Por Craig Wright | 30 de marzo de 2023 | Monedas y sistemas alternativos
Abstracto
Este documento presenta una investigación preliminar sobre BTC Lightning Network. Al modelar la reutilización de transacciones y mapear la reutilización de direcciones alineadas a medida que se abren y cierran canales Lightning, fue posible correlacionar cantidades en nodos separados. Se demuestra que muchos usuarios de Lightning Network no tomaron las medidas adecuadas para proteger la privacidad de su información, a pesar de que el sistema se desarrolló para aumentar el anonimato.
Tabla de contenido
Proyecto de Investigación en Geografía/Estadística
[Medición de Lightning](https://craigwright.net/blog/alternative-coins-systems/measuring-lightning/#_Toc129352139)
Justificación de la investigación
Limitaciones y Delimitaciones del Estudio
Análisis de correlación y análisis de regresión bivariado
Medición de Lightning
Introducción
BTC Lightning Network se promociona como una solución de escalado para la red BTC Core. Esta rama del protocolo original de Bitcoin se basa en utilizar un sistema externo fuera de la cadena de bloques para crear anonimato (Tikhomirov et al., 2020). Sin embargo, muchas personas que usan la red BTC Core agregan pagos en direcciones únicas, en lugar de seguir lo que se recomienda en el documento técnico de Bitcoin: “se debe usar un nuevo par de claves para cada transacción para evitar que se vinculen a un propietario común” ( Wright, 2008, pág. 6).
La red Lightning tiene canales internos que son más difíciles de modelar, ya que no registran transacciones como en la red Bitcoin. En consecuencia, el modelado de la red debe realizarse en la apertura y el cierre de los canales Lightning, mediante la correlación estadística de valores entre direcciones conocidas o coincidentes, y mediante un análisis más complejo de los canales que se han abierto o cerrado. Este ejercicio se basa en la captura de datos en la red Lightning entre 2020 y 2022. Dicha información está disponible públicamente y el análisis se ha proporcionado para analizar el comportamiento de las personas que utilizan direcciones de pago comunes.
Antecedentes del Problema
Múltiples académicos han analizado la reutilización de direcciones en sistemas basados en blockchain para analizar la relación de transacciones entre varias partes por diferentes motivos (Jourdan et al., 2019). Por ejemplo, algunos investigadores han ampliado el análisis de las transferencias de direcciones para crear algoritmos de reconocimiento de entidades que modelan las características de las transacciones en la cadena de bloques (Wang, 2023). Otros investigadores han extendido la reutilización común de direcciones al desarrollo de algoritmos de aprendizaje automático que prometen capturar información sobre transacciones.
En cada caso, la capacidad de modelar rutas de transacciones se basa en el uso indebido del sistema de transacciones y en el tratamiento erróneo de las direcciones de Bitcoin como cuentas (Wu et al., 2021). Esta investigación se basa en la misma falla implementada utilizando la red BTC Lightning. Podemos suponer que las personas no implementarán controles de privacidad cuando las direcciones no se reutilicen. En ese caso, este problema puede demostrar la capacidad de correlacionar transacciones entre la apertura y el cierre de canales de pago asociados con la red Lightning.
Justificación de la investigación
La red Lightning se ha introducido como un sistema de “capa 2” para aumentar el anonimato de realizar transacciones utilizando la red BTC Core. Por ejemplo, Sguanci et al. (2021, p. 16) sostienen que “la privacidad garantizada por Lightning Network es bastante sólida”. Esta introducción del anonimato cambia la naturaleza de Bitcoin, trasladando el objetivo deseado de la privacidad al anonimato. Esta distinción brinda vías para el lavado de dinero y el abuso del sistema, que es mucho más limitado cuando todas las transacciones se registran públicamente en la cadena de bloques. En consecuencia, esta investigación está diseñada para analizar si se pueden encontrar correlaciones entre las direcciones y la apertura y cierre de canales a lo largo del tiempo.
