Inside Qubic's Selfish Mining Campaign on Monero: Evidence, Tactics, and Limits
ShardLab, Seoul, Republic of Korea（ShardLab）；Hashed Open Research, Seoul, Republic of Korea（Hashed Open Research）；Korea University, Seoul, Republic of Korea（韩国大学）
研究分析了Qubic对Monero的自私挖矿攻击，发现其算力份额虽高但未达多数控制，且通过模型预测收益低于诚实挖矿，但存在系统性偏差。
2026-08-04 cs.CR
Fully Automated Selfish Mining Analysis in Efficient Proof Systems Blockchains
针对采用权益证明或空间证明的类比特币最长链区块链，论文将最优自私挖矿建模为 MDP，并提出可给出 ε-紧收益下界和对应策略的全自动形式化分析方法。
2024-05-07 cs.CR
On the Preliminary Investigation of Selfish Mining Strategy with Multiple Selfish Miners
Eyal和Sirer的自私采矿策略表明，即使50%的总采矿权由利他主义矿工掌握，比特币系统也不安全。从那时起，研究人员一直在研究如何提高自私挖矿的效率，或者如何防御自私挖矿，通常是在单个自私矿工的情况下。然而，目前还没有研究系统中多个矿工并发使用的自私挖掘策略。这种自私的挖掘策略的有效性及其在这种多个自私矿工设置下所需的挖掘能力仍然是未知的。在本文中，一个初步的调查和我们的研究结果，自私的多矿工使用的挖掘策略。此外，比特币系统的传统模型略有重新设计，以解决其缺点：即单个采矿过程的并发性。虽然在这种情况下自私的挖掘策略的理论分析尚未建立，目前的研究结果的基础上模拟是有前途的，极大的兴趣。特别是，我们的工作表明，自私的挖掘策略所需的功率阈值的下限按比例减少自私的矿工的数量。此外，存在纳什均衡，其中系统中的所有自私矿工都不会改变为诚实的采矿策略，并且同时获得不公平的采矿奖励，因为他们同样拥有足够大的采矿能力。最后，我们的新模型产生的权力阈值安装自私的挖掘策略略大于一个从传统的模型。
2018-02-06 cs.CR cs.GT cs.MA
Selfish Mining in Ethereum
我们在以太坊中研究自私挖矿。这个问题在组合上比比特币更复杂，因为奖励系统和不同的难度调整公式存在重大差异。比特币中的等价策略在以太坊中确实有不同的盈利能力。攻击者可以一个一个地广播他的分叉，或者尽可能长时间地保密，并在攻击周期结束时一次性发布。第一种策略对大量的哈希率是有害的，我们证明了第二种策略更糟糕。这证实了我们已经为比特币证明的事实：自私的挖矿最重要的是对难度调整公式的攻击。我们表明，目前的奖励信号叔叔块是一个弱激励攻击信号块。我们计算了不同策略的盈利能力，发现对于一个大的参数空间值，不信号块的策略是最好的。我们计算这些策略的表观哈希率的封闭式公式并进行比较。我们使用一个直接的组合分析与戴克的话，找到这些封闭形式的公式。
2019-04-30 cs.CR
Selfish Mining in Ethereum
作为市值第二大的加密货币和当今最大的运行智能合约的去中心化平台，以太坊受到了业界和学术界的广泛关注。然而，目前对它的挖掘策略的安全性的研究很少，特别是从自私挖掘的角度。本文旨在通过分析以太坊中的自私挖矿并了解其潜在威胁来填补这一研究空白。首先，我们引入了一个二维马尔可夫过程来模拟自私挖掘策略的行为，该策略受到Eyal和Sirer提出的比特币挖掘策略的启发。其次，我们推导出马尔可夫模型的平稳分布，并计算长期平均采矿回报。这使我们能够确定计算能力的阈值，使自私的挖掘在以太坊中有利可图。我们发现这个阈值低于比特币挖矿的阈值（Eyal和Sirer发现的阈值为25%），这表明以太坊比比特币更容易受到自私挖矿的影响。
2021-07-11 cs.CR cs.DC
Twisted by the Pools: Detection of Selfish Anomalies in Proof-of-Work Mining
针对工作量证明加密货币中的自私挖矿攻击威胁，本文提出结合统计检验与地址聚类的检测方法，在多种主流加密货币中发现异常矿工及协同挖矿卡特尔，为这类策略性挖矿行为的实际存在提供了首批经验证据。
2023-05-03 cs.CR
A Deep Dive into Blockchain Selfish Mining
