Uma heurística para a detecção de ataques ao mecanismo de consenso por Prova de Trabalho em Blockchain

• Autor(a) principal: Chicarino, Vanessa Rocha Leandro
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
• Texto Completo: http://www.repositorio.mar.mil.br/handle/ripcmb/844280
• topic: Segurança; Rede ponto a ponto; Algoritmo de detecção

O conceito de Blockchain surgiu em 2008 como uma estrutura de rede distribuida, capaz de garantir segurança às transações realizadas utilizando a moeda digital Bitcoin, sem a necessidade de intermediários para validá-las. Apesar de seu início estar ligado às criptomoedas, o seu uso se diversificou. Existem vários projetos utilizando a tecnologia Blockchain, como validação de documentos, votação eletrônico e a tokenização de bens não perecíveis. Com o seu crescente uso, surge a preocupação com possíveis ataques que possam ameaçar a integridade da cadeia e comprometer a segurança dos dados. Um dos ataques mais conhecidos é chamado na literatura como "Selfish Miner", ou Minerador Egoísta, onde alguns nós maliciosos podem desviar seu comportamento do padrão ao não divulgarem imediatamente os seus blocos recém minerados, mantendo uma cadeia de blocos privada, com o objetivo de conseguir suplantar a cadeia honesta no momento da publicação, o que pode resultar em uma parcela desproporcional de recompensas para esses nós. Outro ataque é denominado Stalker Miner, ou Minerador Perseguidor, uma variação da estratégia de mineração egoísta que tem como objetivo impedir a publicação de um bloco ou transação específica de um nó, não necessariamente com fins econômicos. O objetivo desta dissertação é apresentar uma heurística para detectar a presença de ataque de mineração egoísta (e suas variações) na Blockchain que usa o algoritmo Proofof-Work (PoW) ou Prova-de-Trabalho, com base no aumento da taxa de forks, com uma determinada altura, que é apresentada quando a rede está sob influência de tais ataques. O algoritmo de detecção foi capaz de identificar com precisão 99,98% das tentativas do ataque de mineração egoísta e 99,85% dos casos de ataque do perseguidor. A avaliação do algoritmo foi realizada através da quantidade de Falsos Posistivos e Verdadeiros Positivos identiicada após a identificação da ocorrência de ataque.