Análise Empírica da Campanha de Mineração Egoísta da Qubic na Monero: Estratégia, Evidências e Impacto Económico

Índice

1. Introdução & Visão Geral

Em agosto de 2025, a rede Monero experienciou um evento de segurança significativo quando a pool de mineração Qubic anunciou publicamente e executou uma campanha de "mineração egoísta", comercializando-a como uma demonstração de uma potencial tomada de controlo de 51%. Este artigo apresenta uma análise empírica rigorosa dessa campanha. Combinando dados on-chain de nós Monero com dados da API da pool Qubic, os autores reconstroem a atividade de mineração da Qubic, identificam dez intervalos distintos consistentes com estratégias de mineração egoísta e avaliam as implicações económicas e de segurança. Contrariamente à narrativa promocional da Qubic, a análise conclui que a campanha foi amplamente não lucrativa em comparação com a mineração honesta, não conseguindo alcançar um controlo sustentado de 51% e destacando as limitações práticas dos modelos teóricos de ataque.

2. Metodologia & Recolha de Dados

A investigação empírica enfrentou desafios significativos devido às funcionalidades de privacidade da Monero, que obscurecem a atribuição direta de minerador/pool nos blocos. A metodologia do estudo é um pilar da sua contribuição.

2.1 Fontes de Dados & Reconstrução

Os autores operaram um nó de poda (pruning node) da Monero para capturar a cadeia canónica e os timestamps dos blocos. Simultaneamente, recolheram notificações de trabalhos de mineração em tempo real da API pública da pool Qubic. Ao correlacionar a dificuldade do trabalho, os timestamps e os blocos subsequentes encontrados na cadeia, reconstruíram uma linha temporal de blocos com alta probabilidade de terem sido minerados pela Qubic.

2.2 Heurísticas de Atribuição

Sem identificadores explícitos, a atribuição de blocos baseou-se em heurísticas. Um método principal envolveu análise temporal: quando um bloco era minerado muito pouco tempo depois da API da Qubic transmitir um novo trabalho com dificuldade correspondente, era atribuído à pool. Isto permitiu estimar o hashrate efetivo da Qubic e identificar potenciais períodos de retenção indicativos de mineração egoísta.

3. Resultados Empíricos & Análise

3.1 Quota de Hashrate & Intervalos de Ataque

A análise identificou dez intervalos de tempo específicos em que o comportamento da Qubic se desviou da mineração honesta. Durante estes intervalos, a quota média de hashrate da Qubic disparou para a faixa de 23-34%, significativamente acima da sua linha de base. No entanto, os dados mostram claramente que a pool nunca alcançou o hashrate sustentado >50% necessário para um ataque clássico de 51%. O ataque foi executado em rajadas, não como um assalto contínuo.

3.2 Análise de Receitas vs. Mineração Honesta

A conclusão económica central é que a estratégia de mineração egoísta da Qubic não foi lucrativa. Na maioria dos períodos analisados, as receitas obtidas com a campanha de mineração egoísta foram inferiores às receitas esperadas se a pool tivesse minerado honestamente. Isto contradiz diretamente a vantagem potencial prometida pela teoria clássica da mineração egoísta sob certas condições.

4. Modelação Técnica & Enquadramento

4.1 Modelo Clássico vs. Modificado de Mineração Egoísta

O estudo avalia as ações da Qubic contra dois modelos: o modelo clássico de mineração egoísta (Eyal e Sirer, 2014) e um modelo modificado de cadeia de Markov. Os autores observaram que a Qubic não seguiu a estratégia ótima do modelo clássico, provavelmente devido a preocupações do mundo real, como latência de rede e o risco de ser descoberta. Em vez disso, empregaram uma "estratégia de libertação mais conservadora", publicando blocos privados mais cedo do que o ótimo teórico para evitar perdê-los para a cadeia pública.

4.2 Formulação Matemática

A estratégia de mineração egoísta pode ser modelada como uma máquina de estados. Seja $\alpha$ a fração de hashrate do atacante e $\gamma$ a probabilidade de o atacante ganhar uma corrida quando a sua cadeia privada e a cadeia pública têm o mesmo comprimento. O modelo clássico define estados que representam a vantagem da cadeia privada do atacante. A receita relativa esperada $R$ do atacante é uma função de $\alpha$ e $\gamma$. O modelo modificado neste artigo ajusta as probabilidades de transição de estado para ter em conta a política de libertação conservadora, o que efetivamente reduz a receita potencial do atacante. A desigualdade chave do modelo clássico afirma que a mineração egoísta é lucrativa quando $\alpha > \frac{1-2\gamma}{3-4\gamma}$. Para um $\gamma \approx 0.5$ típico (rede justa), o limiar é $\alpha > \frac{1}{3}$. Os parâmetros inferidos da Qubic colocaram-na perto ou abaixo deste limiar durante a maioria dos intervalos, especialmente quando se considera a estratégia conservadora, explicando a falta de lucratividade.

5. Resultados & Interpretação

5.1 Receitas Observadas vs. Previstas

Os dados confirmaram amplamente a previsão de ambos os modelos, clássico e modificado: a mineração egoísta não foi lucrativa para a Qubic aos seus níveis de hashrate observados e com a sua estratégia. No entanto, o artigo nota "desvios notáveis" da curva de receitas prevista. Os autores atribuem esta lacuna a dois fatores principais: 1) Hashrate variável no tempo: A quota da Qubic não era constante, mas flutuava, tornando as suposições do modelo estático menos precisas. 2) Segmentação de ataque de grão grosso: O ataque não foi um processo suave e ótimo, mas foi executado em fases distintas e subótimas.