本文研究了区块链安全性的一个基本问题，即多个行为不端的池的存在如何影响自私挖掘的盈利能力。每个自私的矿工维护一个私有链，并将其公开，以获得与他的哈希率不相称的更多奖励。我们建立了一个新的马尔可夫链模型来描述所有的状态转移的公共和私有链。哈希率的最小要求以及盈利的最小延迟以封闭形式导出。前者在对称自私矿工的情况下降低到21.48%，而他们与非对称哈希率的竞争对盈利阈值提出了更高的要求。随着自私矿工哈希率的降低，有利可图的延迟会增加，这使得矿池在执行自私采矿时更加谨慎。
2018-11-01 cs.CE cs.CR
Partial Selfish Mining for More Profits
本文提出部分自私挖矿（PSM）及高级PSM攻击，通过公开释放部分区块数据吸引理性矿工在攻击者私有分支上工作，从而在特定算力和网络条件下获得比自私挖矿和诚实挖矿更高的利润。
2024-04-06 cs.CR cs.DC
Selfish Mining and Dyck Words in Bitcoin and Ethereum Networks
本文的主要目标是提供一种直接的方法，该方法仅使用基本概率和组合学，更准确地说，是Dyck词来计算自私挖掘策略的长期表观哈希率。我们可以避免计算马尔可夫链上的平稳概率，也不像以前的分析那样计算泊松过程的停时。我们确实将这些技术应用于比特币的其他区块预扣策略，然后，我们还考虑了以太坊的自私采矿。
2019-04-11 cs.CR math.CO
Mining Power Destruction Attacks in the Presence of Petty-Compliant Mining Pools
针对比特币存在轻微合规矿池的场景，分析自私挖矿、新型贿赂攻击及算力分散攻击三种算力破坏攻击，考虑矿池算力分布等因素，揭示各攻击的效果与特性，为比特币安全防护提供参考。
2025-02-11 cs.CR
On profitability of selfish mining
我们回顾了比特币网络中所谓的自私挖矿策略，并将其盈利能力与诚实挖矿进行了比较，建立了一个严格的重复博弈盈利能力模型。在以前的文献中，基于马尔可夫模型的攻击的时间分析被忽略了，但这是至关重要的。利用鞅方法和Doob停时定理，我们计算了攻击周期的期望持续时间。我们发现了比特币网络的一个显著特性：在难度调整之前，没有任何策略比诚实策略更有利可图。因此，自私挖掘只能在事后变得有利可图，因此它是对难度调整算法的攻击。我们提出了一种改进的比特币协议，使其免疫自私的挖掘攻击。我们还研究了矿工对自私矿池的吸引力。我们计算自私矿工获利前的预期持续时间，这是以前的马尔可夫模型无法实现的计算。
2019-01-22 cs.CR cs.GT math.PR
Bitcoin Selfish Mining and Dyck Words
我们给出了一个简单的证明公式，该公式仅使用基本概率和组合学，更准确地说，是Dyck的单词，给出了比特币中自私采矿策略的长期表观哈希率。不需要计算马尔可夫链上的平稳概率，也不需要像以前那样计算泊松过程的停时。我们还考虑了其他几个区块预扣策略。
2019-02-05 cs.CR math.CO math.PR
Insightful Mining Equilibria
自私挖矿攻击，可以说是区块链中最著名的博弈论攻击，表明比特币协议是不兼容激励的。大多数后续的工作主要集中在加强自私的挖掘策略，从而使一个单一的战略代理更容易偏离。与此形成鲜明对比的是，很少有人关注对自私采矿攻击的抵抗行为，更不用说对区块链作为多代理系统中的矿工和矿池进行进一步的均衡分析。在本文中，首先，我们提出了一个策略，称为洞察挖掘，以抵消自私的挖掘。通过将卧底矿工渗透到自私池中，洞察池可以获得其隐藏区块的数量。我们证明了，有了这个额外的洞察力，有洞察力的池的效用可以严格大于自私的池时，他们有相同的挖掘能力。然后，我们研究了采矿游戏中，所有的游泳池可以选择是诚实的或采取有见地的采矿策略。我们刻画了这个采矿博弈的纳什均衡，并得到了三个推论：（a）每个采矿博弈都有一个纯纳什均衡;（b）如果最大的采矿池的采矿能力不超过1/3，诚实采矿是一个纳什均衡;（c）无论采矿能力如何分配，均衡下最多有两个有洞察力的矿池。
2022-02-17 cs.CR cs.GT
Efficient MDP Analysis for Selfish-Mining in Blockchains
