一种智能的纯理性贿赂自私挖矿攻击算法

    公开(公告)号:CN111698265A

    公开(公告)日:2020-09-22

    申请号:CN202010599741.1

    申请日:2020-06-29

    IPC分类号: H04L29/06 H04L12/24 G06N20/00

    摘要: 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。

    一种基于信息熵的理性公平交换协议设计

    公开(公告)号:CN109981589A

    公开(公告)日:2019-07-05

    申请号:CN201910147816.X

    申请日:2019-02-28

    IPC分类号: H04L29/06

    摘要: 本发明公开了一种基于信息熵的理性公平交换协议设计方案,旨在改变当前理性交换协议中效用函数缺乏统一性标准的现状,满足理性公平协议在实际中的应用需求。其技术要点是,假设理性参与者在交换信息协议过程中的每一轮信息熵都会发生变化,将这个变化的差值定义为理性参与者的效用。也就是说,每一轮信息交换之后,理性参与者的效用定义为交换前后的信息熵差值。在这个基础上,进一步定义多轮信息交换协议中理性参与者的效用函数,并据此寻求理性交换协议的均衡策略,最终实现信息公平交换。该方法具有较强的通用性,可以将其扩展到其他信息熵有波动的理性协议中,本发明适用于理性交换协议公平性的实现。