区块链---论文阅读
其他
2019-02-22 11:01:51
阅读次数: 0
- 本文主要讲述了在区块链中如何检测并且区分庞氏骗局。检测庞氏骗局的方法有数据挖掘以及机器学习等方式。
- 所谓庞氏骗局，也就是对金融领域投资诈骗的称呼。一般的特点是低风险、高回报的反投资规律，以及挪用新投资的资金回馈给老客户，从而引用越来越多的投资者参与，从而形成“金字塔”式的投资者结构。塔尖的少数知情者通过榨取塔底和塔中的大量参与者而谋利。而在区块链这一个高新技术的环境中仍然存在着这一种现象，就仿佛哪里有金融，哪里就存在着庞氏骗局。
- 而本文利用数据挖掘以及机器学习的方法辨别庞氏骗局。从参与者的特征进行分析，通过时间轴为横轴，参与者为纵轴的图像，得出了庞氏骗局与普通合约之间的区别在于：庞氏骗局的参与者以线性的形式不断增长，而普通合约则相对比较平稳。从代码的特征进行分析，则可以得到在庞氏骗局的合约之中，存在着更多的判断，也就是JUMP指令的等指令高于普通的合约。
- 另一方面，通过分类以及机器学习的方法，不断学习庞氏骗局的特征，可以精确的对一份合约进行辨别是否为庞氏骗局。然而现实中，使用上述的方法虽然目前在很多的情况下都能够判断正确，但是实际上还是存在着比较多的问题。如庞氏骗局可能会根据现有的判断机制而进行一种新的改进是的这种判断机制失效。可以设计回避检测的代码。
- 本文主要是在讲述通过分析Mt.Gox中的数据对比特币的市场进行分析从而获的一些市场结论，从而分析对应的比特币的市值波动，为比特币的投资获得一定的理论基础。
- 通过分析可以知道，在比特币的市场交易中，存在有很多的不正常的帐户，并且通过分析不难发现，不正常用户所占的比例并不是偶然的，相反，非正常用户在大部分的时间内是以正常的用户出现的。然而，对于这些用户，可能存在相关的某种特殊目的。通过构建元祖[V，E，w]形成的图中可以分析得到，对应的结点有很多，同时也存在着很多的不同的边，而通过分析可以得出边的数目远远小于交易数目，也就意味着有很多的通道在反复的被利用。而在进行聚类计算之后，不正常的用户之间存在着三角形或者其他的奇怪的结构，即不正常的用户相互之间来回不停的转账，进一步为市场操控提供了证据，也就是通过虚构交易数量实现贸易活跃的假象，同时因为这些账户对应的聚类系数比较大，所以可以怀疑这些可能被一个组织或个人控制，即参与对应的交易操纵。之后通过构建三个图片的每日快照，分析对应的数据，计算出奇异值之后可以获得6种模型：自循环、间接a-b，bi-direction、三角、组用户、星形等，这些都充分说明了市场中存在操纵。
- 异常用户之间的交易也会影响对应的比特币的市值，根据比特币价格与用户之间的交易中可以得出这些交易虚假繁荣化使其成为了比特币市场操纵的有利证据，因此可以发现比特币的价格波动程度也受到了一定的影响。
- 本文主要讲述的是通过图分析来理解以太坊，在比特币对应的发现其市值存在着一定程度上的操纵之后。利用图的方法对以太坊进行同样的分析，由于由于以太坊作为最大的智能合约运行区块链，理解使用者、智能合约之间的关系就显得更为重要。在以太坊中， 三个主要的活动是交易，合约创建以及合约调用，在分析过程中，先通过代码获得了对应的以太坊客户端的数据，以及对应的内部交易，然后利用MFG、CCG、CIG 等来描绘交易的活动以及对应的合约构建以及合约的调用，之后再进行分析可以得到对应的以太坊三个过程的实现，即对应的钱币交易，合约创建，合约部署。通过详细的分析，以及对应的描述，清晰的区分外部账户以及对应的合约账户，以及对应合约中数据域的详细意义，智能合约实现或者工作的方式，即一旦发生错误，对应的将会回滚所有事务，但我们只关心那些成功的事务，因此回滚会存在有很多问题，即与当前逻辑发生意想不到的冲突。最终，将对应的以太坊与比特币之间进行比对，比较了以太坊和比特币再交易上的差别。
转载自blog.csdn.net/qq_36347365/article/details/87014211