Algoritmo de Prevenção Baseado em Rede Neural Convulcional em Lote com Consciência de Posição Tangencial para Ataques de Retenção de Blocos em Blockchain

RESUMO As ameaças de ataque de Retenção de Blocos (BWH) são sérias para pools de mineração de blockchain, pois visam a retenção de blocos válidos, afetando a funcionalidade e causando distribuição injusta de recompensas. Para abordar essa questão, esta pesquisa introduz um Método de Prevenção para Ataques de Retenção de Blocos (PMBWA), que modela o comportamento do minerador em uma variedade geométrica com uma Rede Neural Convolucional em Lote com Consciência de Posição Tangencial (TPB-CNN) e um Algoritmo de Classificação de Nível de Crédito (CLCA), aprimorado por pré-processamento adaptativo e um sistema de recompensa/punição baseado em comportamento. Ao contrário dos métodos atuais baseados em modelo de limiar, teoria dos jogos ou sistemas de reputação estáticos, o PMBWA considera as dinâmicas comportamentais temporais/direcionais e dependências de relacionamento entre mineradores, permitindo a detecção eficaz de atacantes adaptativos de BWH que seguem o padrão de mineradores honestos. Os possíveis atacantes são ainda examinados por meio de agrupamento de probabilidade posterior e filtragem de sinal de feixe tangencial, garantindo a identificação precisa de comportamento malicioso. Através de simulações experimentais com diferentes volumes de blocos e poder computacional malicioso, demonstrou-se que o PMBWA pode diminuir eficientemente as recompensas dadas aos mineradores maliciosos e, ao mesmo tempo, fornecer compensação justa aos mineradores honestos. O sistema proposto é capaz de obter uma precisão de 98,9% e uma taxa de recuperação de 98,9%, melhorando assim a segurança e a equidade do pool de mineração. Os resultados acima mencionados mostram que o PMBWA é um sistema de defesa dinâmico e compatível com incentivos que melhora a segurança do pool de mineração enquanto mantém a equidade sob ataques adaptativos de BWH.