工作量证明（PoW）区块链协议根据其参与者（称为矿工）在总计算能力中的份额向其分配奖励。足够大的矿工可以执行自私的挖掘-偏离协议以获得超过其公平份额的收益。因此，如果所有矿工都小于阈值大小，那么这样的系统是安全的，因此他们的最佳响应是遵循协议。为了找到阈值，必须确定不同规模的矿工的最佳策略，即，马尔可夫决策过程（MDP）然而，由于PoW难度调整机制，矿工的效用是一个非线性比率函数。因此，我们称之为平均回报率（ARR）MDP。Sapirshtein等人是第一个通过求解一系列收敛到ARR MDP解的标准MDP来求解ARR MDP的人。在这项工作中，我们提出了一种新的技术，通过解决一个标准的MDP解决ARR MDP。我们的方法的关键是增加MDP，使其在预期的轮数内随机终止。我们称之为概率终止优化（PTO），该技术适用于任何效用为比率函数的MDP。我们限制了PTO的近似误差-它与终止前的预期轮数成反比，这是我们控制的参数。从经验上看，PTO的复杂度比现有技术低一个数量级，PTO可以很容易地应用于不同的区块链。我们用它来收紧以太坊中自私挖矿的门槛。
2020-09-15 cs.CR
Blockchain Mining with Multiple Selfish Miners
本文研究多攻击者对自私挖矿盈利性的影响，通过马尔可夫链和POMDP模型分析盈利阈值，发现多攻击者显著降低阈值，并揭示自私挖矿初期不盈利的特性。
2023-04-01 cs.CR cs.GT
Sensitivity-Based Optimization for Blockchain Selfish Mining
本文提出了一种基于灵敏度优化理论的区块链自私挖掘动态决策方法。我们的目标是找到不诚实矿池的最佳动态区块链挂钩策略。为了研究自私挖掘攻击，设计了两个不同竞争准则的矿池，其中诚实矿池遵循两块领先竞争准则，而不诚实矿池通过使用区块链挂钩策略来遵循两块领先竞争准则的修改。为了找到最优的区块链挂钩策略，我们建立了一个基于策略的连续时间马尔可夫过程，并分析了一些关键因素。在此基础上，我们讨论了长期平均利润相对于区块链挂钩奖励的单调性和最优性，并证明了最优区块链挂钩策略的结构。希望本文的研究方法和结果能够为区块链自私挖掘攻击的动态决策研究提供参考。
2021-11-13 cs.CR math.CO math.OC
Generic Selfish Mining MDP for DAG Protocols
针对DAG协议自私挖矿分析复杂且难以比较的问题，提出通用模块化攻击空间，将协议指定为程序并自动推导MDPs，支持Ethereum等多种DAG协议。
2024-04-30 cs.CR cs.DC
New intelligent defense systems to reduce the risks of Selfish Mining and Double-Spending attacks using Learning Automata
针对区块链数字货币的双花与自私挖矿攻击及二者结合的新型攻击，提出基于学习自动机的SDTLA和WVBM防御模型，可提升自私挖矿盈利阈值、降低双花风险，优化区块链安全与效率。
2024-03-08 cs.CR cs.LG
Automated Selfish Mining Analysis for DAG-Based PoW Consensus Protocols
针对DAG结构工作量证明协议中自私挖矿分析需手动构建MDP的问题，提出模块化通用攻击模型，自动推导并求解MDP，覆盖以太坊PoW、GhostDAG等协议。
2025-06-21 cs.CR cs.DC
SquirRL: Automating Attack Analysis on Blockchain Incentive Mechanisms with Deep Reinforcement Learning
激励机制是非许可区块链功能的核心：它们激励参与者运行和保护底层共识协议。然而，设计激励相容的激励机制是众所周知的挑战。因此，今天大多数公共区块链使用的激励机制的安全属性知之甚少，而且在很大程度上未经测试。在这项工作中，我们提出了SquirRL，这是一个使用深度强化学习来分析对区块链激励机制的攻击的框架。我们通过首先恢复已知的攻击来展示SquirRL的能力：（1）比特币中的最佳自私挖掘攻击[52]，以及（2）块扣留攻击中的纳什均衡[16]。我们还使用SquirRL获得了一些新的经验结果。首先，我们发现了一个违反直觉的缺陷，在广泛使用的冲对手模型时，适用于多智能体马尔可夫博弈不完全信息。其次，我们证明了[52]中确定的最佳自私挖掘策略实际上不是多代理自私挖掘设置中的纳什均衡。事实上，我们的研究结果表明（但没有证明），当两个以上的竞争代理人从事自私的挖掘，没有有利可图的纳什均衡。这与在野外没有观察到自私的采矿是一致的。第三，我们发现了一种针对以太坊终结机制简化版的新型攻击，Casper the Friendly Finality Gadget（FFG）允许战略代理人将其奖励放大高达30%。值得注意的是，[10]表明诚实投票是Casper FFG中的纳什均衡：我们的攻击表明，当Casper FFG由自私挖掘组成时，情况不再如此。总之，我们的实验证明了SquirRL的灵活性和承诺，作为一个框…
2020-08-04 cs.CR
Profit lag and alternate network mining
