基于学习自动机的新型智能防御系统以降低自私挖矿与双花攻击风险
密码学与安全
2024-03-11 v2 机器学习
摘要
在本文中，我们解决基于区块链的数字货币中双花与自私挖矿攻击的关键挑战。双花是指在数字货币交易中将同一笔款项多次花费的问题，而自私挖矿则是有意篡改区块链以增加单个或一组矿工收益的行为。我们引入了一种结合这两种攻击的新型攻击，并提出了一种基于机器学习的解决方案以降低与之相关的风险。具体而言，我们利用学习自动机这一强大的在线学习方法来构建两个模型，即SDTLA与WVBM，它们能有效防御自私挖矿攻击。实验结果表明，SDTLA方法将自私挖矿的盈利阈值提升至最高47 ，而WVBM方法表现更优，且非常接近每位矿工收益与其共享哈希算力成正比的理想情形。此外，我们证明通过调整参数，两种方法均可有效降低双花风险。我们的发现凸显了SDTLA与WVBM作为增强区块链网络安全性与效率的有前景解决方案的潜力。
引用
@article{arxiv.2307.00529,
title = {New intelligent defense systems to reduce the risks of Selfish Mining and Double-Spending attacks using Learning Automata},
author = {Seyed Ardalan Ghoreishi and Mohammad Reza Meybodi},
journal= {arXiv preprint arXiv:2307.00529},
year = {2024}
}