PoW共识机制中的矿池安全与选择策略研究

来源 :华北电力大学(保定)   | 被引量 : 0次 | 上传用户:dfddfasfafjdkjfkekjk
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,区块链技术受到了国内外的广泛关注。比特币的核心底层技术就是使用的区块链,首次由一名化名为中本聪的学者于2008年提出。区块链最主要的特性是去中心化、去信任化、集体维护、安全性和不可篡改性,逐渐被应用于多个领域,如智慧城市、医疗信息安全管理、组织管理、市场预测。目前关于区块链安全性的研究大多集中在攻击方式的变种,对于如何防御攻击较少,因此本文关于区块链矿池安全的研究具有重要意义。在比特币刚被提出前期,挖矿难度不高,通常用户使用普通电脑就可以成功挖矿。但是随着比特币的不断升值,加入挖矿的算力节点越来越多,比特币系统不断提高挖矿难度,逐渐产生了专业的矿机,即将挖矿算法固化到设备中,挖矿节点集中到一起形成了矿池,对于矿工来说如果选择矿池成为首要问题。因此,本文关于矿池选择策略的研究可以给予矿工参考价值。
  本文研究了矿池选择策略问题。在基于工作量证明(Proof of Work, PoW)共识机制的区块链网络中,矿工通常选择加入矿池。由于在当前区块链网络中存在多个矿池,不同的矿池拥有不同的算力并且采取不同的奖励分配系统,矿工可以从不同的矿池中获得不同的收益。通常矿池通常采用三种奖励分配系统,分别是:Proportional、Pay-Per-Share、Pay-Per-Last-N-Share。针对矿工面临的矿池选择问题,建立了一个基于风险决策准则的矿池选择模型,研究了矿池算力和奖励机制对矿工最优选择策略的影响。首先计算了矿工在不同矿池中的收益,给出收益矩阵,其次分别基于最大可能性准则和期望值准则得出最优选择策略,并且研究了N对矿池选择策略的影响。最后通过仿真实验,对提出的策略进行了验证分析。实验结果表明,提出的策略与简单策略相比,在绝大多数情况下能为矿工带来更高的收益。
  研究了区块链中安全方面的技术。区块截留攻击是区块链中典型的一种攻击方式,通过算力渗透进入矿池,只向矿池管理员发送部分工作量证明,完整工作量则选择抛弃,共享矿池收益。针对此问题,本文首先总结了区块链的典型攻击,详细分析了区块截留攻击原理以及对矿池的影响,总结讨论当前应对区块截留攻击的防御方法的研究现状。为了提高矿池安全性,采取奖励提交完整工作量证明的矿工额外奖励,以降低攻击者的期望收益,从而降低其攻击欲望保证矿池安全,最后通过实验定量分析了特殊奖励的大小与发起攻击时能否获得额外收益之间的关系。
其他文献
无人机航拍应用于很多领域,如交通监测、监控巡查、电力巡检、农业植保等。无人机航拍的图像处理却面临着拍摄图像分辨率高、背景复杂、易受光照、风速等天气影响而导致图像噪声过大以及对实时性要求过高等诸多问题。经典算法如Harris、SIFT(Scale-invariant feature transform)、FAST等均不能较为理想的满足实时性和准确性的要求,因此需要对无人机领域的图像预处理及图像匹配算
学位
电力改革使得新的售电主体进入电力市场,售电公司逐渐成为发电厂与用户之间沟通的桥梁,成为了电能消耗的一个重要环节。随着电力市场改革的不断加快,售电公司若想获得更多的潜在用户并增强客户粘性,使公司稳定长期的发展,通过大数据相关技术对用户用电海量数据进行挖掘以实现针对不同用户的个性化套餐则是必然的选择。  本文在售电侧改革的背景下,重点运用了数据挖掘技术中的聚类算法,对居民用户用电模式进行了细分,最后实
