一种针对以太坊网络的智能贿赂自私挖矿攻击算法

摘要

本发明针对现有区块链中策略性攻击的问题，利用强化学习的思想，考虑理性矿工和智能自私矿工存在的情况下，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 In Ethereum（BSM‑Ether）。旨在构造一个基于理性矿工参与的贿赂自私挖矿模型，攻击者可以通过强化学习降低攻击以太坊网络的算力阈值，从而提高攻击者破坏系统的动机。其技术要点是：自私矿工通过强化学习与外部环境交互选择最优策略，将外部环境规范为马尔可夫决策过程，利用强化学习来寻找使得收益最大化的最优攻击策略。实验结果表明，BSM‑Ether算法和SM1 in Ethereum相比较，具有更低的算力阈值和更高的相对收益。该算法能有效的提高自私挖矿攻击的成功率，破坏以太坊网络的安全性。