DyPBP：面向加密货币 P2P 网络的动态对等方有益性预测
网络与互联网体系结构
2025-11-25 v1 机器学习
摘要
分布式点对点（P2P）网络用于传递新区块和交易，是加密货币区块链系统运作的关键。若P2P连接性差，便会降低矿工共识协议的财政奖励。先前研究定义了每个比特币对等方的有益性，并基于区块和交易递送的观察结果进行估计——但这些观察结果是在它们被递送之后才进行的。由于区块到达不频繁且对等方连接不稳定，导致对等方无法保持足够长时间的连接，从而无法使有益性评分收敛至其预期有益性。我们设计并构建Dynamic Peer Beneficialness Prediction（DyPBP），通过超越仅限于区块和交易到达的网络行为观察来预测对等方的有益性。DyPBP通过引入一种新的记忆特征来解决动态连接问题，因为比特币的对等方通常会断开并重新连接。我们在连接主网的活跃比特币节点上实现了DyPBP，并使用机器学习进行有益性预测。我们的实验结果验证并评估了DyPBP的有效性；例如，depending on the machine-learning model selection，误差性能在2到13个数量级的提升。DyPBP使用记忆特征也告诉我们模型选择。DyPBP实现了从P2P连接开始就能对其有益性进行估计，而无需等待新区块到达。
引用
@article{arxiv.2511.17523,
title = {DyPBP: Dynamic Peer Beneficialness Prediction for Cryptocurrency P2P Networking},
author = {Nazmus Sakib and Simeon Wuthier and Amanul Islam and Xiaobo Zhou and Jinoh Kim and Ikkyun Kim and Sang-Yoon Chang},
journal= {arXiv preprint arXiv:2511.17523},
year = {2025}
}