Adversary-Augmented Simulation to evaluate fairness on HyperLedger Fabric

本文提出了一种新的对抗模型，专门针对分布式系统，旨在评估区块链网络的安全性。在对抗性假设、目标和能力等概念的基础上，我们提出的对抗模型根据经典分布式系统模型（由故障和通信模型定义）分类和限制对抗性行为的使用。其目标是研究这些允许的行为对各种系统模型下分布式协议属性的影响。我们研究的一个重要方面是将这种对抗模型集成到多代理人实验者（MAX）框架中。这种集成使得对区块链网络的对抗性攻击进行细粒度模拟成为可能。在本文中，我们特别研究了在使用拜占庭容错Tendermint共识算法的Hyperledger Fabric上的四个不同的公平性属性。我们定义了结合两个协议的对抗性行为的新型攻击，旨在违反特定的客户公平性属性。模拟证实了我们违反此属性的能力，并使我们能够评估这些攻击对涉及交易接收和传递顺序的多个订单公平性属性的影响。

本论文旨在提出一种针对分布式系统的新型对手模型，以评估区块链网络的安全性。论文通过对对手的假设、目标和能力等概念进行分类和限制，建立了一个基于经典分布式系统模型的对手行为分类系统，旨在研究这些允许的行为对各种系统模型下分布式协议性质的影响。

论文提出了一种新的对手模型，并将其整合到Multi-Agent eXperimenter (MAX)框架中，以进行对区块链网络的精细模拟。研究了四个不同的公平性属性，提出了结合两个协议的新型攻击，以违反特定的客户公平性属性。

论文使用Hyperledger Fabric和拜占庭容错Tendermint共识算法进行实验，并证实了攻击可以违反客户公平性属性。同时，还评估了这些攻击对涉及交易接收和交付顺序的几个订单公平性属性的影响。

在这个领域中，最近的研究还包括：《A survey on blockchain consensus algorithms》、《A survey on blockchain technology for healthcare》等。