5.2 Impacto na Rede & Estabilidade

Apesar de economicamente ineficaz para a Qubic, a campanha induziu uma instabilidade mensurável na cadeia Monero. A taxa aumentada de blocos órfãos (blocos minerados mas não incluídos na cadeia canónica) e a presença de bifurcações de cadeia concorrentes foram mais elevadas durante os intervalos de ataque. Isto confirma que mesmo uma tentativa de mineração egoísta não lucrativa pode degradar a fiabilidade da rede e a confiança nas confirmações.

6. Insight Central do Analista: Uma Desconstrução em Quatro Passos

Insight Central: A campanha da Qubic foi menos um ataque sofisticado e mais uma prova de conceito dispendiosa e ruidosa que, em última análise, validou a resiliência do Nakamoto Consensus da Monero sob as restrições do mundo real, ao mesmo tempo que expôs o fosso gritante entre a teoria criptográfica de laboratório e a realidade complexa das redes em funcionamento.

Fluxo Lógico: O artigo traça brilhantemente o arco do sensacionalismo à realidade. A Qubic comercializou uma "tomada de controlo de 51%", aproveitando o espectro aterrador da teoria da mineração egoísta. No entanto, o trabalho forense de dados dos autores revela uma história diferente: o hashrate nunca ultrapassou o limiar crítico, e a estratégia executada foi uma versão diluída e avessa ao risco do ataque ótimo. A conclusão lógica é inescapável — a campanha foi um fracasso estratégico e económico, mas um valioso ponto de dados empíricos.

Pontos Fortes & Fraquezas: O ponto forte do estudo é o seu rigor metodológico numa área afetada pela opacidade dos dados. Criar um conjunto de dados fiável para atribuição de mineração na Monero é uma contribuição significativa, semelhante aos avanços baseados em dados na análise de MEV na Ethereum. A fraqueza, que os autores reconhecem, é a incerteza inerente às heurísticas de atribuição. Poderão alguns blocos "da Qubic" ser de outros mineradores? Esta incerteza turva ligeiramente a precisão dos cálculos de receitas. Além disso, embora adaptem o modelo de mineração egoísta, a análise poderia ser aprofundada incorporando conceitos mais avançados, como "mineração teimosa" (stubborn mining, Nayak et al., 2016) ou o impacto das taxas de transação, que são relevantes no ambiente dinâmico de recompensa de bloco da Monero.

Insights Acionáveis: Para projetistas de protocolos, este é um estudo de caso em robustez implícita. O algoritmo RandomX da Monero e a latência da rede, embora não concebidos como funcionalidades anti-mineração egoísta, criaram um ambiente hostil para a lucratividade do ataque. Projetos futuros de PoW devem considerar mecanismos explícitos, como a "Forward Block-Withholding Accountability" proposta por Gervais et al. no seu artigo CCS '16. Para pools de mineração, a lição é clara: executar um ataque teoricamente lucrativo na prática está repleto de custos e riscos ocultos, tornando a cooperação honesta a estratégia de receitas mais estável. Para a comunidade, o incidente sublinha a necessidade de ferramentas de monitorização transparentes e independentes da pool — um bem público que o conjunto de dados divulgado por este artigo ajuda a construir.

7. Direções Futuras & Perspetiva de Investigação

Esta investigação abre várias vias para trabalho futuro. Em primeiro lugar, desenvolver técnicas de atribuição de blocos mais robustas e generalizáveis para moedas de privacidade é crucial para a monitorização contínua da segurança. Em segundo lugar, a área necessita de mais estudos empíricos de outros desvios potenciais de PoW, como ataques time-bandit ou explorações de atraso de consenso, para construir uma compreensão abrangente das ameaças do mundo real. Em terceiro lugar, há uma necessidade crescente de modelar e analisar ataques híbridos que combinem mineração egoísta com outros vetores, como censura de transações ou tentativas de double-spend num contexto de preservação da privacidade. Finalmente, as lições da mineração egoísta em PoW devem informar a análise de segurança dos mecanismos emergentes de Proof-of-Stake e consenso híbrido, onde poderiam ser formulados ataques análogos de retenção de "staking" ou "validação".

8. Referências

1. I. Eyal and E. G. Sirer, "Majority is not enough: Bitcoin mining is vulnerable," in Proceedings of the 2014 International Conference on Financial Cryptography and Data Security (FC), 2014.
2. K. Nayak, S. Kumar, A. Miller, and E. Shi, "Stubborn mining: Generalizing selfish mining and combining with an eclipse attack," in Proceedings of the 2016 IEEE European Symposium on Security and Privacy (EuroS&P), 2016.
3. A. Gervais, G. O. Karame, K. Wüst, V. Glykantzis, H. Ritzdorf, and S. Capkun, "On the security and performance of proof of work blockchains," in Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security (CCS), 2016.
4. Monero Project. "RandomX." [Online]. Disponível: https://github.com/tevador/RandomX
5. Qubic Pool. "Public API Documentation." (Acedido através do estudo).
6. J.-Y. Zhu, T. Park, P. Isola, and A. A. Efros, "Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks," in Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2017. (Citado como exemplo de um artigo seminal que estabeleceu um novo referencial empírico e enquadramento, análogo ao objetivo deste trabalho na segurança de blockchain).