Modelo Teórico/Conceptual
La prueba de correlación producto-momento de Pearson intenta trazar una línea de mejor ajuste a través de los datos disponibles entre dos variables. Esta estadística mide el grado de correlación entre dos variables y se utiliza cuando los resultados trazados en un gráfico de dispersión indican que puede existir una relación lineal. El valor de correlación de Pearson mide la fuerza y dirección de una relación lineal entre las variables. El estadístico, el coeficiente de correlación, puede variar desde un mínimo y una correlación negativa de -1 hasta un valor máximo de +1, donde el resultado es una correlación positiva perfecta. La estadística devolverá 0 cuando no se vea que existe una correlación (Liu, 2019).
Puth et al. (2014) señalan que los dos supuestos principales asociados con esta estadística son que los individuos de la muestra son estadísticamente independientes y que la población forma una distribución normal bivariada. Los investigadores sostienen que es necesario "fortalecer" el coeficiente de correlación producto-momento de Pearson y que puede fallar cuando hay valores atípicos u observaciones influyentes sustanciales (Zinzendoff Okwonu et al., 2020). En consecuencia, se debe tener cuidado al seleccionar esta estadística sin probar suposiciones o valores atípicos.
Pregunta de investigación
¿Existe una relación estadísticamente significativa entre la coincidencia de direcciones en el tamaño del canal y las cantidades económicamente significativas que se transfieren (más de 0,1 BTC)?
Hipótesis
Hipótesis nula (H 0 ): no existe una relación estadísticamente significativa entre el número de BTC transferidos y la coincidencia de direcciones conocidas.
Hipótesis alternativa (H 1 ): Se puede encontrar que existe una relación estadísticamente significativa entre el número de BTC transferidos y la coincidencia de direcciones conocidas.
Limitaciones y Delimitaciones del Estudio
Esta investigación se centra en un estudio preliminar de las transacciones en la red Lightning. El análisis se lleva a cabo durante un solo mes y se ha limitado a las transacciones abiertas y cerradas dentro del mismo período de tiempo. Por lo tanto, la correlación de valores durante períodos más largos puede variar o ser más significativa. La investigación presentada en este documento es una investigación preliminar sobre las acciones de las personas que utilizan la red BTC Lightning y demuestra una falta de comprensión asociada con el concepto de no reutilizar las direcciones. Además, el costo de abrir un canal Lightning puede alterar el comportamiento del consumidor, limitando a aquellos en la red a utilizar formas de intercambio de transacciones menos favorables.
Cuando se considera que el costo de abrir un canal Lightning incluye las tarifas de BTC (Shang et al., 2023), puede alterar el comportamiento del consumidor. La correlación observada en este documento puede estar causalmente relacionada con las reacciones asociadas con el pago de la tarifa y el costo económico. Sin embargo, tal actividad no explica la continua reutilización de direcciones, incluso cuando se utilizan grandes direcciones. En consecuencia, se debe realizar un estudio adicional para analizar los cambios en el comportamiento del usuario, con base en una tarifa de entrada variable y con la comparación con transacciones de pago de tarifas bajas, incluidas las transacciones de micropagos por debajo de un centavo de EE. UU.
Conjunto de datos
La información asociada con la cadena de bloques de Bitcoin está disponible públicamente. Esta información ha sido recolectada utilizando metodologías desarrolladas e implementadas por el autor, las cuales están asociadas a la medición de interconectividad de redes y captura de transacciones (Javarone & Wright, 2018a, 2018b). Además, la recopilación de información sobre la red BTC Core se amplía utilizando técnicas de modelado de red derivadas de técnicas similares. La recopilación de datos de la red Lightning está descrita por Zabka et al. (2021). Además, Herrera-Joancomartí et al. (2019) documentan el método utilizado para determinar los cambios en los saldos de canales de Lightning Network y capturar cuándo se actualizan.
El conjunto de datos incorpora la captura de información relacionada con las actualizaciones del canal y la compara con la información de la cadena de bloques pública de BTC. De dicha información, se ha extraído un conjunto de datos más pequeño. Cuando se observa que los canales Lightning se abren o cierran, y los montos en esos sistemas coinciden con las direcciones de pago de la misma entidad utilizando las técnicas mencionadas anteriormente en este documento para eliminar el anonimato de las transacciones, el valor se registra como 1 donde pertenecen la dirección de entrada y *salida* . a la misma entidad. Del mismo modo, cuando las direcciones no pueden coincidir activamente con la misma entidad, el valor se registra como *0* .