对于挖矿策略，我们将“利润滞后”定义为在那一刻之后盈利所需的最短时间。我们计算封闭形式的利润滞后和收益率的策略“自私的挖掘”和“间歇性自私的挖掘”。这证实了一些早期的数值模拟和澄清文献中的盈利能力的误解。我们还研究了使用相同的挖掘算法挖掘PoW加密货币对，通常来自分叉。这代表了一个攻击向量，可以使用我们定义的“备用网络挖掘”策略进行利用。我们计算了该策略的收益滞后和收益率的封闭形式，该策略比自私挖掘和间歇性自私挖掘更有利可图。它也更难应对，因为它不依赖于难度调整公式中的缺陷，而该缺陷是其他策略盈利的原因。
2020-10-06 cs.CR math.PR
The Impact of Uncle Rewards on Selfish Mining in Ethereum
今天的许多加密货币使用区块链作为分散的分类账，并通过工作证明来保护它们。在链分叉的情况下，比特币实现共识的规则是选择最长的链，并丢弃另一条链。事实证明，这种共识规则在自私的挖掘中有一个弱点，自私的矿工通过部分保留区块来利用区块生成中的差异。然而，在以太坊中，在某些条件下，陈旧的区块不必被丢弃，而是可以从主链中引用，作为叔叔区块，产生部分奖励。这一概念限制了网络延迟对矿工预期收入的影响。但这个概念也降低了自私的矿工从扣留新铸造的区块中得不到回报的风险。本文使用蒙特卡罗模拟来量化叔叔块对自私采矿的盈利能力和以太坊（ETH）中区块链安全性的影响。本文将简要介绍最近的以太坊经典（ETC）改进提案，该提案在选择主链时对Uncle块进行了权衡。
2018-08-10 cs.CR cs.GT
Undetectable Selfish Mining
针对自私挖矿可被统计检测的批评，提出一种统计不可检测的自私挖矿变体，其孤块模式与高延迟诚实矿工世界相同，且对拥有38.2%算力的攻击者严格有利。
2024-02-04 cs.CR cs.DC cs.DS
MAD-DAG: Protecting Blockchain Consensus from MEV
MAD-DAG通过新颖的账本功能和可处理的模型，有效对抗自私挖矿，其安全阈值在不利条件下优于现有方案。
2025-11-26 cs.CR cs.DC
Majority is not Enough: Bitcoin Mining is Vulnerable
比特币加密货币将其交易记录在称为区块链的公共日志中。它的安全性关键在于维护区块链的分布式协议，由称为矿工的参与者运行。传统观点认为，该协议是激励兼容的，并且可以防止少数群体的勾结，即，它激励矿工按照规定遵守协议。我们表明，比特币协议是不兼容的激励。我们提出了一种攻击，勾结矿工获得的收入大于他们的公平份额。这种攻击可能会对比特币产生重大影响：理性的矿工更愿意加入自私的矿工，而勾结的群体将不断扩大，直到成为大多数。在这一点上，比特币系统不再是一种去中心化的货币。自私挖矿对于任何规模的合谋矿工都是可行的。我们对比特币协议提出了一个实际的修改，以防止控制不到1/4资源的自私矿池。这个阈值低于错误假设的1/2界限，但优于当前的现实，即任何规模的群体都可能危及系统。
2013-11-15 cs.CR
Selfish Mining in Proof-of-Work Blockchain with Multiple Miners: An Empirical Evaluation
工作量证明区块链尽管有许多好处，但仍然不是一种完全安全的技术，因为存在可能破坏系统及其采矿经济的自私采矿（SM）策略。虽然SM的影响主要是在两个矿工的情况下研究的，但还没有在更实际的情况下进行研究，其中有多个恶意矿工单独执行SM。为了填补这一空白，我们进行了一项实证研究，分别考虑了不同数量的SM矿工（他们总是执行SM）和战略矿工（他们选择SM或中本聪的采矿协议，这取决于最大化他们的个人采矿奖励）。我们的研究结果表明，随着SM矿工数量的增加，SM通常更有效，但其有效性在大量战略矿工的存在下并没有变化。在特定的挖掘功率分布下，我们还证明了多个矿工可以执行SM，同时获得比他们应该获得的更高的挖掘奖励。令人惊讶的是，我们还表明，战略矿工越多，系统就越强大。由于区块链矿工自然应该被视为自私的战略矿工，我们的研究结果鼓励区块链系统开发人员和工程师吸引尽可能多的矿工，以防止SM和类似行为。
2019-10-06 cs.CR cs.MA
A New Theoretical Framework of Pyramid Markov Processes for Blockchain Selfish Mining
