[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

摘要

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。

主权项

1.一种基于随机博弈增强学习的比特币矿池攻击策略学习算法，其特征在于，包含以下步骤：/n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；/n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；/n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；/n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；/n步骤5，根据动作更新网络状态；/n步骤6，更新两个矿池的策略以及当前状态的状态值；/n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。/n