TWI841910B

TWI841910B - 相關於區塊鏈挖礦的工作量證明的方法和運算裝置

Info

Publication number: TWI841910B
Application number: TW111103651A
Authority: TW
Inventors: 薛智文
Original assignee: 全馨資訊有限公司
Priority date: 2021-02-07
Filing date: 2022-01-27
Publication date: 2024-05-11
Also published as: WO2022166791A1; CN116235198A; TW202244763A

Abstract

本發明實施例提供一種相關於區塊鏈挖礦的工作量證明的方法和運算裝置。在方法中，接收區塊。決定區塊對應的多個隨機數的雜湊值是否符合條件。反應於區塊對應的多個隨機數中的第一隨機數的第一雜湊值符合條件，繼續決定區塊對應的多個隨機數中的第二隨機數的第二雜湊值符合條件。驗證多個隨機數中符合條件的至少二個隨機數。藉此，可解決區塊鏈的耗能問題，建立區塊鏈可估算的完整準確數學模型，並據以適用於以數學保證信任程度的各種應用。

Description

相關於區塊鏈挖礦的工作量證明的方法和運算裝置

本發明是有關於一種區塊鏈(blockchain)技術，且特別是有關於一種相關於區塊鏈挖礦(blockchain mining)的工作量證明(Proof-of-work，PoW)的方法和運算裝置。

在比特幣(Bitcoin)的白皮書中分別使用用語“區塊”與“鏈”，隨著發展出密碼貨幣(cryptocurrency)。在區塊鏈名稱決定之前，比特幣已是首先提出的區塊鏈應用。而區塊鏈技術發展至今，除了比特幣，還有超過一萬五千種密碼貨幣。另外，現今已發展出區塊鏈的多種特徵以符合在互聯網(Internet)中不同應用對落實信任的需求。例如，智能合約(smart contract)，它是一種受對等節點(peer node)驗證的可信任程式。

值得注意的是，工作量證明是一種基於密碼學的(cryptographic)證明，使證明者可向他人(驗證者)證明已花費一定量的特定運算努力。而驗證者只要花費最少的努力來確認。另外，可透過從要求者發出部分資料給業務提供者來表現工作量證明。工作量證明首先提出來用於避免垃圾郵件，並透過傳送郵件前進行一些夠大量的工作來實現。而在比特幣中的基於雜湊(hash)的工作量證明是用於證明已完成足夠的運算量，並讓贏家可附加新的區塊。值得注意的是，工作量證明的能耗問題是由於要競爭足夠的工作以儘早獲得高額的獎勵。由於比特幣的供應有限與持有的集中化，使得比特幣的價格跳升造成了高額的獎勵。

有鑑於此，本發明實施例提供一種相關於區塊鏈挖礦的工作量證明的方法和運算裝置，透過增加隨機數來提升信任度並降低能耗。

本發明實施例的相關於區塊鏈挖礦的工作量證明的方法包括(但不僅限於)下列步驟：接收區塊。決定區塊對應的多個隨機數(nonce)的雜湊值是否符合條件。反應於區塊對應的多個隨機數中的第一隨機數的第一雜湊值符合條件，繼續決定區塊對應的多個隨機數中的第二隨機數的第二雜湊值符合條件。驗證多個隨機數中符合條件的至少二個隨機數。

本發明實施例的相關於區塊鏈挖礦的工作量證明的運算裝置包括(但不僅限於)記憶體和處理器。記憶體用以儲存程式碼。處理器耦接記憶體。處理器經配置用以載入且執行程式碼以接收區塊。決定區塊對應的多個隨機數的雜湊值是否符合條件，驗證多個隨機數中符合條件的至少二個隨機數。處理器經配置用以還經配置用以反應於區塊對應的多個隨機數中的第一隨機數的第一雜湊值符合條件，繼續決定區塊對應的多個隨機數中的第二隨機數的第二雜湊值符合條件。

基於上述，根據本發明實施例的相關於區塊鏈挖礦的工作量證明的方法和運算裝置，即使已有多個隨機數的雜湊值符合條件，但仍需根據區塊內的資料計算是否符合其他如時限、手續費等條件。藉此，可解決區塊鏈的耗能問題，並確保信任度。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

