블록의 해시 코드는 어떻게 생성됩니까?

1. 특정 블록 헤더의 바이트 표현을 가져옵니다. http://mainnet-node.tzscan.io/chains/메인/블록/헤드/헤더/원시 . 블록 헤더의 형식은 the 에 설명되어 있습니다. 문서 .
2. BLAKE2b (32 비트) 해시 다이제스트 가져 오기
3. 앞에 2 바이트 '\ x01 \ x34'추가 ( "B"문자를 담당)
4. Base58은 체크섬으로 인코딩합니다.

무작위성은 없습니다.

제빵사가 블록 헤더를 선택합니다. 제빵사는 다양한 블록을 쉽게 구성하고 가장 원하는 해시가있는 블록 만 주입하여 '무작위'번호 생성을 조작 할 수 있습니다. Tezos 블록은 작업 증명 만 필요하기 때문에 비트 코인이나 이더 리움보다 쉽습니다. "아니오,그런 식으로 난수를 생성 할 수 없습니다"라는 조언이 수년 동안 주어졌습니다.

1. Take a byte representation of a particular block header: http://mainnet-node.tzscan.io/chains/main/blocks/head/header/raw. The format of the block header is described in the docs.
2. Get a BLAKE2b (32bit) hash digest of it
3. Prepend two bytes '\x01\x34' (they are responsible for "B" letter)
4. Base58 encode it with checksum

There is no randomness.

The baker chooses the block header. A baker can easily construct many different blocks and inject only the block with the most desired hash, manipulating your 'random' number generation. Because a Tezos block only requires an easy proof of work, this is easier than in Bitcoin or Ethereum, where the advice "no, you can't generate random numbers that way" has been given for years.

제 질문의 파트 1은 Michael이 답변했습니다. 두 번째 부분은 어떻습니까? 글쎄,방금 봤어. 내가 한 일은 :

• 블록 1에서 최신 (매우 긴)까지 전체 일련의 해시 코드를 추출합니다.
• 해시 코드에 포함 된 숫자를 추출합니다 (즉,문자 제거).
• 의도적으로 설계된 테스트를 통해 일련의 숫자의 "무작위성"을 분석합니다.

테스트에 따르면 무작위성 가설은 5 %에서 기각 될 수 없습니다. 흥미롭게도 숫자 분포가 매우 왜곡되어 있습니다. 어떤 것이 든 균등 분포와 다소 비슷할 것으로 예상 할 수 있습니다 (반대가 사실이 아님,즉 균등 분포가 임의성을 의미하지 않음). 나는 여전히 이것에 대해 두근 두근하고 있지만,처음 보면 시리즈가 무작위 일 수 있음을 암시합니다.

위 분석을 재현하는 R 코드는 다음과 같습니다.

 # Initialise stuff

remove(list = ls())    
options(timeout = 1000000) # in case request times-out

library(jsonlite)
library(ggplot2)
library(randtests)

# Get maximum number of blocks

last_block <- fromJSON("https://api6.tzscan.io//v3/head")
N <- last_block$level
blocks <- seq(1,N,by = 1)
hashs <- vector(mode="character", length = N)

# Download all hash codes (timer and print included, for analysis) VERY LONG

start <- proc.time()
for (i in 1:N) {
  url <- paste0("https://api6.tzscan.io//v3/block_hash_level/",i)
  hashs[i] <- fromJSON(url)
  print(i)
}
finish <- proc.time() - start

# Remove letters

n_hashs <- as.numeric(gsub("\\D+","", hashs, perl = TRUE))
df <- data.frame(value=n_hashs)
names(df)[names(df) == "df.value....." ] <- "value"

# Plot (definitively not a uniform distribution, for any level of zooming in)

ggplot(df, aes(x=value)) + geom_histogram() 

# Randomness tests (indicating the number sequence is not random)

bartels.rank.test(df$value)
cox.stuart.test(df$value)
difference.sign.test(df$value)
rank.test(df$value)
runs.test(df$value)
turning.point.test(df$value)
 

Part 1 of my question was answered by Michael. What about the second part? Well, I just had a look at it. What I did is:

• extract the full series of hash codes, from block 1 to the latest (VERY LONG).
• extract the numbers contained in such hash codes (i.e. remove letters).
• analyse the "randomness" of this series of numbers with purposely designed tests.

The tests suggest that the randomness hypothesis cannot be rejected at the 5%. Interestingly, the distribution of numbers is very skewed. If anything, one might expect it to be somewhat resembling a uniform distribution (noticing that the contrary is not true, i.e. uniform distribution does not imply randomness). I'm still pounding on this, but a first look suggest that the series might be random.

The R code to reproduce the above analysis is below:

# Initialise stuff

remove(list = ls())    
options(timeout = 1000000) # in case request times-out

library(jsonlite)
library(ggplot2)
library(randtests)

# Get maximum number of blocks

last_block <- fromJSON("https://api6.tzscan.io//v3/head")
N <- last_block$level
blocks <- seq(1,N,by = 1)
hashs <- vector(mode="character", length = N)

# Download all hash codes (timer and print included, for analysis) VERY LONG

start <- proc.time()
for (i in 1:N) {
  url <- paste0("https://api6.tzscan.io//v3/block_hash_level/",i)
  hashs[i] <- fromJSON(url)
  print(i)
}
finish <- proc.time() - start

# Remove letters

n_hashs <- as.numeric(gsub("\\D+","", hashs, perl = TRUE))
df <- data.frame(value=n_hashs)
names(df)[names(df) == "df.value....." ] <- "value"

# Plot (definitively not a uniform distribution, for any level of zooming in)

ggplot(df, aes(x=value)) + geom_histogram() 

# Randomness tests (indicating the number sequence is not random)

bartels.rank.test(df$value)
cox.stuart.test(df$value)
difference.sign.test(df$value)
rank.test(df$value)
runs.test(df$value)
turning.point.test(df$value)