Uma Análise Aprofundada do Selfish Mining em Blockchain: Dinâmicas de Múltiplos Pools e Rentabilidade

2.1 Insight Central: A Fragilidade do Mito dos 25%

A conclusão mais marcante é a demolição de uma heurística de segurança reconfortante. A comunidade blockchain apegou-se ao "limiar de 25%" de Eyal e Sirer como uma linha vermelha estável. Este artigo mostra que essa linha é porosa. Quando múltiplas entidades se envolvem em selfish mining — um cenário realista no atual cenário de mineração concentrado — a barreira efetiva de entrada para este ataque diminui significativamente (para 21,48% no caso simétrico). Isto não é apenas uma descoberta incremental; é uma mudança de paradigma. Sugere que a segurança das principais cadeias PoW é mais precária do que se supunha amplamente. A existência de grandes pools de mineração opacos torna a suposição de um único adversário ingénua. Como observado nas discussões da comunidade IEEE Security & Privacy, as superfícies de ataque frequentemente se expandem ao passar de modelos multipartidários idealizados para realistas.

2.2 Fluxo Lógico: Da Teoria dos Jogos de Agente Único para Múltiplos Agentes

A progressão lógica dos autores é sólida e necessária. Eles começam por reconhecer o modelo estabelecido de pool único, depois identificam corretamente a sua limitação crítica: ignora a interação estratégica entre atores maliciosos. A sua mudança para modelar dois pools egoístas (inconscientes da natureza um do outro) como um jogo de Markov é a escolha metodológica correta. O espaço de estados captura elegantemente os comprimentos das cadeias públicas e privadas, e as transições modelam a descoberta estocástica de blocos. Esta abordagem espelha o avanço na pesquisa de ML adversarial, como a transição de modelos de atacante único no treino de CycleGAN para ambientes mais complexos e multiadversariais. A derivação de limiares de forma fechada a partir deste modelo complexo é uma conquista técnica notável, fornecendo uma métrica concreta para avaliação de risco.

2.3 Pontos Fortes e Fracos: Méritos e Limitações do Modelo

Pontos Fortes: A principal força do artigo é a formalização de um modelo de ameaça mais realista. A inclusão da análise transitória é particularmente louvável. A maioria das análises foca-se na rentabilidade em estado estacionário, mas os mineradores operam em horizontes temporais finitos. Mostrar que o selfish mining é inicialmente não rentável e requer a espera pelo ajuste de dificuldade adiciona uma camada crucial de risco prático, tornando os pools mais "cautelosos". O rigor matemático é louvável.

Falhas & Limitações: O modelo, embora sofisticado, ainda repousa em simplificações significativas. A suposição de que os pools egoístas são "inconscientes" uns dos outros é importante. Na realidade, grandes pools são altamente observadores; dinâmicas estranhas da cadeia sinalizariam rapidamente a presença de outros mineradores egoístas, levando a um jogo mais complexo e adaptativo. O modelo também ignora a possibilidade real de conluio, o que mudaria drasticamente as dinâmicas e baixaria ainda mais os limiares. Além disso, não leva totalmente em conta os atrasos de propagação da rede e o efeito "mining gap", que são conhecidos por influenciar os resultados do selfish mining, como discutido em trabalhos subsequentes ao artigo original de Eyal e Sirer.

2.4 Insights Práticos: Para Mineradores, Pools e Projetistas de Protocolos

• Para Pools de Mineração & Monitores: Esta pesquisa é um apelo para uma monitorização reforçada. As equipas de segurança devem procurar anomalias indicativas de múltiplos mineradores egoístas em competição, não apenas um. O limiar de rentabilidade é mais baixo do que se pensa.
• Para Projetistas de Protocolos (Ethereum, Bitcoin Cash, etc.): A urgência para a transição pós-PoS ou modificações robustas do PoW (como GHOST ou outras regras de seleção de cadeia) é amplificada. Defesas concebidas para um único adversário podem ser insuficientes.
• Para Investidores & Analistas: A concentração de hashrate em poucos pools não é apenas uma preocupação de descentralização; é um multiplicador de risco de segurança direto. Avalie as cadeias não apenas pela métrica de 51%, mas pela resiliência do seu consenso ao selfish mining de múltiplos atores.
• Para a Academia: O próximo passo é modelar pools egoístas conscientes e potencialmente em conluio. A pesquisa também deve integrar isto com outros ataques conhecidos (ex.: Ataques de Suborno) para uma avaliação holística de ameaças.