100:運算裝置

110:記憶體

130:通訊收發器

150:處理器

S210~S230、S1~S7:步驟

t:目標值

T:最大值限

m:符合條件的試驗所需數量

m’:符合條件的試驗總數量

n:試驗的總數量

圖1為根據本發明實施例的運算裝置的元件方塊圖。

圖2為根據本發明實施例的方法的流程圖。

圖3為根據本發明實施例的工作量證明的流程圖。

圖4為根據本發明實施例的工作量證明的示意圖。

現將詳細地參考本發明的示範性實施例，示範性實施例的實例說明於圖式中。只要有可能，相同元件符號在圖式和描述中用來表示相同或相似部分。

圖1為根據本發明實施例的運算裝置100的元件方塊圖。請參照圖1，運算裝置100包括(但不僅限於)記憶體110和處理器150。運算裝置100可以是電腦、伺服器、智慧手機、平板電腦、挖礦機或其他電子裝置。

記憶體110可以是任何類型的固定或可移動隨機存取記憶體(random-access memory；RAM)、唯讀記憶體(read-only memory；ROM)、快閃記憶體、類似裝置或以上裝置的組合。記憶體110記錄程式碼、裝置配置、緩衝器資料或永久資料(例如雜湊值、隨機數、目標值或條件)，且稍後將介紹這些資料。

處理器150耦接記憶體110。處理器150配置成載入並執行儲存在記憶體110中的程式碼，以進行本公開的示範性實施例的程式。

在一些實施例中，處理器150可以是中央處理單元(central processing unit；CPU)、微處理器、微控制器、圖形處理單元(graphics processing unit；GPU)、數位信號處理(digital signal processing；DSP)晶片、現場可程式設計閘陣列(field-programmable gate array；FPGA)或神經網路加速器。處理器150的功能也可由獨立電子裝置或積體電路(integrated circuit；IC)實施，且處理器150的操作也可透過軟體來實施。

在一些實施例中，運算裝置100還包括通信收發器130。通信收發器130可以是支援例如藍牙(Bluetooth)、Wi-Fi、行動通信、IR無線通訊、USB、乙太網路(Ethernet)、光纖網路等的通信介面或無線收發器。在一些實施例中，通信收發器130用於與外部裝置通信，以便從外部裝置接收資料或將資料傳輸到外部裝置。例如，接收或傳送區塊。

在以下實施例中將以運算裝置100中的元件和模組來解釋本發明實施例所提供的相關於區塊鏈挖礦的工作量證明的方法。方法的每個步驟可根據實際實施情況進行調整，且不應限於本文中所描述的內容。

圖2為根據本發明實施例的方法的流程圖。請參照圖2，處理器150接收區塊(步驟S210)。例如，處理器150透過通訊收發器130接收來自發佈者、業務提供者的伺服器或其他節點所提供的區塊。又例如，處理器150自經由輸入介面(圖未示)接收來自儲存裝置所儲存的區塊。然而，本發明實施例不加以限制區塊的來源或產生方式。

處理器150決定所述區塊對應的多個隨機數的雜湊值是否符合條件(步驟S220)。具體而言，為了得出工作量證明，會採用特定演算法，以透過花費時間和運算資源來運算出演算法的結果。例如，比特幣(Bitcoin)區塊鏈採用雜湊演算法作為工作量證明，讓各節點經由工作量證明運算來生成有效的新區塊，並經由其他節點驗證。

在一實施例中，區塊的標頭(header)包括隨機數(nonce)。處理器150可將隨機數結合其他資料(來自區塊的標頭或其他來源的資料)，並將兩者的混合值(即，隨機數與其他資料結合後的值)代入雜湊函數以得出雜湊值。在一實施例中，處理器150可決定區塊對應的一個或更多個隨機數的雜湊值是否未大於目標值。當雜湊值大於目標值，則處理器150可視為這雜湊值未符合條件。而當雜湊值未大於(例如，小於或等於)，則處理器150可視為這雜湊值符合條件。也又是說，這實施例的條件是未大於目標值。然而，在其他實施例中，處理器150可能使用隨機數進行其他運算所得出的如同雜湊值相當隨機的值。

