入。目前 NewsDog 內部有兩層激勵體系，藉助 CNN 協議，NewsDog可以將兩層擴充套件為多層，放大使用者邀請的作用，最佳化激勵的效果。由於 CNN 代幣的引入，參與激勵的使用者可以更快獲得激勵獎勵，大幅縮短了激勵週期至一天，也可以很大促進激勵使用者參與的積極性。

4. NewsDog MALAMAAL - 激勵模式的延伸

NewsDog 是首個將直播競答模式引入印度的玩家。直播的形式和激勵相結合使得該模式成為一個全新的獲客利器。在 CNN 體系內，NewsDog MALAMAAL將直播競答從單純的獲客演變成一個使用者可以付費參與並且獲得更多服務的高階版本。因此我們引入了 NewsDog MALAMAAL Store。NewsDog MALAMAALStore 為玩家提供各種遊戲增值服務。所有的增值服務由 CNN 幣來結算。下面介紹一些常見的增值服務及其使用場景。

遊戲規則為正確答對所有 12 道題即可與其他獲勝使用者分享當期 CNN 獎勵金。為增加趣味性，遊戲引入復活卡等特權。邀請使用者參加，即可獲得復活卡，增加遊戲獲勝機率。在競答模式下，可在商城中購買如下特權商品：

復活卡：遊戲答錯出局時，使用該卡即可復活
提示卡：遊戲時使用該卡即可獲得正確答案提示
Pass 卡：使用者如果不知道正確答案，可使用該卡直接跳過，進入下一題

5. Fantasy Cricket League

板球作為印度的國民運動，被稱為印度人民的“第二宗教信仰”。資料顯示，在 2017 年 4-6 月期間舉辦的 IPL 聯賽和 IPC 大賽吸引了將近 8 億印度人民的關注。板球世界盃期間更是為印度帶來了數億美元的消費。作為印度最大的新聞應用，NewsDog 會開發 Fantasy Cricket League 來滿足使用者的娛樂和資訊需求。Fantasy Cricket League 是一個板球遊戲。使用者可以扮演球隊經理並且投資球隊，透過球隊在聯賽的表現獲得收益。具體規則如下：

1. 使用者支付一定數量的 CNN 幣建立一支球隊
2. 每個賽季，球隊經理可以透過球員選秀來為自己的球隊招兵買馬
3. 所有隊員選定之後，賽季正式開始。在賽季的指定階段，球隊經理之間可以透過 CNN 來進行隊員交易
4. 在賽季末，經理透過自己球隊在聯盟的排名來獲得相應回報

6. 其他模式

6.1 星座文化付費

星座文化正悄然走入人們的生活。為滿足使用者需求，包括中國和印度在內許多媒體都專門開闢了星座板塊，而且許多自媒體也紛紛加入星座文化大軍，例如Vogue India 在 Twitter 上擁有 112 萬粉絲，每日都會發布一條與星座相關的資訊，分析星座運勢；而中國的自媒體同道大叔僅微博就有 1362 萬粉絲，每條資訊都有大量轉發點贊。為滿足使用者對星座資訊的需求，NewsDog 開發了星座文化付費服務，具體如下：

1. 個性化星座資訊：使用者繳納一定量的 CNN 幣作為服務費，輸入自己的個人資訊，如出生年月、出生地、血型等，即可獲得專屬星座資訊；
2. 大 V 專業星座答疑：使用者繳納一定量的 CNN 幣，邀請入駐 NewsDog 的媒體及自媒體提供量身定製的星座資訊

6.2 付費問答

資訊爆炸時代，衍生出了 Quora 和知乎等問答應用，幫助使用者有效刪選過濾資訊。這種模式在使用者中的傳播度和實用性決定了其發展潛力和生存空間。因此NewsDog 利用自身資訊平臺優勢孵化這種問答模式，給使用者提供更全面的服務，具體實現形式如下：

眾籌問答：使用者繳納 CNN 幣，要求某位大 V 回答某個問題；其他使用者若感興趣，可以繼續繳納 CNN 幣；如若大 V 回答，即可獲得所有使用者繳納的 CNN幣，否則使用者繳納的 CNN 幣原路送還

1 對 1 專業問答：使用者可以在內容社羣內選擇自己信賴的內容創作者，並繳納 CNN 幣向其提問，獲取 1 對 1 專業性問答服務。內容創作者回答問題即可獲得使用者繳納的 CNN 幣

6.3 公益

網際網路的實用性不僅在於資訊傳播，同時也在於縮短人與人之間的距離。而這給公益事業的推動和發展提供了良好的契機。作為印度最大的新聞類應用，利用其平臺推動公益事業不僅是應盡的企業責任，而且也可聚合使用者實現互助。鑑於此，NewsDog 基於區塊鏈公開且不可篡改的特性，設定了如下公益板塊的應用場景：

1. 求助使用者可在平臺釋出求助資訊，並上傳相應檔案進行稽覈；
2. 使用者看見求助資訊可以選擇捐獻 CNN 幣幫扶；
3. 求助者資訊透過稽覈後即可獲得其他使用者捐贈的 CNN 幣；
4. 平臺和求助者定期釋出救助近況，做到公開透明，避免欺詐。

交易平臺