Cobalt：在工作量证明网络博弈中优化挖矿奖励
网络与互联网体系结构
2023-08-30 v1 计算机科学与博弈论
机器学习
多智能体系统
摘要
在工作量证明区块链中的挖矿已成为昂贵的事务，需要能够以巨大电力成本每秒执行数兆哈希的专用硬件。矿工每当在最长链中挖出一个区块时获得一笔奖励，这有助于抵消其挖矿成本。因此，矿工有兴趣最大化区块链中挖出的区块数量并增加收益。影响所获挖矿奖励的一个关键因素是点对点网络中矿工间的连接性。为最大化奖励，矿工必须谨慎选择其网络连接，确保存在到其他矿工的路径，其平均延迟低于其他矿工间路径的延迟。我们将矿工决定与谁连接的问题表述为一个组合_bandit（combinatorial bandit）问题。每个节点策略性地选择其邻居，以最小化到达网络 90% 哈希算力的延迟相对于其他节点第 90 百分位延迟的值。我们工作的一个关键贡献是在 bandit 算法中使用基于网络坐标的模型来学习网络结构。实验上，我们展示了所提算法在不同网络设置下优于或匹敌基线方法。
引用
@article{arxiv.2307.04695,
title = {Cobalt: Optimizing Mining Rewards in Proof-of-Work Network Games},
author = {Arti Vedula and Abhishek Gupta and Shaileshh Bojja Venkatakrishnan},
journal= {arXiv preprint arXiv:2307.04695},
year = {2023}
}