[论文解读] Tailstorm: A Secure and Fair Blockchain for Cash Transactions

Patrik Keller, Ben Glickenhaus+2 more|arXiv (Cornell University)|Jan 1, 2023

Blockchain Technology Applications and Security被引用 1

一句话总结

Tailstorm 提出了一种安全且公平的区块链加密货币，结合并行工作量证明与一种新颖的奖励折扣机制，以惩罚隐瞒信息的矿工，从而提升公平性并降低中心化风险。该协议通过分析建模、仿真和基于强化学习的攻击测试，验证了其在确认时间上更快、对激励层攻击的抵抗能力更强，相较于比特币有显著改进。

ABSTRACT

Proof-of-work (PoW) cryptocurrencies rely on a balance of security and fairness in order to maintain a sustainable ecosystem of miners and users. Users demand fast and consistent transaction confirmation, and in exchange drive the adoption and valuation of the cryptocurrency. Miners provide the confirmations, however, they primarily seek rewards. In unfair systems, miners can amplify their rewards by consolidating mining power. Centralization however, undermines the security guarantees of the system and might discourage users. In this paper we present Tailstorm, a cryptocurrency that strikes this balance. Tailstorm merges multiple recent protocol improvements addressing security, confirmation latency, and throughput with a novel incentive mechanism improving fairness. We implement a parallel proof-of-work consensus mechanism with $k$ PoWs per block to obtain state-of-the-art consistency guarantees. Inspired by Bobtail and Storm, we structure the individual PoWs in a tree which, by including a list of transactions with each PoW, reduces confirmation latency and improves throughput. Our proposed incentive mechanism discounts rewards based on the depth of this tree. Thereby, it effectively punishes information withholding, the core attack strategy used to reap an unfair share of rewards. We back our claims with a comprehensive analysis. We present a generic system model which allows us to specify Bitcoin, $B_k$, and Tailstorm from a joint set of assumptions. We provide an analytical bound for the fairness of Tailstorm and Bitcoin in honest networks and we confirm the results through simulation. We evaluate the effectiveness of dishonest behaviour through reinforcement learning. Our attack search reproduces known optimal strategies against Bitcoin, uncovers new ones against $B_k$, and confirms that Tailstorm's reward discounting makes it more resilient to incentive layer attacks.

研究动机与目标

• 解决工作量证明区块链中快速交易确认与公平挖矿奖励之间长期存在的权衡问题。
• 缓解比特币类系统中因自私挖矿和信息隐瞒攻击导致的中心化风险。
• 设计一种协议，在确保矿工实际哈希算力成比例获得奖励的同时，维持强安全保证。
• 通过分析和仿真方法，评估所提系统对激励层攻击的韧性。
• 通过在比特币现金上的原型实现，证明其实际可行性。

提出的方法

• 引入一种并行工作量证明共识机制，其中每个区块由 k 个独立的工作量证明共同确认，减少区块丢弃并提升吞吐量。
• 将工作量证明组织为树状层次结构，包含子区块，支持部分交易确认，降低确认延迟。
• 应用一种新颖的奖励折扣机制，根据子区块在树中的深度降低奖励，阻止矿工隐瞒信息。
• 采用通用系统模型，在共享假设下统一分析比特币、Bk 和 Tailstorm，实现公平性的对比评估。
• 使用强化学习探索并评估激励层攻击，识别出针对比特币和 Bk 的最优攻击策略，并验证 Tailstorm 的韧性。
• 开发了比特币现金的分支原型实现，源代码和可部署的测试网客户端软件已公开。

实验结果

研究问题

• RQ1 如何在不损害安全性的前提下，使工作量证明区块链实现快速确认时间与公平的奖励分配？
• RQ2 基于子区块深度的奖励折扣在多大程度上降低了信息隐瞒攻击的盈利能力？
• RQ3 所提出的每区块包含 k 个工作量证明的并行 PoW 机制是否能显著减少区块丢弃并提升网络一致性？
• RQ4 在真实网络条件下，Tailstorm 与比特币和 Bk 相比，在公平性和对激励层攻击的抵抗能力方面表现如何？
• RQ5 针对比特币和 Bk 的最优攻击策略是什么？这些策略能否通过强化学习在 Tailstorm 中被有效缓解？

主要发现

• 在诚实网络中，Tailstorm 的公平性边界显著优于比特币，分析与仿真结果均证实了奖励按算力成比例分配。
• 基于强化学习的攻击搜索成功复现了针对比特币的已知最优策略，并发现了针对 Bk 的新攻击向量，验证了模型的准确性。
• Tailstorm 的奖励折扣机制有效中和了信息隐瞒攻击，使此类策略无利可图，显著提升了系统韧性。
• 该协议通过树状子区块结构实现部分交易确认，降低确认延迟，在不牺牲安全性的前提下提升吞吐量。
• 仿真结果表明，在难度调整前的短期阶段，忽略子区块仅带来微薄利润，而比特币中自私挖矿在长期中仍具盈利能力。
• Tailstorm 的原型实现已具备测试网部署的生产就绪状态，且公开可用，充分证明了其实际可行性。