在一實施例中，當雜湊值未符合條件時，處理器150可改變隨機數。例如，將隨機數加一、加特定值、或帶入特定數學式。接著，處理器150再基於新的隨機數得出其雜湊值，並決定雜湊值是否符合條件。

在一實施例中，反應於區塊對應的多個隨機數中的第一隨機數的第一雜湊值符合條件，處理器150繼續決定區塊對應的多個隨機數中的第二隨機數的第二雜湊值符合條件。也就是說，當雜湊值符合條件時，處理器150仍可改變第一隨機數，以生成第二隨機數。接著，處理器150再基於第二隨機數得出其雜湊值，並決定雜湊值是否符合條件。

在一實施例中，處理器150可決定那些隨機數中符合條件的數量是否等於m個。m為大於0的正整數。例如，2、5、或8。也就是說，只要有隨機數符合條件，處理器150收集或儲存這隨機數在記憶體110，直到符合條件的隨機數的數量等於m個。在一些應用情境中，若m=1，則可等同於比特幣的做法。若m=2，則可等同於可估計工作量證明(Estimatable Proof-of-Work，EPoW)。這實施例稱為保守型通用工作量證明(Conservative General Proof-of-Work，GPoW)。

在一實施例中，通用工作量證明的估計算力的可信任程度C相關於m。例如，n次試驗中保守型GPoW收集到正好m個隨機數的機率是如下公式(3)，n的平均值可用來估計算力(成反比)。根據貝氏定理(Bayes’Theory)，假設每次試驗的機率是1，估計算力的變異係數(Coefficient of Variation)為

。而估計算力可信任程度C是1減去其變異係數CV。即，C=1-CV。例如，m=10的試驗中，可信任程度可高達90.09%。若m=1000，可信任程度甚至接近99.9%。在一實施例中，處理器150可根據可信任程度C和/或變異係數CV決定m。例如，先設定可信任程度C的值，再解出最小的m，使得該公式小於1-C。

在一實施例中，處理器150可決定那些隨機數中符合條件的數量是否等於m’個。m’為大於m正整數。例如，10、6、或7。也就是說，即便已收集到m個符合條件的隨機數，只要有其他隨機數仍符合條件，處理器150收集或儲存這隨機數在記憶體110，直到符合條件的隨機數的數量等於m’個。m’是各節點可以自訂的數位，只要時間小於區塊區間(block interval)的一半內找得到m’個隨機數，同時不會落後最先送出區塊的時間，就有機會被接受。這實施例稱為積極型通用工作量證明(Aggressive General Proof-of- Work，GPoW)。

在一實施例中，第m個順序統計量(Order Statistics)還相關於beta分佈。beta分佈可用於解釋以m為前提的基於雜湊的工作量證明的行為，並待後續實施例詳述。

處理器150可驗證那些隨機數中符合條件的至少二個隨機數(步驟S230)。在一實施例中，處理器150可透過通訊收發器130發送或廣播符合條件的至少二個隨機數給其他節點，並透過其他節點驗證這些隨機數的雜湊值是否確實符合條件。在另一實施例中，處理器150也可透過通訊收發器130接收來自其他節點所發送的至少二個隨機數，並驗證這些隨機數的雜湊值是否確實符合條件。而某一個節點所運算的這些隨機數一併可記錄在區塊的標頭中，並由其他節點驗證這區塊是否符合條件。

在一實施例中，反應於所述多個隨機數中符合所述條件的數量等於m個或等於m’個，處理器150可透過通訊收發器130發送那m個隨機數以供驗證。例如，將m個隨機數記錄在區塊中，並廣播這區塊。

在一實施例中，反應於驗證區塊中資料都成功符合條件，處理器150可更新新區塊。例如，若m個隨機數的雜湊值符合條件(例如是，其估計算力在允許範圍中，其共同祖先區塊在規定範圍，手續費合乎規定等)，則處理器150可選出時算力(PowerTimeStamp)最先的區塊，早於一時間差範圍者為先，否則再比算力大者為先，從而重置當前區塊並更新成最新區塊。而更新區塊可採用如步驟S210所述的接收另一個區塊來實現。