A continuación, se registraron los valores de entrada y salida para los canales de apertura y cierre. Cuando la transacción total fue superior a 0,1 BTC, ya sea para la apertura o el cierre de transacciones para iniciar o cerrar un canal en la red Lightning, se registró un *1 en la base de datos.* Cuando el valor estaba por debajo de 0,1 BTC, se registraba un *0 .* La información se limitó a febrero de 2023, y cuando no se capturó ninguna información de la entidad, se excluyó la información. Para el análisis se extrajeron un total de 363 transacciones con direcciones BTC reutilizadas y referenciadas.
Tabla 1:
Estadísticas descriptivas
Significar Estándar Desviación norte
Hacer coincidir los canales de entrada y salida .44 .496 363
¿La entrada es superior a 0,1 BTC? .45 .498 363
¿La salida es superior a 0,1 BTC? .42 .494 363
Las estadísticas descriptivas del conjunto de datos se incluyen y resumen en la tabla 1. Cuando los canales de pago se abrieron y cerraron el mismo mes, la información se registró donde las direcciones coincidían con las condiciones mencionadas anteriormente. Por ejemplo, supongamos que se financió una dirección para abrir un canal el 1 de febrero de 2023 y se cerró en la misma dirección el 28 de febrero de 2023. En ese caso, esta información se capturará en el conjunto de datos aislado para usar en este documento.
De la información donde las direcciones BTC se han reutilizado previamente en la cadena de bloques, la cantidad media de canales abiertos y cerrados en el mismo mes es del 44 %. De estos, el 45 % de los valores de entrada se financiaron con más de 0,1 BTC, y el 42 % de los valores de salida se enviaron a direcciones con más de 0,1 BTC. El precio mensual promedio registrado este mes fue de aproximadamente US $ 20,000 - $ 21,000 ( *Bitcoin GBP (BTC-GBP) Historial de precios y datos históricos - Yahoo Finance* , nd). Por lo tanto, los valores medidos representan una producción superior a $2000 en casi la mitad de las transacciones.
Pruebas Estadísticas
Se realizó una prueba de correlación Producto-Momento de Pearson (una cola), a = .05, para evaluar si existe una relación estadísticamente significativa entre la dirección de transacción de BTC para uso y la transacción de valores superiores a 0.1 BTC. La dirección de esta relación se correlacionó con la reutilización de direcciones en BTC, y se justificó una prueba de una cola. Además, se evaluaron los supuestos de normalidad, linealidad y homocedasticidad, sin observarse violaciones significativas.
Los resultados fueron significativos cuando se compararon con transacciones que abren canales Lightning (p = 0,020), pero estaban justo fuera del nivel de significación (p = 0,071) para los datos asociados con el cierre de canales Lightning (tabla 2). Además, existe una fuerte correlación positiva entre las variables de coincidencia de canales de entrada y salida y la entrada a un canal Lightning por encima de 0.1 BTC, r = .107, n = 363, p = .02. Esto indica que la relación no es fuerte, con solo una correlación de Pearson limitada, pero proporciona evidencia de que incluso en el período de un mes, algunas personas reutilizan las direcciones cuando envían valores grandes.
Análisis de correlación y análisis de regresión bivariado
La estadística de correlación se utiliza para medir la relación entre dos variables. La regresión proporciona un método para determinar cómo una variable afecta a otra. Las principales diferencias son que la correlación se centra en examinar la relación entre las variables y si las variables se mueven juntas. En esta estadística, los ejes X e Y pueden intercambiarse y los datos devueltos por la estadística se representan como un solo punto (Zou et al., 2003).
Tabla 2:
Alternativamente, la regresión se enfoca en medir el efecto de una variable sobre otra y está diseñada para determinar las relaciones de causa y efecto. Las variables X e Y no se pueden intercambiar y los datos se muestran como una representación lineal. El uso del análisis de regresión se enfoca en determinar si una variable dependiente cambiará y se puede predecir con base en un valor conocido de una variable independiente y luego medir la relación matemática entre ellos. Se podría realizar un análisis a mayor escala para comprender otros comportamientos de los consumidores y el uso de técnicas de privacidad o anonimato.
