Un'Analisi Approfondita del Selfish Mining Blockchain: Dinamiche Multi-Pool e Redditività

2.1 Insight Principale: La Fragilità del Mito del 25%

La conclusione più sorprendente è la demolizione di un'euristica di sicurezza rassicurante. La comunità blockchain si è aggrappata alla "soglia del 25%" di Eyal e Sirer come a una linea rossa stabile. Questo articolo mostra che quella linea è porosa. Quando più entità si impegnano nel selfish mining—uno scenario realistico nel panorama minerario concentrato di oggi—la barriera d'ingresso effettiva per questo attacco si abbassa significativamente (al 21,48% nel caso simmetrico). Questo non è solo un risultato incrementale; è un cambio di paradigma. Suggerisce che la sicurezza delle principali catene PoW è più precaria di quanto ampiamente assunto. L'esistenza di grandi pool minerari opachi rende ingenua l'ipotesi di un singolo avversario. Come notato nelle discussioni della comunità IEEE Security & Privacy, le superfici di attacco spesso si espandono passando da modelli multi-parte idealizzati a realistici.

2.2 Flusso Logico: Dalla Teoria dei Giochi ad Attore Singolo a Multi-Attore

La progressione logica degli autori è solida e necessaria. Partono riconoscendo il modello consolidato a pool singolo, quindi identificano correttamente la sua limitazione critica: ignora l'interazione strategica tra attori malevoli. Il loro passaggio a modellare due pool egoisti (ignari della natura reciproca) come un gioco di Markov è la scelta metodologica corretta. Lo spazio degli stati cattura elegantemente le lunghezze delle catene pubbliche e private, e le transizioni modellano la scoperta stocastica dei blocchi. Questo approccio rispecchia i progressi nella ricerca sull'ML avversariale, come il passaggio da modelli a singolo attaccante nell'addestramento di CycleGAN ad ambienti più complessi e multi-avversariali. La derivazione di soglie in forma chiusa da questo modello complesso è un notevole risultato tecnico, fornendo una metrica concreta per la valutazione del rischio.

2.3 Punti di Forza & Limiti: Meriti e Punti Ciechi di un Modello

Punti di Forza: Il punto di forza principale dell'articolo è la formalizzazione di un modello di minaccia più realistico. L'inclusione dell'analisi transitoria è particolarmente lodevole. La maggior parte delle analisi si concentra sulla redditività a regime stazionario, ma i miner operano in orizzonti temporali finiti. Mostrare che il selfish mining è inizialmente non redditizio e richiede di attendere l'aggiustamento della difficoltà aggiunge un livello cruciale di rischio pratico, rendendo i pool più "cauti". Il rigore matematico è encomiabile.

Limiti & Punti Ciechi: Il modello, sebbene sofisticato, poggia ancora su semplificazioni significative. L'ipotesi che i pool egoisti siano "ignari" l'uno dell'altro è importante. Nella realtà, i grandi pool sono altamente osservanti; dinamiche di catena insolite segnalerebbero rapidamente la presenza di altri miner egoisti, portando a un gioco più complesso e adattivo. Il modello inoltre elude la possibilità reale di collusione, che cambierebbe drasticamente le dinamiche e abbasserebbe le soglie ancora di più. Inoltre, non tiene pienamente conto dei ritardi di propagazione della rete e dell'effetto "mining gap", noti per influenzare gli esiti del selfish mining, come discusso nei lavori successivi all'articolo originale di Eyal e Sirer.

2.4 Insight Pratici: Per Miner, Pool e Progettisti di Protocolli

• Per i Pool Minerari & Monitor: Questa ricerca è un pressante invito a un monitoraggio potenziato. I team di sicurezza devono cercare anomalie indicative di più miner egoisti in competizione, non solo uno. La soglia di redditività è più bassa di quanto si pensi.
• Per i Progettisti di Protocolli (Ethereum, Bitcoin Cash, ecc.): L'urgenza per la transizione post-PoS o per robuste modifiche al PoW (come GHOST o altre regole di selezione della catena) è amplificata. Le difese progettate per un singolo avversario potrebbero essere insufficienti.
• Per Investitori & Analisti: La concentrazione dell'hashrate in pochi pool non è solo una preoccupazione di decentralizzazione; è un moltiplicatore di rischio di sicurezza diretto. Valutare le catene non solo sulla metrica del 51%, ma sulla resilienza del loro consenso al selfish mining multi-attore.
• Per il Mondo Accademico: Il passo successivo è modellare pool egoisti consapevoli e potenzialmente colludenti. La ricerca dovrebbe anche integrare questo modello con altri attacchi noti (es. Attacchi di Corruzione) per una valutazione olistica della minaccia.