在本文中，我们提供了一个新的金字塔马尔可夫过程的理论框架，以解决严格的数学设置下的区块链自私挖掘的一些开放和基本问题。我们首先描述了一个更一般的区块链自私挖掘模型，它既有两个区块的领先竞争标准，又有一个新的经济激励机制。然后建立了一个金字塔马尔可夫过程，证明了它是不可约的正常返过程，其平稳概率向量是矩阵几何的，具有一个显式表示的速率矩阵。此外，我们还使用静态概率向量来研究大量孤立块对计算资源浪费的影响。接下来，我们建立了一个金字塔马尔可夫奖励过程来研究诚实和不诚实的矿池的长期平均利润。作为一个副产品，我们建立了三个近似的马尔可夫过程，并提供了一些新的有趣的解释马尔可夫链和收入分析报告中的开创性工作由Eyal和Sirer（2014）。请注意，金字塔马尔可夫（奖励）过程可以在区块链自私挖掘的研究中开辟一条新的途径。因此，我们希望本文中开发的方法和结果能够为区块链自私挖掘提供启发，从而可以潜在地开展一系列有前途的研究。
2021-09-12 cs.CR cs.DC cs.PF
On the profitability of selfish blockchain mining under consideration of ruin
众所周知，在配备工作量证明共识协议的区块链上挖掘区块是消耗资源的。矿工承担采矿的运营成本，主要是电力消耗和IT设备，并在发现区块时获得资本收益的补偿。本文的目的是量化的盈利能力的采矿时，也考虑了可能的破产事件。这是通过制定一个易于处理的随机模型，并使用工具，从应用概率和分析，包括显式解的某种类型的先进的泛函微分方程。未来某个时间点的预期利润是针对矿工遵守协议以及他/她保留区块的情况确定的。得到的显式表达式允许分析的敏感性相对于不同的模型成分，并确定条件下，自私的挖掘是一个战略优势。
2020-10-24 cs.CR math.OC math.PR
Nik Defense: An Artificial Intelligence Based Defense Mechanism against Selfish Mining in Bitcoin
Amirkabir University of Technology（阿米尔卡比尔理工大学）
Bitcoin cryptocurrency最近备受关注。在比特币网络中，交易记录在分类账中。在这个网络中，记录交易的过程取决于一些称为矿工的节点，这些节点执行一个称为挖掘协议的协议。挖掘协议的一个重要方面是激励相容性。然而，文献表明，比特币挖矿的协议是不兼容激励的。一些具有高计算能力的节点可以通过采用一种称为自私挖掘攻击的攻击来获得比其公平份额更多的收益。本文应用学习自动机理论，提出了一种基于人工智能的防御自私挖掘攻击的方法。该防御机制通过基于区块发现时间分配权重来忽略私有区块，并利用学习自动机自适应地评估分支高度差来改变当前比特币的分叉解析策略。据我们所知，该协议是文献中第一个基于学习的防御机制。仿真结果表明，该机制对平局打破机制，这是一个众所周知的防御的优越性。仿真结果表明，所提出的防御机制将收益阈值提高到40%，并降低了自私攻击者的收益.
2023-02-14 cs.AI cs.CR cs.DC
ZeroBlock: Timestamp-Free Prevention of Block-Withholding Attack in Bitcoin
比特币最近被引入作为点对点电子货币，以促进传统金融体系之外的交易。比特币的核心，区块链，是所有矿工作为分布式共享寄存器维护的系统中的交易历史。区块链中的新区块包含系统中的最后一笔交易，并由矿工在解决资源消耗工作量证明（加密难题）的区块挖掘过程后添加。奖励是挖掘过程的动机，但也可能是自私挖掘等攻击的动机。在本文中，我们提出了一个解决方案，在比特币的主要问题之一：自私的采矿或块扣留攻击。这种攻击是由敌对或自私的矿工进行的，目的是获得不适当的奖励或浪费诚实矿工的计算能力。与最近的解决方案相反，我们的解决方案ZeroBlock使用一种可以伪造的无时间戳技术来防止块扣留。此外，我们表明，我们的解决方案是符合节点流失。
2017-05-03 cs.CR
On profitability of stubborn mining
我们计算和比较收益的顽固的挖掘策略，自私的挖掘的变化。这些都是违反比特币网络协议规则的异常挖矿策略。我们应用了上一篇关于自私挖掘的盈利能力的配套文章中的基本设置，以及新的鞅技术来获得收益率的封闭式计算，这是盈利能力的正确基准。Catalan数和Catalan分布出现在封闭形式的计算中。这标志着加泰罗尼亚数字在比特币协议的数学中首次出现。
2018-08-02 cs.CR math.PR
Be Selfish and Avoid Dilemmas: Fork After Withholding (FAW) Attacks on Bitcoin
本文提出比特币扣块后分叉（FAW）攻击，结合BWH与蓄意分叉，使攻击者收益显著高于BWH且打破矿工困境，揭示其严重威胁并指出对策仍是开放问题。
2017-08-31 cs.CR
When Should Selfish Miners Double-Spend?
