[发明专利]基于随机博弈增强学习的比特币矿池攻击策略学习方法

说明书

本发明公开了一种基于随机博弈增强学习的比特币矿池攻击策略学习方法，采取最大化未来期望收益的方法，让矿池在学习过程中自适应地动态调整攻击行为，根据学习结果获取不同比特币网络环境中的近似最佳攻击策略，来最大程度削弱对手矿池，并使得本矿池收益最大化。通过分析分布式拒绝服务攻击对于比特币矿池动态发展的影响，解决比特币矿池在动态环境下自适应选择可以最大化长期收益的最佳攻击策略的问题，将比特币矿池之间的竞争攻击建模为常和随机博弈，用增强学习算法获得最佳攻击策略。

技术领域

本发明属于比特币矿池博弈和增强学习领域，尤其涉及比特币矿池攻击随机博弈策略的增强学习方法。

背景技术

作为首个完全去中心化的加密货币，比特币从出现在大众视野以来，便备受瞩目。它的安全性由一群节点保护，这些节点在一种被称为区块链的数据结构上进行记账工作。区块链上记录了比特币系统中所有当前与历史交易记录。为了激励这些节点诚实正确地记账，以及维持账本的完整性，比特币采用了一种工作量证明的机制。这种机制要求节点解出密码学难题来证明他们的计算能力。只有获得正确解的节点才能够获得记账的资格，并且可以得到一定量的比特币奖励。这个收集交易，解决难题，生成新区块并记入公共帐本的过程就是挖矿，而这些节点则被称为矿工。

2018年5月份，成功解决一个谜题并生成新区块的矿工可以获得12.5个比特币的奖励，相当于约116420美元。这样丰厚的奖励吸引了大量矿工，因此整个比特币网络的算力也大大增加。为了使得区块生成时间维持稳定(约10分钟)，密码学难题的难度也随着算力的增加而增大。由于一个矿工挖出区块的可能性与他的算力成正比，因此持有有限算力的单个矿工想要挖到区块赢得奖励的可能性非常小。因此，矿工们组成了矿池，将算力集中在一起，这样，等待相对较短的时间就可以挖出一个区块。而比特币奖励则根据算力比例分配给矿池中的矿工。用这种方法，单个矿工的期望收益没有发生变化，但是收益变得更加稳定。

然而，由于矿池之间的竞争日益激烈，比特币网络中出现了各种通过攻击其他矿池，来增加收益的事例。其中，分布式拒绝服务攻击时最常见的攻击之一。为了分析这种攻击对于比特币矿池的影响，研究者提出了用博弈论来建模。然而，目前已有的研究只在静态模型下进行，并且得到的博弈均衡和矿池最佳策略也都是静态的。而在现实中，比特币网络中的矿工会在各个矿池中动态流动，因此矿池的规模也会随之动态变化。这些因素对矿池算力、收益和攻击策略都会产生严重影响。并且，矿池的攻击不仅会影响该矿池当前收益，也会影响对手矿池的服务器稳定性和收益，从而也成为矿工流动的重要因素。这种流动对于矿池未来规模和收益都有着巨大的影响。

发明内容

本发明针对现有技术的不足，提供一种基于随机博弈增强学习的比特币矿池攻击算法。

本发明设计的一种基于随机博弈增强学习的比特币矿池攻击策略学习方法，其特殊之处在于，包含以下步骤：

步骤1，输入初始网络状态，并初始化两个矿池的所有状态值；

步骤2，当t＝0，计算随机探索概率参数其中，β₀为初始随机探索概率参数，t为迭代次数；

步骤3，采取β探索方法，设置随机探索选择概率参数β，两个矿池分别以1-β的概率根据当前策略选择动作；以β的概率随机选择动作两个矿池根据策略及状态自适应地选择动作；

步骤4，根据两个矿池的动作以及当前网络状态，计算各矿池的算力在本次迭代中占整个比特币网络的比例，得出矿池在本次迭代的期望收益、对矿工的吸引力和跳槽率；

步骤5，根据动作更新网络状态；

步骤6，更新两个矿池的策略以及当前状态的状态值；

步骤7，如果t等于最大迭代数t_max或矿池的策略收敛，结束算法并输出策略对；否则t增加1，返回步骤3。

进一步地，所述步骤1的具体过程为：