Además, se puede construir un modelo de predicción (tabla 3), demostrando que cuando las personas abren canales con más de 0,1 BTC, las mismas personas cerrarán el canal con cantidades igualmente grandes. Si bien este modelo es significativo (p = 0,050, F = 3,026, df = 2360), el poder predictivo (R 2 = 0,17) es bajo.
Tabla 3:
Además, una prueba ANOVA simple presentada en la tabla 4 muestra que existe evidencia significativa (p=.050, F=3.026, df=2,362) para afirmar que cuando las personas han reutilizado direcciones en la construcción de canales, existe una probabilidad conductual de que lo hagan. estar enviando y recibiendo montos superiores a 0.1 BTC. Este tipo de uso permite el análisis del comportamiento de los usuarios.
Tabla 4:
La evidencia demostrada en esta investigación se alinea con las personas que usan la red BTC Lightning sin comprender los principios de privacidad de Bitcoin o, al menos, sin preocuparse por ellos. Asimismo, la evidencia demuestra que las personas que están utilizando la red BTC Lightning para enviar y recibir cantidades económicas significativas de dinero no están tomando medidas para proteger la privacidad de las transacciones y permitir el análisis público de dichas transacciones.
Resumen del proyecto
Tikhomirov et al. (2020) señalan que el propósito de la red BTC Lightning es aumentar el anonimato y la privacidad. Poon y Dryja (2015) sostuvieron que la red Lightning brindaría la capacidad de enviar y recibir micropagos. Sin embargo, la evidencia proporcionada aquí muestra que un número significativo de personas utiliza la red Lightning para realizar transacciones en pagos de gran valor (> USD 2000), sin lograr anonimizar adecuadamente las transacciones, lo que permite que incluso los proyectos de investigación a pequeña escala detecten ejemplos de reutilización de direcciones. y la apertura y cierre de canales a las mismas direcciones.
Extendiendo este proyecto, sería factible recopilar estadísticas de reutilización de direcciones e integrarlas con datos de la cadena de bloques pública que incorpora el modelado de "transacciones de polvo" (Loporchio et al., 2023) en un análisis de transacciones agregado que está diseñado para consolidar y realizar un seguimiento de los intercambios realizados por la misma entidad (Li et al., 2020). El proyecto existente no agregó una gran cantidad de direcciones utilizando técnicas como el rastreo de polvo o durante un período de tiempo prolongado. Al ampliar dicha investigación para incorporar el análisis de direcciones durante un período de tiempo más largo y una gama más amplia de información de direcciones, se supone que podría conducir a un sistema que permitiría el seguimiento de transacciones más grandes a medida que entran y salen de Lightning. red.
Referencias _
Historial de precios y datos históricos de Bitcoin GBP (BTC-GBP) - Yahoo Finanzas . (Dakota del Norte). Recuperado el 10 de marzo de 2023, de https://uk.finance.yahoo.com/quote/BTC-GBP/history/
Herrera-Joancomartí, J., Navarro-Arribas, G., Ranchal-Pedrosa, A., Pérez-Solà, C., & García-Alfaro, J. (2019). Sobre la dificultad de ocultar el saldo de los canales de Lightning Network. Actas de la Conferencia ACM Asia de 2019 sobre seguridad informática y de las comunicaciones , 602–612. https://doi.org/10.1145/3321705.3329812
Javarone, MA y Wright, CS (2018a). De Bitcoin a Bitcoin Cash: un análisis de red. Actas del 1er Taller sobre Criptomonedas y blockchains para Sistemas Distribuidos , 77–81. https://doi.org/10.1145/3211933.3211947
Javarone, MA y Wright, CS (2018b). Modelado de un sistema de detección de doble gasto para la red Bitcoin. ArXiv:1809.07678 [Física] . http://arxiv.org/abs/1809.07678
