即便存在流动也令女巫攻击破产
密码学与安全
2023-03-23 v4 分布式、并行与集群计算
摘要
当 adversary 控制系统中的多个标识符（ID）时，就会发生女巫（Sybil）攻击。将女巫（恶意）ID 的数量限制为少数，对于使用容忍恶意行为的成熟工具（如拜占庭共识和安全多方计算）至关重要。一种流行的强制女巫少数的技术是资源燃烧：可验证地消耗网络资源，如计算能力、带宽或内存。不幸的是，基于资源燃烧的典型防御要求非女巫（良好）ID 消耗至少与 adversary 一样多的资源。此外，即便系统成员相对稳定，它们也有很高的资源燃烧代价。在此，我们提出一种新的女巫防御机制 ERGO，它保证（1）恶意 ID 始终是少数；且（2）当系统遭受显著攻击时，良好 ID 消耗的资源渐近地少于恶意 ID。特别地，对于可呈指数变化的流动率，ERGO 下良好 ID 的资源燃烧率为 O(\sqrt{TJ} + J)，其中 T 为 adversary 的资源燃烧率，J 为良好 ID 的加入率。我们证明该资源燃烧率对一大类算法是渐近最优的。我们对 ERGO 与先前的女巫防御进行了实证评估。此外，我们展示了 ERGO 可与用于分类女巫 ID 的机器学习技术结合，同时保持其理论保证。基于将 ERGO 与两种先前女巫防御比较的实验，ERGO 在不使用机器学习时将相对于 adversary 的资源燃烧量改善了多达 2 个数量级，在使用机器学习时改善了多达 3 个数量级。
引用
@article{arxiv.2010.06834,
title = {Bankrupting Sybil Despite Churn},
author = {Diksha Gupta and Jared Saia and Maxwell Young},
journal= {arXiv preprint arXiv:2010.06834},
year = {2023}
}
备注
41 pages, 6 figures. arXiv admin note: text overlap with arXiv:2006.02893, arXiv:1911.06462