[논문 리뷰] An Explanation of Nakamoto's Analysis of Double-spend Attacks

A. Pinar Ozisik, Brian Neil Levine|arXiv (Cornell University)|2017. 01. 15.

Advanced Queuing Theory Analysis참고 문헌 5인용 수 12

한 줄 요약

이 논문은 비트코인에서 이중 지출 공격 확률에 대한 사토시 나카모토의 모델에 대한 상세한 수학적 설명과 검증을 제공하며, 게임의 파산 기반 공식을 유도하고, 포아송 밀도 근사에서의 핵심 오류를 밝혀낸다. 몬테카를로 시뮬레이션을 통해 모델을 검증하여, 포아송 근사가 작은 블록 깊이에서 특히 낮은 공격 확률 조건에서 심각한 오차를 유발한다는 것을 보여준다.

ABSTRACT

The fundamental attack against blockchain systems is the double-spend attack. In this tutorial, we provide a very detailed explanation of just one section of Satoshi Nakamoto's original paper where the attack's probability of success is stated. We show the derivation of the mathematics relied upon by Nakamoto to create a model of the attack. We also validate the model with a Monte Carlo simulation, and we determine which model component is not perfect.

연구 동기 및 목표

• 비트코인 화이트페이퍼에 제시된 나카모토의 이중 지출 공격 확률 모델에 대한 엄밀하고 단계적인 유도를 제공한다.
• 몬테카를로 시뮬레이션을 사용하여 나카모토의 수학적 모델을 검증함으로써 이론적 예측의 경험적 정확성을 확보한다.
• 실제 행동과의 괴리가 발생하는 모델의 특정 구성 요소를 식별하고 분석한다. 특히 낮은 공격 확률 조건에서의 특성에 중점을 둔다.
• 블록체인 이중 지출 공격의 맥락에서 게임의 파산 유사성의 가정과 한계를 명확히 한다.
• 블록 도착 시간을 모델링하기 위해 포아송 분포를 사용한 나카모토의 사용에서 암묵적이지만 영향력 있는 오류를 수정한다.

제안 방법

• 나카모토가 사용한 게임의 파산 확률 모델을 유도하며, 공격자의 성공 확률이 공격자의 마이닝 파워 비율 q와 블록 깊이 z에 어떻게 의존하는지 보여준다.
• p > q 인 경우 공식 $ Q_z = \left(\frac{q}{p}\right)^z $ 를 사용하여, 공격자가 z개 블록 뒤에서 따라잡을 확률을 모델링한다. 여기서 p는 정직한 마이너의 블록 발견 속도이고 q는 공격자의 블록 발견 속도이다.
• 블록 도착을 모델링하기 위해 포아송 과정을 적용하며, 독립적이고 기억이 없는 블록 발견 시간을 평균 λ = 10분의 비율로 가정한다.
• 몬테카를로 시뮬레이션을 구현하여 정직한 마이너와 공격자 마이너의 블록 마이닝을 독립적으로 시뮬레이션하고, 공격자가 z개 블록 후에 체인을 뒤집을 수 있는지 추적한다.
• 모의 결과를 무한 자본 모델(Eq. 42)과 유한 자본 모델(Eq. 43)과 비교하며, y = z + 35를 공격자 자원의 실용적 상한선으로 사용한다.
• 제어된 비교를 통해 모델과 시뮬레이션 간의 괴리 원인을 규명하기 위해 세 구성 요소인 $ Q_z $, λ, 그리고 포아송 밀도 함수를 고립하여 분석한다.

실험 결과

연구 질문

• RQ1 나카모토의 이중 지출 공격 성공 확률 공식의 수학적 유도는 무엇이며, 게임의 파산 문제와 어떻게 관련되어 있는가?
• RQ2 몬테카를로 시뮬레이션을 통한 경험적 결과와 비교했을 때, 나카모토의 이론적 모델은 얼마나 정확한가?
• RQ3 모델의 구성 요소 중 $ Q_z $, λ, 또는 포아송 밀도 함수 중 어느 것이 모델과 시뮬레이션 간 괴리에 가장 크게 기여하는가?
• RQ4 공격자의 유한한 계산 자원이 공격 확률에 어떻게 영향을 주며, 무한 자본 가정은 현실을 얼마나 잘 근사하는가?
• RQ5 왜 모델은 낮은 q 값에서 상대 오차가 더 크게 나타나며, 시뮬레이션 결과에서 관찰된 괴리의 원인은 무엇인가?

주요 결과

• q < 0.45 인 경우 모델의 이중 지출 성공 확률 예측이 몬테카를로 시뮬레이션과 매우 유사하여 중간 정도의 공격력 조건에서 강력한 경험적 타당성을 보여준다.
• 모델의 주요 오류 원인은 포아송 밀도 함수 근사이며, 이는 희귀 사건의 확률을 과소평가하여 특히 작은 z 값과 낮은 q 조건에서 심각한 영향을 미친다.
• 모델과 시뮬레이션 간의 $ Q_z $ 및 λ 값 비교에서 완벽한 일치를 확인하여, 이 구성 요소들이 정확히 모델링되어 있음을 확인한다.
• 모델과 시뮬레이션 간의 상대 오차는 낮은 q 값에서 최대 100%에 이르며, 주로 포아송 근사가 낮은 확률의 블록 도착 시퀀스를 잘못 처리하기 때문이다.
• y = z + 35를 사용한 유한 자본 모델(Eq. 43)이 무한 자본 모델(Eq. 42)을 매우 잘 근사하므로, 실용적인 대체 수단으로서의 타당성을 입증한다.
• 본 연구는 나카모토 원본 모델의 암묵적이지만 중요한 오류를 수정한다: 포아송 근사는 특히 공격 성공 분포의 꼬리 확률에서 체계적인 편향을 유발한다.