[论文解读] Measurement and Analysis of the Bitcoin Networks: A View from Mining Pools

Canhui Wang, Xiaowen Chu+1 more|arXiv (Cornell University)|Feb 20, 2019

Blockchain Technology Applications and Security参考文献 42被引用 15

一句话总结

本文基于2016至2019年期间的156万笔区块与1.2亿笔未确认交易的大规模测量研究，对比特币挖矿池进行了分析。研究揭示挖矿池面临囚徒困境与马尔萨斯陷阱，其中交易费率是交易选择的主导因素，为网络激励机制与性能提供了关键洞见。

ABSTRACT

Mining pools, the main components of the Bitcoin network, dominate the computing resources and play essential roles in network security and performance aspects. Although many existing measurements of the Bitcoin network are available, little is known about the details of mining pool behaviors (e.g., empty blocks, mining revenue and transaction collection strategies) and their effects on the Bitcoin end users (e.g., transaction fees, transaction delay and transaction acceptance rate). This paper aims to fill this gap with a systematic study of mining pools. We traced over 1.56 hundred thousand blocks (including about 257 million historical transactions) from February 2016 to January 2019 and collected over 120.25 million unconfirmed transactions from March 2018 to January 2019. Then we conducted a board range of measurements on the pool evolutions, labeled transactions (blocks) as well as real-time network traffics, and discovered new interesting observations and features. Specifically, our measurements show the following. 1) A few mining pools entities continuously control most of the computing resources of the Bitcoin network. 2) Mining pools are caught in a prisoner's dilemma where mining pools compete to increase their computing resources even though the unit profit of the computing resource decreases. 3) Mining pools are stuck in a Malthusian trap where there is a stage at which the Bitcoin incentives are inadequate for feeding the exponential growth of the computing resources. 4) The market price and transaction fees are not sensitive to the event of halving block rewards. 5) The block interval of empty blocks is significantly lower than the block interval of non-empty blocks. 6) Feerate plays a dominating role in transaction collection strategy for the top mining pools. Our measurements and analysis help to understand and improve the Bitcoin network.

研究动机与目标

• 理解比特币挖矿池的行为动态及其对网络安全性与性能的影响。
• 研究挖矿池策略如何影响终端用户的交易费用、延迟与接受率。
• 分析顶级挖矿池之间算力分布与收益机制的演变。
• 利用实时内存池数据，研究交易费率在挖矿池选择行为中的作用。
• 识别比特币挖矿经济中的系统性挑战，如囚徒困境与马尔萨斯陷阱。

提出的方法

• 利用区块链数据采集技术，追踪了2016年2月至2019年1月期间超过156万笔区块（共2.57亿笔历史交易）。
• 在2018年3月至2019年1月期间，从一台比特币全节点的内存池中收集了1.2025亿笔未确认交易。
• 开发了定制化的Python工具，用于处理并采集实时内存池数据，以分析交易行为。
• 对挖矿池的算力分布、收入与区块生成模式进行了纵向分析。
• 应用博弈论与经济建模方法，解释挖矿池之间的竞争关系与激励结构。
• 将区块分类为“空区块”与“非空区块”，并分析区块间隔差异，以评估挖矿效率。

实验结果

研究问题

• RQ1 比特币挖矿池之间的算力如何分配？其主导地位的长期趋势如何？
• RQ2 挖矿池在单位利润持续下降的情况下，为何仍持续增加资源投入，是否陷入囚徒困境？
• RQ3 区块奖励减半是否显著影响交易费用或网络市场动态？
• RQ4 哪些因素驱动挖矿池的交易收集策略，特别是与交易费率和区块大小的关系？
• RQ5 比特币激励模型在何时无法维持挖矿硬件的指数级增长，标志着马尔萨斯陷阱的出现？

主要发现

• 少数几个挖矿池——尤其是AntPool、F2Pool、ViaBTC与BTC.com——持续控制着比特币算力的大部分。
• 挖矿池陷入囚徒困境，尽管单位利润下降，仍持续增加硬件投资。
• 网络表现出马尔萨斯陷阱特征，比特币激励模型已不足以维持挖矿硬件的指数级增长。
• 空区块的区块间隔显著短于非空区块，表明存在策略性挖矿行为。
• 交易费率是顶级挖矿池交易收集策略的主导因素，其影响超过交易大小或年龄等其他指标。
• 市场价格与交易费用对区块奖励减半事件的反应极小，表明用户行为未受到显著的即时经济影响。