University of Maryland, College Park（马里兰大学帕克分校）
本文研究了在自私挖矿中实现双重消费的最优策略，分析了固执与自私挖矿的结合，并探讨了固执程度与k确认规则的关系。
2026-03-20 cs.CR cs.DC cs.DM
Selfish & Opaque Transaction Ordering in the Bitcoin Blockchain: The Case for Chain Neutrality
大多数公共区块链协议，包括流行的比特币和以太坊区块链，都没有正式规定矿工从待处理（或未提交）交易池中选择交易的顺序。然而，多年来，通过矿工使用共享软件，出现了交易排序的非正式约定或“规范”，例如，Bitcoin Core中的GetBlockTemplate（GBT）挖矿协议。今天，一个广泛持有的观点是，比特币矿工根据他们提供的“每字节交易费”来优先处理交易。“因此，鼓励比特币用户增加费用，以加速他们的交易承诺，特别是在拥堵期间。在本文中，我们对比特币区块链进行了审计，并提出了统计学上显著的证据，证明矿池偏离了规范，以加速交易的承诺，这些交易具有（i）自私或既得利益，或（ii）通过不透明（非公开）的侧渠道收到暗费支付。随着区块链越来越多地被用作各种去中心化（金融技术）系统的记录保存基底，我们的研究结果呼吁立即讨论如何定义矿工在链中订购交易时必须遵守的中立性规范。最后，我们公开我们的数据集和脚本。
2021-10-22 cs.CR
VDHLA: Variable Depth Hybrid Learning Automaton and Its Application to Defense Against the Selfish Mining Attack in Bitcoin
学习自动机（LA）是一种自适应的自组织模型，通过与未知环境的交互来改进其动作选择。有限作用集的LA可以分为两大类：固定结构和可变结构。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，我们提出了一种新的混合学习自动机模型VDHLA，它是固定结构和可变动作集学习自动机的组合。在所提出的模型中，可变的动作集学习自动机可以增加，减少，或保持不变的深度固定结构的学习自动机在动作切换阶段。此外，所提出的模型的深度可以以对称（SVDHLA）或非对称（AVDHLA）的方式改变。据我们所知，它是第一个智能地改变固定结构学习自动机深度的混合模型。几个计算机模拟进行研究所提出的模型的性能相对于总数量的奖励和动作切换在平稳和非平稳环境。将该模型与FSLA和VSLA进行了比较。为了确定所提出的模型在实际应用中的性能，考虑了威胁基于工作量证明的区块链环境的激励兼容性的自私挖掘攻击。将该模型应用于防御比特币中的自私挖掘攻击，并与著名的防御机制平局打破机制进行了比较。在各种环境下的仿真结果表明了该模型的优越性。
2023-02-15 cs.AI cs.CR cs.DC
Bitcoin Blockchain Dynamics: the Selfish-Mine Strategy in the Presence of Propagation Delay
在Eyal和Sirer提出的“自私挖矿”策略的背景下，我们研究了传播延迟对比特币区块链演化的影响。首先，我们使用一个简化的马尔可夫模型来跟踪一小部分矿工和“社区其他人”对区块链的不同信念状态，以确定使用区块隐藏策略（如自私矿）会导致孤儿区块的生产率增加。然后，我们使用一个空间泊松过程模型来研究Eyal和Sirer的参数$γ$的值，它表示的比例诚实的社区，采矿的一个以前的秘密块释放的池中的一个块的挖掘由诚实的社区。最后，我们使用离散事件模拟来研究比特币矿工网络的行为，其中一部分矿工在矿工之间的信息通信中存在传播延迟的假设下，合谋使用自私的挖矿策略。
2015-05-21 cs.CR
Catfish Effect Between Internal and External Attackers:Being Semi-honest is Helpful
名为工作量证明（PoW）的共识协议被比特币等加密货币广泛应用。虽然PoW加密货币的安全性始终是重中之重，但它受到自私挖矿等挖矿攻击的威胁。研究人员提出了多种单一攻击者的挖掘攻击模型，并对攻击者的策略进行了优化。在这些挖掘攻击中，攻击者通过浪费诚实矿工的大量计算能力来追求更高的相对收益（RR），代价是他自己的少量计算能力。本文提出了一个包含两个阶段的挖掘攻击模型：原始系统和多攻击者系统。这是第一个模型，提供理论和定量分析的挖掘攻击与两个攻击者。通过引入两个攻击者：内部攻击者和外部攻击者，说明了原系统如何转变为多攻击者系统。如果两个攻击者都采用自私挖掘的攻击策略，多攻击者系统中内部攻击者的RR将比原系统中的RR下降31.9%。在多攻击者系统中，外部攻击者会高估自己的RR高达44.6%。意外竞争、攻击者之间的拍卖和攻击者对自身影响因子的高估是双方攻击者降低RR的三个主要原因。提出了一种多攻击者系统中的半诚实挖掘策略-部分主动释放（PIR）。在某些特定的情况下，PIR允许攻击者通过在多攻击者系统中发起攻击来获得更多的块奖励。
2019-06-19 cs.CR
Towards Secure Decentralized Applications and Consensus Protocols in Blockchains (on Selfish Mining, Undercutting Attacks, DAG-Based Blockchains, E-Voting, Cryptocurrency Wallets, Secure-Logging, and CBDC)
