Fully Automated Selfish Mining Analysis in Efficient Proof Systems Blockchains

本文研究了在最长链区块链（例如比特币）中的自私挖矿攻击，但其中的工作量证明被高效的证明系统（如股权证明或空间证明）所替代，并考虑计算最优自私挖矿攻击的问题，以最大化对手的预期相对收益，从而最小化链的质量。为此，我们提出了一种新颖的自私挖矿攻击，旨在最大化这个目标，并将攻击形式化建模为马尔科夫决策过程（MDP）。然后，我们提出了一种正式的分析过程，计算MDP中最优预期相对收益的ε-紧下界和实现该ε-紧下界的策略，其中ε>0可以是任何指定的精度。我们的分析是完全自动化的，并提供了关于正确性的正式保证。我们评估了我们的自私挖矿攻击，并观察到它实现了比较两个基准的预期相对收益的卓越表现。在并行工作[Sarenche FC'24]中，他们对基于高效证明系统的可预测最长链区块链中的自私挖矿进行了自动化分析。可预测意味着挑战的随机性对于许多块是固定的（例如在Ouroboros中使用），而我们考虑的是不可预测的（类似比特币）链，其中挑战是从上一个块派生的。

本论文旨在研究在采用高效证明系统（如权益证明或空间证明）的最长链区块链中自私挖矿攻击的问题，目标是计算出一种最优自私挖矿攻击策略，最大化攻击者的预期相对收益，从而最小化链的质量。

论文提出了一种新的自私挖矿攻击策略，并将其建模为马尔可夫决策过程（MDP），提出了一种计算最优预期相对收益的正式分析方法，并给出了一种实现此方法的策略。

本文的分析方法是全自动的，并提供了关于正确性的形式保证。实验结果表明，本文提出的自私挖矿攻击策略相比于两种基准策略有更高的预期相对收益。

近期已有一些关于可预测最长链区块链中自私挖矿的自动化分析工作，但这些工作是基于高效证明系统的，而本文则是针对不可预测最长链区块链（如比特币）展开研究的。