科學家學術論文描述針對以太坊PoS鏈的3種攻擊方法

10月31日消息，來自斯坦福大學和以太坊基金會的計算機科學家Caspar Schwarz-Schilling、Joachim Neu、Barnabé Monnot、Aditya Asgaonkar、Ertem Nusret Tas、David Tse最近撰寫一份新白皮書，描述了針對以太坊PoS（權益證明）鏈的3種攻擊方法。該白皮書揭示了最近出現的兩次以太坊網絡攻擊，并且該論文的作者改進了這些技術。

除了前兩種方法（理論上會造成“短程重組”和“對抗性網絡延遲”）的改進之外，計算機科學家還提出了第三種攻擊。“結合兩種改進的攻擊技術，我們獲得了第三種攻擊，它允許擁有極少權益（stake）且無法控制網絡消息傳播的對手進行甚至是遠程（long-range）共識鏈重組。”作者們補充說，“誠實但理性或有意識形態動機的驗證者可以利用這種攻擊來增加他們的利潤或阻塞協議，從而威脅到PoS Ethereum的激勵一致性和安全性。該攻擊還可能導致投票處理擁堵導致共識不穩定。”

同時，以太坊網絡批評者使用這篇論文強調當網絡過渡到完整的PoS系統時與這些攻擊相關的潛在漏洞。Chia創始人、Bittorrent創建者Bram Cohen發布關于這項新研究的推文。Chia支持者回應稱，“讓我們在一年后重溫你的推文，看看Chia與ETH相比取得了什么成就。請考慮你的態度，正在拒絕像我這樣的社區成員。”

該論文的作者總結道，“我們的攻擊也使得可能出于意識形態動機的先天性惡意行為者推遲并在某些情況下徹底拖延達成共識的決定。第4.2節的改進攻擊為攻擊者提供了一種工具來做到這一點，即使攻擊者無法控制消息傳播延遲（這被認為是概率性的）。”（Bitcoin.com）

動態 | 數據科學家使用深度學習來實時預測BTC價格:印度韋洛爾技術大學的一名數據科學家提出了一種方法，據稱可以利用長短時記憶（Long Short-Term Memory，LSTM）神經網絡實時預測加密貨幣價格。在12月2日發表的一篇博客文章中，研究者Abinhav Sagar展示了一個四步過程，即如何使用機器學習技術預測一個“與傳統市場相比相對不可預測”的行業的價格。 Sagar提出的四步方法包括：1）收集實時加密貨幣數據；2）準備用于神經網絡訓練的數據；3）使用LSTM神經網絡測試預測；4）可視化預測結果。（Cointelegraph）[2019/12/2]

聲音 | “渤海糧倉”首席科學家：研究示范農業區塊鏈技術:7月6日消息，中國科學院農業資源研究中心研究員、“渤海糧倉”科技示范工程首席科學家劉小京在近日接受第一財經記者采訪時表示，“渤海糧倉”科技示范工程是在李振聲院士倡導下，于2013年啟動實施的國家科技支撐計劃項目。他說，為了滿足高質量農產品生產和消費的需求，要研究示范農業區塊鏈技術，全面提升農產品的供給質量和效益。[2018/7/6]

OK區塊鏈工程院首席科學家劉杰：區域鏈技術可分為四個方向:近日，OK區塊鏈工程院首席科學家劉杰表示，區域鏈技術可分為四個方向：一是有關區塊鏈網絡效率。在通過以太坊或者一些鏈進行交易的時候，每秒鐘處理速度直接影響了我們區塊鏈的應用。二是區塊鏈智能合約安全。此前交易所出的問題，因為智能合約數據溢出的問題，智能合約審核和簽訂變得非常重要，因為代碼是一種規則的，如果規則錯了，會使得安全變得不可信。三是區塊鏈和AI技術的結合。基于AI和大數據方法，可以在區塊鏈上產生一些約束力。四是政府監管的問題。[2018/5/28]