中文

面向小型合规矿池的比特币动力破坏攻击探测

计算机视觉与模式识别 2025-11-04 v5 机器学习

摘要

比特币的安全性依赖于其工作量证明共识机制,其中矿工解决谜题来提议区块。谜题的难度由难度调整机制(DAM)设定,基于网络可用矿力的分布。可以破坏部分矿力的攻击可利用DAM降低难度,从而获利。本文分析了在小型合规矿池存在下的三种矿力破坏攻击:自私矿工、贿赂和矿力分散攻击。我们考虑了矿工力量在矿池之间的分布,这一因素往往被忽略。我们的发现表明,当非作恶矿工力量在矿池间分布较均匀时,自私矿工攻击更具破坏性。我们还引入一种新型贿赂攻击,即作恶矿池贿赂小型合规矿池以作废他人区块。对于小型矿池,我们展示了贿赂攻击可以压倒自私矿工或抢先攻击。最后,我们提出一种矿力分散攻击,即作恶矿池激励小型合规矿池放弃比特币的谜题,转而挖掘更简单的谜题,从而浪费其部分矿力。类似于前述攻击,此攻击也能降低矿力难度,但不同之处在于它不会产生矿力破坏的证据,如作废区块。

关键词

引用

@article{arxiv.2502.07409,
  title  = {MGPATH: Vision-Language Model with Multi-Granular Prompt Learning for Few-Shot WSI Classification},
  author = {Anh-Tien Nguyen and Duy Minh Ho Nguyen and Nghiem Tuong Diep and Trung Quoc Nguyen and Nhat Ho and Jacqueline Michelle Metsch and Miriam Cindy Maurer and Daniel Sonntag and Hanibal Bohnenberger and Anne-Christin Hauschild},
  journal= {arXiv preprint arXiv:2502.07409},
  year   = {2025}
}

备注

Published in Transactions on Machine Learning Research (09/2025)