[发明专利]一种智能的纯理性贿赂自私挖矿攻击算法

说明书

本发明针对现有区块链中策略性攻击的问题，利用机器学习的思想，考虑纯理性矿工和智能攻击者存在的情况下，对于策略性攻击的影响，公开了一种新的自私挖矿算法：Intelligent Bribery Selfish Mining（IPBSM）。旨在构造一个基于纯理性矿工参与的贿赂自私挖矿模型，攻击者可以通过机器学习降低攻击区块链系统的算力阈值，从而提高攻击者破坏系统的动机。其技术要点是：智能攻击者通过强化学习与外部环境交互选择最优策略，将他们与外部环境的交互过程规范为马尔科夫过程，利用强化学习去寻找最大化自身收益的最优策略。实验结果表明，IBSM算法和SM1相比较，具有更低的算力阈值和更高的相对收益。该算法能够有效的提高私自挖矿攻击的成功率，破坏区块链系统的安全性。

技术领域

本发明属于隐私保护领域，涉及区块链、自私挖矿、机器学习等技术，在提高攻击者智能性的同时，在纯理性的环境下，提出了阈值更低的攻击算法，发现了区块链系统中共识机制的漏洞，为进一步提高区块链系统的安全性提供了一种新思路。

背景技术

在比特币系统中，矿工把生成的交易打包到一个区块中，通过共识协议推举记账权节点，将该新生成的区块添加到分布式账本（即，区块链）中，从而获得交易费和出块奖励。由于比特币具有很高的经济价值，引起了很多人（尤其是一些攻击者）的注意。需要注意的是，算力较高的矿工，生成新区块的能力也较强，在共识协议中获得记账权的概率也较大。一种比较极端的情况是，当攻击者拥有绝大多数算力（51%）时，就能够进行51%攻击，通过分叉任意更改账本信息，从而获取非法收益（例如double spending）。在区块链中，分叉主要分为两种情况：正常分叉和恶意分叉。正常分叉是由协议修改或者多个诚实矿工同时发现新区块造成的。恶意分叉则是由攻击者通过某些攻击算法，为了获得更多收益故意造成的分叉。拥有少数算力的矿工集中他们的算力组成矿池，以矿池的整体算力进行挖矿，若矿池发现一个新的区块，会根据比例分配奖励。当矿池发展到一定规模，极易进行51%攻击，从而拥有少数算力的矿工仍然有机会获得更大的收益。矿池还会引起其他攻击，例如自私挖矿攻击、顽固攻击等。这些策略性攻击严重破坏了数字货币系统的经济生态环境，影响其良性发展。因此，此类攻击引起的安全问题一直是人们关注的热点。解决此类攻击的一种方案，就是提高诚实矿工的比例，并构造激励相容的共识协议。

发明内容

假设在公链上挖矿的收益为R_pu，在私链上挖矿的收益为R_pr，当攻击者选择IBSM时，理性矿工在公链上挖矿的收益为R_pu，但在私链上挖矿的收益就变成了R_pr+negl(n)，因为，因此，对于理性矿工来说，会偏离标准比特币协议，选择收益更大的私链进行工作，使公链上的区块成为无效区块，增大了攻击者的收益；

通过Reinforcement Learning为算法建立了马尔科夫模型，模型定义为一个四元组，其中S表示状态集合，A表示动作集合，P表示状态概率转移矩阵，R是奖励矩阵；接下来的部分将分别对M进行详细描述：

（1）动作集合A：动作集合A表示攻击者能够在某一状态时可选策略的集合：

（a）Adopt：攻击者接受诚实链，丢弃私有链，选择在诚实链的最后一个区块上挖矿，不会造成分叉，

（b）Override：攻击者公布私链区块，当l_al_h时次动作比较合适，

（c）Match：诚实矿工发现一个新的区块，使得诚实链长度和私链长度相等，即l_a=l_h，此时攻击者会公布私链上的所有区块，并对当前私链进行bribery attack，增大私链成为最长合法链的概率，

（d）Wait：攻击者并没有发布新的区块， 并且继续在私链上挖矿；