在一實施例中，處理器150可根據符合條件的最小m個隨機數的雜湊值平均決定工作量證明的估計算力。

在一實施例中，處理器150可根據其估計算力在祖父區塊估計算力±200%範圍或其他容許範圍的結果決定隨機數成功符合條件。

在一實施例中，處理器150可根據共同祖先區塊在含祖父區塊以上的結果決定隨機數成功符合條件。

在一實施例中，處理器150可根據手續費為零的結果決定隨機數成功符合條件。

在一實施例中，處理器150可根據網路時間誤差(如十分之一秒)，設定時算力的時間差範圍。

假設這裡只計產生一次GPoW區塊的m個隨機數所需的m個雜湊值，則本發明實施例所提出的GPoW在測量下相較於比特幣(甚至所有傳統PoW)降低許多能耗。

以下說明基於雜湊函數的工作量證明的整體流程(可由運算裝置100或其他裝置實現)。圖3為根據本發明實施例的工作量證明的流程圖。請參照圖3，決定是否接收到區塊(步驟S1)。增加隨機數(步驟S2)。例如，隨機數加1。決定區塊的標頭的隨機數所得出的雜湊值是否未大於目標值(步驟S3)。決定是否收集到m個具有未大於目標值的雜湊值的隨機數(步驟S4)。若尚未收集到m個隨機數，則禁能/停止/不廣播隨機數給其他節點來驗證，並繼續增加隨機數。而若收集到m個隨機數，則將包括m個隨機數的區塊廣播至其他節點來驗證以確認是否已挖到礦，並重置挖礦(步驟S5)。另一方面，可驗證已挖的區塊(步驟S6)。若驗證失敗(即，拒絕)，則增加隨機數(步驟S2)並得出其雜湊值。若驗證成功(即，接受)，則確認區塊並重置挖礦(步驟S7)。

值得注意的是，GPoW延續EPoW，並將共識機制從EPoW的一個PoW兩個隨機數擴展到m個隨機數。也就是搜集m個讓區塊標頭(block header)的雜湊函數或其他運算後的值小於特定目標值t的隨機數。其中，這些隨機數包含於區塊的標頭，而EPoW是將共識機制由比特幣的一個PoW(只含一個隨機數)擴充而來，m、隨機數與雜湊值都是正整數。所謂保守型GPoW是因為擴展到m個隨機數後，若搜集了m個隨機數即廣播挖到礦。而積極型GPoW是進一步擴展到m’個隨機數，搜集了m個隨機數後繼續搜集更有利的隨機數直到滿意為止。例如，找到更高的最大雜湊值，更低的最小平均雜湊值(代表真正算力)，甚至更高的其他次高雜湊值等。GPoW主要就是解決區塊鏈的耗能問題，並建立區塊鏈可估算的完整準確數學模型，來進行以數學保證信任程度的各種應用。區塊的接受或報酬通常基於真正算力，當然也可以基於由其他隨機數代表的雜湊值所構成的公式，所以從m’個隨機數選哪m個來廣播會有不同考慮，甚至跟m值的設定有關。

GPoW可依照比特幣與EPoW的方式將所搜集的m個隨機數放在一個區塊標標頭內廣播出去受驗證。關鍵是如何設定目標值使得上述的變異係數能代表所估計算力的信任程度。先求平均試驗數N與最大雜湊值的平均值X的聯立方程組，表示試驗若干次之後會出現的最穩定而可信任的系統狀態，分別得出解n與x後，可求出x與目標值t的關係。例如，可以設定個別公式的權重求極值解或數值解，或像比特幣根據歷史動態調整目標值使得變異係數或信任程度在預設範圍內，以及調整目標值使得每次挖礦驗證成功的區塊數量在一定的範圍內以提高效率。因為x必須不大於t才能挖到礦，所以x