3.1 Modello di Transizione di Stato

Lo stato del sistema è definito dal vantaggio delle catene private dei pool egoisti rispetto alla catena pubblica. Siano $L_1$ e $L_2$ il vantaggio rispettivamente del pool egoista 1 e 2. La catena pubblica è sempre la catena pubblicata più lunga nota ai miner onesti. Le transizioni avvengono in base ad eventi stocastici di scoperta di blocchi:

• Il pool onesto trova un blocco: La catena pubblica avanza, potenzialmente riducendo il vantaggio relativo dei pool egoisti.
• Il pool egoista S1 (o S2) trova un blocco: Aggiunge alla sua catena privata, aumentando il suo vantaggio $L_1$ (o $L_2$).
• Decisione di Pubblicazione: Un pool egoista può pubblicare parte della sua catena privata per superare la catena pubblica quando strategicamente vantaggioso, azzerando il suo vantaggio e potenzialmente causando una riorganizzazione della catena.

La catena di Markov cattura tutti i possibili stati $(L_1, L_2)$ e le probabilità di transizione tra di essi, determinate dagli hashrate relativi $\alpha_1$, $\alpha_2$ (per S1 e S2) e $\beta = 1 - \alpha_1 - \alpha_2$ (per il pool onesto).

3.2 Formulazioni Matematiche Chiave

L'analisi risolve la distribuzione a regime stazionario $\pi_{(L_1, L_2)}$ della catena di Markov. La metrica chiave, il ricavo relativo $R_i$ per il pool egoista $i$, è derivata da questa distribuzione. Rappresenta la frazione di tutti i blocchi eventualmente inclusi nella catena canonica che sono stati minati dal pool $i$.

Condizione di Redditività: Il selfish mining è redditizio per il pool $i$ se il suo ricavo relativo supera la sua proporzione di hashrate: $$R_i(\alpha_1, \alpha_2) > \alpha_i$$ L'articolo deriva il minimo $\alpha_i$ (o $\alpha$ nel caso simmetrico) che soddisfa questa disuguaglianza.

Risultato Caso Simmetrico: Quando $\alpha_1 = \alpha_2 = \alpha$, la soglia $\alpha^*$ si trova risolvendo: $$\frac{\alpha(1-\alpha)^2(4\alpha+\Gamma(1-2\alpha))}{(\alpha-1)(2\alpha^3-4\alpha^2+1)} = \alpha$$ dove $\Gamma$ è una funzione derivata dalle transizioni di stato. La soluzione numerica produce $\alpha^* \approx 0.2148$ o 21,48%.

4.1 Soglie di Redditività

L'articolo presenta due risultati numerici chiave:

Interpretazione: La cifra del 21,48% è inferiore alla soglia canonica di ~25%. Tuttavia, se un pool egoista è più grande, il pool egoista più piccolo necessita di un hashrate ancora più alto per competere in modo redditizio, poiché ora combatte sia contro la rete onesta che contro un rivale egoista dominante. Ciò crea un effetto di "oligarchia del selfish mining" dove essere l'attore malevolo dominante è vantaggioso.

4.2 Analisi Transitoria & Ritardo per la Redditività

L'articolo sottolinea che la redditività non è istantanea. Poiché il selfish mining comporta la ritenzione di blocchi, inizialmente riduce il tasso di ricompensa a breve termine del pool rispetto al mining onesto. La redditività emerge solo dopo l'aggiustamento della difficoltà della rete Bitcoin (ogni 2016 blocchi), che abbassa la difficoltà del puzzle perché il tasso di blocco osservato (rallentato dalla ritenzione) è inferiore.

Scoperta Chiave: Il numero di periodi di aggiustamento della difficoltà ("epoche") $D$ che un miner egoista deve attendere per diventare redditizio aumenta al diminuire del suo hashrate $\alpha$. Formalmente, $D(\alpha)$ è una funzione decrescente. Per un pool appena sopra la soglia (es. 22%), l'attesa potrebbe essere di diverse epoche, rappresentando settimane o mesi, durante i quali il capitale è vincolato e il rischio strategico è alto. Questo ritardo agisce come un deterrente naturale per i pool più piccoli che considerano l'attacco.

Descrizione Grafico (Concettuale): Un grafico a linee mostrerebbe il "Ritardo per la Redditività (Epoche)" sull'asse Y contro "Hashrate del Miner Egoista (α)" sull'asse X. La curva inizia molto alta per α appena sopra 0,2148, diminuisce bruscamente e si avvicina asintoticamente a zero man mano che α aumenta verso 0,5. Questo rafforza visivamente che i miner egoisti con hashrate più alto raccolgono ricompense più velocemente.