本文研究了区块链和去中心化应用的安全性问题，提出安全参考架构、共识安全、钱包安全、e-投票协议及安全日志记录改进方案，提升区块链系统的整体安全性。
2025-12-15 cs.CR cs.DC cs.GT
An Eye for an Eye: Economics of Retaliation in Mining Pools
目前，矿工通常会加入矿池一起解决加密难题，矿池竞争激烈。这导致了几种攻击策略的发展，例如块扣留（BWH）和扣留后分叉（FAW）攻击，这些攻击可以削弱PoW系统的健康状况，但最大限度地提高矿池的利润。在本文中，我们提出了自适应报复策略（ARS），以减轻不仅BWH攻击，但也FAW攻击。在ARS中，每个池在正常情况下与其他池合作，并自适应地执行FAW或BWH攻击，只有当受到攻击时才进行报复。此外，为了使理性的游泳池采用ARS，ARS应该在报复和自私之间取得适应性平衡，因为游泳池即使在报复时也会考虑他们的收益。理论和数值分析表明，ARS不仅可以诱导矿池之间的无攻击状态，而且可以实现报复和自私之间的自适应平衡。
2019-08-30 cs.CR cs.GT
Bitcoin under Volatile Block Rewards: How Mempool Statistics Can Influence Bitcoin Mining
针对区块奖励波动，本文用A3C强化学习工具分析内存池统计，揭示交易费时代下自私挖矿等攻击的威胁，并修正安全阈值低估问题。
2025-09-11 cs.CR
Crystal: Enhancing Blockchain Mining Transparency with Quorum Certificate
本文提出Crystal协议，通过两轮抗Sybil委员会选举和法定人数证书机制强制矿工公开区块，从根本上消除区块扣留，从而显著降低自私挖矿和双花攻击成功率，并提供形式化端到端安全性证明。
2023-12-01 cs.CR cs.DC
Is Stubborn Mining Severe in Imperfect GHOST Bitcoin-like Blockchains? Quantitative Analysis
GHOST与最长链协议一样，是一种链选择协议，其抵抗自私挖掘攻击的能力已经在比特币及其变种（Bitcoin-like）的不完美区块链中得到了验证。本文探索了一种基于分析模型的方法来研究不完美的GHOST类比特币区块链中顽固采矿攻击的影响。首先基于马尔可夫链对链动态进行量化，然后推导出矿工收益和系统吞吐量的公式。我们还提出了一个新的度量标准，“危险指数”，它可以用来比较攻击的严重性，也可以帮助攻击者确定它是否是有利可图的进行攻击。实验结果表明：1）计算能力超过30%的攻击者可以通过发起顽固挖掘攻击获得巨大的利润，并极大地降低系统的吞吐量。2)理性攻击者如果计算能力低于25%，就不应该发起顽固的挖掘攻击。3)在GHOST环境下，顽固挖矿攻击比自私挖矿攻击造成的破坏更大。我们的工作提供了深入了解顽固的采矿攻击，并有助于设计对策。
2023-02-01 cs.CR cs.NA math.NA
Incentive Attacks in BTC: Short-Term Revenue Changes and Long-Term Efficiencies
University of Maryland（马里兰大学）
本文研究了比特币激励攻击的短期收益变化及长期效率，提出新的效率指标，发现长期来看自私挖矿更高效，且coin hopping策略对忠实矿工有益，而PAW攻击在无难度调整时仍可获利。
2026-03-22 cs.CR cs.IT math.IT
Novel bribery mining attacks in the bitcoin system and the bribery miner's dilemma
本文提出两种新型比特币贿赂挖矿攻击（BSSM和BSM），增加对手奖励并导致目标矿工陷入困境，通过定量分析和模拟验证，并提出缓解措施。
2023-05-12 cs.CE cs.CR cs.GT
Exploring the Attack Surface of Blockchain: A Systematic Overview
在本文中，我们系统地探讨了区块链技术的攻击面，重点是公共区块链。为了实现这一目标，我们将攻击面中的攻击可行性归因于1）区块链加密结构，2）使用区块链的系统的分布式架构，以及3）区块链应用程序上下文。对于每一个影响因素，我们概述了几种攻击，包括自私挖掘，51%攻击，域名系统（DNS）攻击，分布式拒绝服务（DDoS）攻击，共识延迟（由于自私行为或分布式拒绝服务攻击），区块链分叉，孤立和陈旧块，块摄取，钱包盗窃，智能合约攻击和隐私攻击。我们还探讨了这些攻击之间的因果关系，以展示各种攻击向量是如何相互连接的。这项工作的第二个贡献是概述了区块链技术所采取的有效防御措施或研究人员提出的有效防御措施，以减轻这些攻击的影响并修补相关漏洞
2019-04-06 cs.CR
Mind the Mining
在本文中，我们重新审视了基于工作量证明的加密货币中的挖掘策略，并提出了两种策略，我们称之为智能和更智能的挖掘，在许多情况下，它们严格地主导了诚实的挖掘。与其他已知的攻击相比，如自私挖掘，它会导致矿工之间的零和游戏，本文提出的策略通过降低矿工的可变成本来增加矿工的利润（即，电）。此外，所提出的策略对于比以前已知的攻击小得多的矿工是可行的，并且令人惊讶的是，由一个矿工执行的攻击对所有其他矿工也是有利可图的。虽然节省电力对环境来说是非常令人鼓舞的，但对硬币的安全性来说就不那么重要了。智能/更智能的策略使代币面临低于50%的攻击，并且只有当新矿工加入代币作为对这些策略引起的利润率增加的响应时，这种漏洞才会增加。