t<T，整數T是雜湊值的最大值限。因此，t減x的值越小就是這系統越穩定或是越可信任的指標。而t越大表示越容易挖到礦，所以最可信任中最難挖到礦的t是x，最容易的t是T-v，v是系統中雜湊值可區分的最小單位值，未正規化時是1。若X _(i)變數正規化到0與1之間，v為1/T，x與t的關係變成x

t<1。根據這樣設定的目標值t所運作的系統就是可信可控的，甚至可設定t=x+wv，w≧1越大代表系統允許的各個參數運作彈性越大。從可控的算力估計，可進而設計其他相關的系統函數，就算部分系統設計是與算力無關的，如實名制或匿名制，也可以在算力可控後間接用來防治與算力相關的女巫攻擊，而節省能耗所得的算力更可用在任何系統的優化設計，如分散式同步(distributed synchronization)與全域事件順序(global event ordering)。因此，GPoW的發明解決了目前區塊鏈所有的技術問題，除了既得利益的舊勢力抵制與保守的觀望人性，還沒遇到不能解決的問題。

圖4為根據本發明實施例的工作量證明的示意圖。請參照圖4，假設雜湊值是0至2²⁵⁶-1中的一個值，即最大雜湊值T=2²⁵⁶-1。雜湊值是在[0,T=2²⁵⁶)中均勻分佈的整數。加上值2^256可被正規化成標準連續的均勻分佈[0,1]，以適用於beta分佈或其他分佈的分析。T為正規化的目標值，n為運算試驗(trial)的總數量，m為所需有效隨機數的數量(也是符合條件的試驗所需數量)，m’為所有符合條件隨機數的數量(也是符合條件的試驗總數量)。其中，1s也就是一秒，表示在一實例中區塊間隔為2秒的一半以估計m’的最大值。而基於順序統計量(Order Statistics)的概念，X_k為第k次試驗的雜湊值，X_(k)為第k大的雜湊值。假設X_i=(1)為最小雜湊值，且X_j=(n)為最大雜湊值。因此，X_n=i=(1)為具有最小雜湊值的最後試驗。注意圖中最下方的X_n可能出現在包含最大雜湊值與最小雜湊值之間的任何地方。

假設給定任意隨機變數X₁、X₂、...、X_n，且順序統計量X₍₁₎、X₍₂₎、...、X_(n)也是隨機變數(例如，對隨機變數X₁、X₂、...、X_n的值以昇冪(increasing order)排序)。對於獨立隨機變數，在單位期間上的均勻分佈的順序統計量具有屬於beta分佈家族的邊際分佈(marginal distribution)。針對隨機變數X₁、X₂、...、X_n的樣本，假設有累積分佈函數(Cumulative Distribution Function，CDF)F _X(x)及機率密度函數(Probability Density Function，PDF)f _X(x)=F' _X(x)。而針對這些樣本的順序統計量的累積分佈函數為：

，且對應的機率密度函數為：

也就是說，

是在未大於x的隨機變數X₁、X₂、...、X_n中至少m個變數的事件的機率。此外，

。這機率相同於在n個試驗中未大於目標值x的至少m個雜湊值的機率。

若定義U _k=F _X(X _k)以自標準均勻分佈中取得對應隨機樣本U ₁、...、U _n。順序統計量同樣滿足U _(i)=F _X(X _(i))。針對標準均勻分佈給出F _U(u)=u，則f _U(u)=1。而第m個順序統計量U _(m)的機率密度函數為：

也就是說，均勻分佈中的第m個順序統計量是成beta分佈的隨機變數。例如，U _(m)~Beta(m,n-m+1)。其中，假設為u給予目標值t，則具有至少m個隨機數的正規化GPoW挖礦的行為是U _(m)。由此可知，在beta分佈中的統計方程式可應用在GPoW挖礦。

基於上述，在本發明實施例的相關於區塊鏈挖礦的工作量證明的方法和運算裝置中，增加用於區塊鏈挖礦的單一隨機數的數量，提供具有高信任程度的可估算力的目標值，並提供適用於m或m’個隨機數的數學模型。藉此，可有效避免攻擊，降低功耗，提升信任程度，及/或改進安全或系統彈性度。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

