VDHLA:变深度混合学习自动机及其在比特币自私挖矿攻击防御中的应用
机器学习
2023-02-24 v1 人工智能
密码学与安全
分布式、并行与集群计算
摘要
学习自动机(LA)是一种自适应自组织模型,通过与未知环境的交互来改进其动作选择。具有有限动作集的LA可分为两大类:固定结构和变结构。此外,变动作集学习自动机(VASLA)是变结构学习自动机的主要子集之一。在本文中,我们提出VDHLA,一种新颖的混合学习自动机模型,它是固定结构与变动作集学习自动机的结合。在所提模型中,变动作集学习自动机可以在动作切换阶段增加、减少或保持固定结构学习自动机的深度不变。此外,所提模型的深度可以以对称(SVDHLA)或非对称(AVDHLA)方式变化。据我们所知,这是首个智能改变固定结构学习自动机深度的混合模型。我们进行了若干计算机仿真,以研究所提模型在平稳和非平稳环境下关于总奖励数和动作切换的性能。所提模型与FSLA和VSLA进行了比较。为了确定所提模型在实际应用中的性能,我们考虑了威胁基于工作量证明的区块链环境激励兼容性的自私挖矿攻击。所提模型被应用于防御比特币中的自私挖矿攻击,并与著名的防御方法——平局打破机制进行了比较。所有环境下的仿真结果均显示了所提模型的优越性。
引用
@article{arxiv.2302.12096,
title = {VDHLA: Variable Depth Hybrid Learning Automaton and Its Application to Defense Against the Selfish Mining Attack in Bitcoin},
author = {Ali Nikhalat-Jahromi and Ali Mohammad Saghiri and Mohammad Reza Meybodi},
journal= {arXiv preprint arXiv:2302.12096},
year = {2023}
}