2019-02-12 cs.CR cs.DC cs.GT
Share Withholding Attack in Blockchain Mining: Technical Report
加密货币使用工作量证明（PoW）实现分布式共识。区块链安全的先前研究确定了基于扣留区块的财务激励攻击，攻击者通过提交份额（赚取挖矿积分）但扣留区块（没有对池的实际贡献）来妥协受害者池并冒充PoW贡献者。我们提出了这样的威胁，以产生更大的回报优势的攻击者，同时破坏其他矿工，并介绍了份额扣留攻击（SWH）。SWH保留份额以增加攻击者在池中的奖励支出，与之前的威胁保留区块相反，而是建立在区块保留威胁的基础上，以利用即将到来的区块提交时间的信息，挑战普遍建立的假设，即区块提交时间是完全随机的，矿工未知。我们分析了SWH的激励兼容性和脆弱性的范围，确定的关键系统和环境参数，决定了攻击的影响。我们的研究结果表明，SWH与区块预扣相结合，以牺牲遵守协议的受害者矿工为代价，产生了不公平的奖励优势，理性的矿工会自私地启动SWH，以最大化其奖励利润。我们向区块链和加密货币研究通报了新的SWH威胁，并包括促进此类研究和开发的潜在对策方向。
2020-08-31 cs.CR
Examining Attacks on Consensus and Incentive Systems in Proof-of-Work Blockchains: A Systematic Literature Review
University of Ruhuna（鲁胡纳大学）；RMIT University（皇家墨尔本理工大学）
本文系统性审查了工作量证明区块链中的共识与激励系统攻击，分析了个体攻击及其组合策略对安全性和盈利能力的影响，并提出了预防与减轻威胁的设计指南。
2024-11-11 cs.AI cs.CR
Modeling the Impact of Network Connectivity on Consensus Security of Proof-of-Work Blockchain
区块链是流行的比特币背后的技术，被认为是一种“设计安全”系统，因为它旨在在一群不信任的各方之间创造安全，但没有一个中央可信的权威。区块链的安全性依赖于诚实多数的前提，即只要大多数共识投票权是诚实的，区块链系统就被认为是安全的。在工作量证明（PoW）区块链的情况下，对手无法控制超过50%的网络总计算能力。然而，这个50%的阈值仅基于对计算能力的分析，对网络和节点行为进行了隐含和理想化的假设。最近的研究表明，网络连接、区块链分叉的存在和挖掘策略等因素可能会破坏诚实多数所保证的共识安全性，但既没有提供具体的分析，也没有提供定量的评估。在本文中，我们通过提出一个分析模型来评估网络连接对不同对手模型下PoW区块链共识安全性的影响，从而填补了这一空白。我们将我们的分析模型应用于两种对抗场景：1）诚实但潜在的勾结，2）自私的挖掘。对于每一种情况下，我们量化的分叉比赛中所涉及的节点的通信能力，估计对手的挖掘收入和它的安全属性的共识协议的影响。仿真结果验证了我们的分析。我们的建模和分析提供了一个范例，用于评估各种因素在分布式共识系统的安全影响。
2020-08-31 cs.CR
Tree Representation, Growth Rate of Blockchain and Reward Allocation in Ethereum with Multiple Mining Pools
研究具有多个矿池的以太坊是有趣但困难和具有挑战性的。其中一个主要的困难来自于不仅如何表示这样一个一般的树与多个区块分支（或子链）相关的多个矿池，但如何分析一个多维随机系统，由于多个矿池之间的采矿竞争。在本文中，我们首先建立了一个数学表示的树与多块分支。然后，我们提供了以太坊的区块分类：常规区块（主链中），孤儿区块，叔叔区块，陈旧区块和侄子区块，并通过应用大数定律给出了生成不同类型区块的一些关键概率。在此基础上，我们进一步讨论了区块链的增长率，并通过应用更新奖励定理在多个矿池之间分配奖励。最后，我们使用一些模拟实验来验证我们的理论结果，并表明开发的近似计算方法，如关键概率，区块链的长期增长率，以及多个矿池之间的长期奖励分配（率），可以有更快的收敛速度。因此，我们提供了一个强大的工具来观察和理解自私采矿攻击对多个采矿池的以太坊性能的影响。我们相信，本文中开发的方法和结果将有助于多矿池以太坊的研究，从而可能激发一系列有前途的研究。
2022-01-25 cs.CR cs.DC cs.IT
PRAGTHOS:Practical Game Theoretically Secure Proof-of-Work Blockchain
本文分析了PoW区块链现有安全模型假设的缺陷，揭示了多种新型攻击方式，并提出了更实用的安全分析框架pRPD及可抵御上述攻击的PoW区块链构建框架PRAGTHOS。
2023-02-13 cs.CR cs.DC cs.GT
All-out Attack: Optimal Block Withholding Under Pay-Per-Share Scheme
University of Maryland, College Park（马里兰大学帕克分校）
研究在按份额付费（PPS）和完全PPS（FPPS）方案下，区块扣留（BWH）攻击的最优策略为全力攻击（AoA），攻击者将全部算力投入受害矿池，仅提交部分工作量证明（pPoW）而扣留全部有效区块，在难度调整后获得相对收益，并证明这些机制并非激励相容。
2026-10-20 cs.CR cs.DC cs.IT