S210~S230:步驟

Claims

一種相關於區塊鏈挖礦的工作量證明的方法，包括：透過一處理器接收一區塊；透過該處理器決定所述區塊對應的多個隨機數的一雜湊值是否符合一條件，其中反應於所述區塊對應的所述多個隨機數中的一第一隨機數的一第一雜湊值符合所述條件，透過該處理器繼續決定所述區塊對應的所述多個隨機數中的一第二隨機數的一第二雜湊值符合所述條件；以及透過該處理器驗證所述多個隨機數中符合所述條件的至少二個隨機數。
如請求項1所述的相關於區塊鏈挖礦的工作量證明的方法，決定所述區塊對應的所述多個隨機數的雜湊值是否符合所述條件的步驟包括：透過該處理器決定所述區塊對應的所述多個隨機數所在的區塊標頭的雜湊值是否未大於一目標值。
如請求項1所述的相關於區塊鏈挖礦的工作量證明的方法，還包括：透過該處理器決定所述多個隨機數中符合所述條件的數量是否等於m個，其中m為大於一的正整數；以及反應於所述多個隨機數中符合所述條件的數量等於m個，透過該處理器發送所述m個隨機數以供驗證。
如請求項3所述的相關於區塊鏈挖礦的工作量證明的方法，還包括：透過該處理器決定所述多個隨機數中符合所述條件的數量是否等於m’個，其中m’為大於m的正整數，且第m’個順序統計量相關於beta分佈；以及反應於所述多個隨機數中符合所述條件的數量等於m’個，透過該處理器發送所述m個隨機數以供驗證。
如請求項1所述的相關於區塊鏈挖礦的工作量證明的方法，還包括：反應於驗證所述多個隨機數中符合所述條件的所述至少二個隨機數都成功，透過該處理器重置所述區塊並更新成一新區塊。
如請求項3所述的相關於區塊鏈挖礦的工作量證明的方法，其特徵在於，還包括：透過該處理器根據符合所述條件的具有最小平均雜湊值的m個隨機數的雜湊值平均決定算力，且估計算力的變異係數為
。
一種相關於區塊鏈挖礦的工作量證明的運算裝置，包括：一記憶體，用以儲存一程式碼；以及一處理器，耦接所述記憶體，並經配置用以載入且執行所述程式碼以：接收一區塊；決定所述區塊對應的多個隨機數的雜湊值是否符合一條件，其中反應於所述區塊對應的所述多個隨機數中的一第一隨機數的一第一雜湊值符合所述條件，繼續決定所述區塊對應的所述多個隨機數中的一第二隨機數的一第二雜湊值符合所述條件；以及驗證所述多個隨機數中符合所述條件的至少二個隨機數。
如請求項7所述的相關於區塊鏈挖礦的工作量證明的運算裝置，所述處理器還經配置用以：決定所述區塊對應的所述多個隨機數所在的區塊標頭的雜湊值是否未大於一目標值。
如請求項7所述的相關於區塊鏈挖礦的工作量證明的運算裝置，所述處理器還經配置用以：決定所述多個隨機數中符合所述條件的數量是否等於m個，其中m為大於一的正整數；以及反應於所述多個隨機數中符合所述條件的數量等於m個，發送所述m個隨機數以供驗證。
如請求項9所述的相關於區塊鏈挖礦的工作量證明的運算裝置，所述處理器還經配置用以：決定所述多個隨機數中符合所述條件的數量是否等於m’個，其中m’為大於m的正整數，且第m’個順序統計量相關於beta分佈；以及反應於所述多個隨機數中符合所述條件的數量等於m’個，發送所述m個隨機數以供驗證。
如請求項7所述的相關於區塊鏈挖礦的工作量證明的運算裝置，所述處理器還經配置用以：反應於驗證所述多個隨機數中符合所述條件的所述至少二個隨機數都成功，重置所述區塊並更新成一新區塊。
如請求項9所述的相關於區塊鏈挖礦的工作量證明的運算裝置，所述處理器還經配置用以：根據符合所述條件的具有最小平均雜湊值的m個隨機數決定算力，且估計算力的變異係數為
。