Jourdan, M., Blandin, S., Wynter, L. y Deshpande, P. (2019). Un modelo probabilístico de la cadena de bloques de Bitcoin. Actas de la Conferencia IEEE/CVF sobre talleres de reconocimiento de patrones y visión artificial , 0–0. https://doi.org/10.1109/CVPRW.2019.00337
Li, Z., Li, J., Zheng, Y. y Dong, B. (2020). Biteye: un sistema para rastrear transacciones de Bitcoin. Conferencia de Tecnologías de la Información y la Comunicación de 2020 (ICTC) , 318–322. https://doi.org/10.1109/ICTC49638.2020.9123286
Liu, XS (2019). Una explicación probabilística de la correlación de Pearson. Estadísticas de enseñanza , 41 (3), 115–117. https://doi.org/10.1111/test.12204
Loporchio, M., Bernasconi, A., Di Francesco Maesa, D. y Ricci, L. (2023). Un análisis de Bitcoin Dust a través de consultas autenticadas. En H. Cherifi, RN Mantegna, LM Rocha, C. Cherifi y S. Micciche (Eds.), Redes complejas y sus aplicaciones XI (págs. 495–508). Publicaciones internacionales de Springer. https://doi.org/10.1007/978-3-031-21131-7_39
Poon, J. y Dryja, T. (2015). Red de rayos . https://www.BitcoinLightning.com/wp-content/uploads/2018/03/Lightning-network-paper.pdf
Puth, M.-T., Neuhäuser, M. y Ruxton, GD (2014). Uso efectivo del coeficiente de correlación producto-momento de Pearson. Comportamiento animal , 93 , 183–189. https://doi.org/10.1016/j.anbehav.2014.05.003
Sguanci, C., Spatafora, R. y Vergani, AM (2021). Escalamiento de blockchain de capa 2: una encuesta. ArXiv:2107.10881 [CS] . http://arxiv.org/abs/2107.10881
Shang, G., Ilk, N. y Fan, S. (2023). Necesidad de velocidad , pero ¿cuánto cuesta? Desempaquetando la relación tarifa-velocidad en las transacciones de Bitcoin. Revista de gestión de operaciones , 69 (1), 102–126. https://doi.org/10.1002/joom.1202
Tikhomirov, S., Moreno-Sanchez, P. y Maffei, M. (2020). Un análisis cuantitativo de seguridad, anonimato y escalabilidad para Lightning Network. Simposio europeo IEEE de 2020 sobre talleres de seguridad y privacidad (EuroS&PW) , 387–396. https://doi.org/10.1109/EuroSPW51379.2020.00059
Wang, Y. (2023). Algoritmo de reconocimiento de entidades y análisis de las características de las transacciones de la cadena de bloques de Bitcoin. En X. Ye & X. Ben (Eds.), Tercer Simposio Internacional sobre Ingeniería Informática y Comunicaciones Inteligentes (ISCEIC 2022) (p. 115). SPIE. https://doi.org/10.1117/12.2661154
Wright, CS (2008). Bitcoin: un sistema de efectivo electrónico de igual a igual. Revista Electrónica SSRN . https://doi.org/10.2139/ssrn.3440802
Wu, J., Liu, J., Zhao, Y. y Zheng, Z. (2021). Análisis de transacciones de criptomonedas desde una perspectiva de red: una descripción general. Revista de aplicaciones informáticas y de red , 190 , 103139. https://doi.org/10.1016/j.jnca.2021.103139
Zabka, P., Förster, K.-T., Schmid, S. y Decker, C. (2021). Clasificación de nodos y análisis geográfico de la red de criptomonedas Lightning. Actas de la 22ª Conferencia Internacional sobre Computación Distribuida y Redes , 126–135. https://doi.org/10.1145/3427796.3427837
Zinzendoff Okwonu, F., Laro Asaju, B. e Irimisose Arunaye, F. (2020). Análisis de Desglose del Coeficiente de Correlación de Pearson y Métodos de Correlación Robusta. Serie de conferencias IOP: Ciencia e ingeniería de materiales , 917 (1), 012065. https://doi.org/10.1088/1757-899X/917/1/012065
Zou, KH, Tuncali, K. y Silverman, SG (2003). Correlación y Regresión Lineal Simple. Radiología , 227 (3), 617–628. https://doi.org/10.1148/radiol.2273011499
Apéndice
La siguiente información se capturó como salida utilizando SPSS 27.