电动汽车接入电网就是通过电动汽车与电网之间双向的的信息流和电力流的互换,采用先进的信息、通信技术将孤立的电动汽车和电网连接起来,使电动汽车参与到需求侧管理中,起到“削峰填谷”的作用。而在电动汽车接入电网的过程中,电动汽车用户会与电网进行双向的信息流交换,而这些信息一般会包含电动汽车用户的位置隐私、身份隐私以及电价信息、规划的充电路径等,而这些信息一旦被非法分子攻击就可能会造成用户信息被追踪、泄露或
学位
V2G
随着深度学习的快速发展,基于大量样本的数据分类取得了重要进展,在很多数据集上,已经超越了人类的识别水平。但是,现实中很多问题的样本数量是极为稀少或者场景难以复现,用于训练的数据非常稀少,传统的深度学习方式在这种情况下效果并不理想。而贝叶斯学习可以利用参数的先验分布和少量样本来估计后验分布,实现小样本条件下机器学习。本文主要基于贝叶斯学习与深度学习结合的贝叶斯变分自编码器网络,从数据增强和神经网络搭
学位
由于航空、医疗、自动驾驶等图像数据集中小目标分辨率低,方向错乱,背景复杂等问题,大多数目标检测算法的特征图尺度单一,不能有效融合特征语义信息,且特征提取网络经过多次采样后产生误差,损失图像中小目标的边缘特征信息,造成其识别率低,误检漏检等问题。为解决SSD(Single Shot MultiBox Detector)模型中小目标特征信息不足的缺陷,本文提出反卷积和特征融合的方法。首先针对SSD底层
当今,随着信息数量快速增长,信息过载问题越来越显著。推荐系统是解决这一问题的重要方法,可以帮助用户从大量的数据中找到可有效利用的信息,从而缓解信息过载问题。现在,大多数电子商务和社交网站等在线服务中都使用了推荐引擎向其用户显示推荐用户感兴趣的项目。YouTube上60%的视频播放量来自其主页推荐,而Netflix用户观看量的80%也来自其推荐系统。此外,推荐系统为亚马逊公司增加了35%的利润。因此
学位
随着计算机技术快速发展,愈来愈多的网络用户通过社交平台表达对特定事物的看法。这些评论语料中蕴含大量的个人情感色彩,对这些内容加以分析利用,对预测商业形势以及社会发展态势有重要价值,这也促进了情感分析领域的发展。  对情感分析的主流方法分析如下:基于情感词典方法,该方法需要人为构建情感词典,词典构建的全面与否对准确率有很大影响。基于传统机器学习的方法,需要人工对语料进行标注,随后人工设计特征,最后使
学位
三维重建一直是计算机视觉研究的主要方向之一,而如何从单幅图像重建得到三维模型更是学者们一直探索的问题。针对该问题,最理想的目标是能够模拟人的视觉感受,从看到的单幅RGB图像中进行联想,依靠一生中获得的先验知识来进行推断,得到合适的三维模型。而随着深度学习的应用发展以及三维CAD数据集的不断完善,基于深度学习的三维重建方法也取得了突破性进展。针对深度学习三维重建中存在的二维特征提取、特征转换等问题,
同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是机器人领域的一个热门研究课题,也是其关键技术,具有非常可观的应用场景。近年来,基于特征点的视觉SLAM方案已比较成熟,然而在特征点稀少或分布不均匀的情况下,这种算法的性能会急剧下降,为此,本文提出了多特征融合,结合点和线段。基于滤波器方法的视觉SLAM算法存在计算复杂度高、环境存储空间负荷大
学位
随着人们物质生活的极大满足,人们的精神需求也在日益增长,虚拟现实等新兴技术正逐步贴近人们的生活。虽然现今的虚拟现实系统已实现了“沉浸”与“交互”,但其关于“构想”概念的定义依然很模糊。对此,本文提出了约束的概念,认为“构想”的第一步是对事物施加一定的约束,第二步则是依据统一的世界约束将不同的事物连接起来。对于作为基本约束的物理约束和路径约束的研究由此展开。同时,考虑到基于物理的流体控制在自然现象模
学位