波动区块奖励下的比特币：内存池统计如何影响比特币挖矿

比特币协议的安全性深度依赖于向矿工提供的激励，这些激励来自区块奖励和交易费的组合。随着比特币经历更多减半事件，协议奖励趋近于零，使交易费成为矿工奖励的主要来源。这种比特币激励机制的转变将波动性引入区块奖励，导致新的安全威胁出现或加剧现有威胁。此前对比特币的安全分析要么采用固定区块奖励模型，要么采用高度简化的波动模型，忽略了比特币内存池行为的复杂性。本文提出了一种基于强化学习的工具，用于在更真实的波动模型下制定挖矿策略。我们采用异步优势动作评价（A3C）算法，该算法能有效处理诸如比特币内存池等动态环境，在与模拟比特币内存池复杂性的环境交互时，推导出近最优的挖矿策略。该工具能够分析在难度调整前后针对恶意挖矿策略（如自私挖矿和底切攻击），从而深入洞察挖矿攻击在短期和长期内的影响。我们重新审视了 WeRLman 论文中提出的比特币安全阈值，并证明该模型中对高价值交易到达的隐式可预测性导致所报告的阈值被低估。此外，我们表明，尽管固定奖励模型下的自私挖矿等对抗性策略会带来至少两周的初始亏损期，但向交易费时代的过渡会激励矿池为获取即时利润而放弃诚实挖矿。随着未来协议奖励趋近于零，这种激励预计将变得更加显著。