3.1 Modelo de Transição de Estados

O estado do sistema é definido pela vantagem das cadeias privadas dos pools egoístas sobre a cadeia pública. Sejam $L_1$ e $L_2$ a vantagem do pool egoísta 1 e 2, respetivamente. A cadeia pública é sempre a cadeia publicada mais longa conhecida pelos mineradores honestos. As transições ocorrem com base em eventos estocásticos de descoberta de blocos:

• O pool honesto encontra um bloco: A cadeia pública avança, potencialmente reduzindo a vantagem relativa dos pools egoístas.
• O pool egoísta S1 (ou S2) encontra um bloco: Adiciona-o à sua cadeia privada, aumentando a sua vantagem $L_1$ (ou $L_2$).
• Decisão de publicação: Um pool egoísta pode publicar parte da sua cadeia privada para ultrapassar a cadeia pública quando estrategicamente vantajoso, reiniciando a sua vantagem e potencialmente causando uma reorganização da cadeia.

A cadeia de Markov captura todos os estados possíveis $(L_1, L_2)$ e as probabilidades de transição entre eles, determinadas pelos hashrates relativos $\alpha_1$, $\alpha_2$ (para S1 e S2) e $\beta = 1 - \alpha_1 - \alpha_2$ (para o pool honesto).

3.2 Formulações Matemáticas Principais

A análise resolve a distribuição de estado estacionário $\pi_{(L_1, L_2)}$ da cadeia de Markov. A métrica principal, a receita relativa $R_i$ para o pool egoísta $i$, é derivada desta distribuição. Representa a fração de todos os blocos eventualmente incluídos na cadeia canónica que foram minerados pelo pool $i$.

Condição de Rentabilidade: O selfish mining é rentável para o pool $i$ se a sua receita relativa exceder o seu hashrate proporcional: $$R_i(\alpha_1, \alpha_2) > \alpha_i$$ O artigo deriva o mínimo $\alpha_i$ (ou $\alpha$ no caso simétrico) que satisfaz esta desigualdade.

Resultado do Caso Simétrico: Quando $\alpha_1 = \alpha_2 = \alpha$, o limiar $\alpha^*$ é encontrado resolvendo: $$\frac{\alpha(1-\alpha)^2(4\alpha+\Gamma(1-2\alpha))}{(\alpha-1)(2\alpha^3-4\alpha^2+1)} = \alpha$$ onde $\Gamma$ é uma função derivada das transições de estado. A solução numérica produz $\alpha^* \approx 0.2148$ ou 21,48%.

4.1 Limiares de Rentabilidade

O artigo apresenta duas descobertas numéricas principais:

Interpretação: A figura de 21,48% é inferior ao limiar canónico de ~25%. No entanto, se um pool egoísta for maior, o pool egoísta menor precisa de um hashrate ainda mais elevado para competir de forma rentável, pois agora luta contra a rede honesta e um rival egoísta dominante. Isto cria um efeito de "oligarquia de selfish mining" onde ser o ator malicioso dominante é vantajoso.

4.2 Análise Transitória & Atraso para Rentabilidade

O artigo enfatiza que a rentabilidade não é instantânea. Como o selfish mining envolve a retenção de blocos, inicialmente reduz a taxa de recompensa de curto prazo do pool em comparação com a mineração honesta. A rentabilidade só emerge após o ajuste de dificuldade da rede Bitcoin (a cada 2016 blocos), que baixa a dificuldade do puzzle porque a taxa de blocos observada (retardada pela retenção) é mais baixa.

Descoberta Principal: O número de períodos de ajuste de dificuldade ("épocas") $D$ que um minerador egoísta deve esperar para se tornar rentável aumenta à medida que o seu hashrate $\alpha$ diminui. Formalmente, $D(\alpha)$ é uma função decrescente. Para um pool ligeiramente acima do limiar (ex.: 22%), a espera pode ser de várias épocas, representando semanas ou meses, durante as quais o capital está imobilizado e o risco da estratégia é elevado. Este atraso atua como um impedimento natural para pools menores que consideram o ataque.

Descrição do Gráfico (Conceptual): Um gráfico de linhas mostraria o "Atraso para Rentabilidade (Épocas)" no eixo Y contra o "Hashrate do Minerador Egoísta (α)" no eixo X. A curva começa muito alta para α ligeiramente acima de 0,2148, diminuindo acentuadamente e aproximando-se assintoticamente de zero à medida que α aumenta para 0,5. Isto reforça visualmente que mineradores egoístas com hashrate mais elevado colhem recompensas mais rapidamente.