پرش به محتوا
آکادمی / پژوهش تخصصی و پروژهٔ نهایی / مسیر پژوهشگر بلاک‌چین
🏛 آکادمی📊 داشبورد من🔁 مرور 🧪 آزمایشگاه📖 اصطلاحات

🎓 دانشکدهٔ ۱۲ · مسیرهای تخصصی

مسیر پژوهشگر بلاک‌چین

Track: blockchain researcher

سطح ۶ · متخصص (Expert)⏱ ۳۰ دقیقه❓ ۹ سؤال در بانک
🎯 هدف آموزشی: بفهمید پژوهشگر بلاک‌چین چه پرسش‌هایی می‌پرسد و با چه روش‌هایی پاسخ می‌دهد: مدل‌سازی، اثبات، شبیه‌سازی و اندازه‌گیری؛ و بیاموزید یک پژوهش را از ایده تا انتشار، داوری همتا و افشای مسئولانه پیش ببرید.
پیش‌نیازها: اثبات کار (PoW): استخراج، دشواری و حملهٔ ۵۱٪ZK Proof و رول‌آپ‌ها

📚 آموزش در سه سطح

از سطح ساده شروع کنید؛ اگر روشن بود، سطح بعد را بخوانید. سطح مناسب شما ذخیره می‌شود.

🌱 توضیح ساده

پژوهشگر بلاک‌چین ویژگی‌های سامانه‌های غیرمتمرکز را به‌طور نظام‌مند بررسی می‌کند: امنیت اجماع، انگیزه‌های اقتصادی شرکت‌کنندگان، رمزنگاری، مقیاس‌پذیری، حریم خصوصی و طراحی سازوکارها. تفاوت او با تحلیلگر بازار این است که پرسشش معمولاً «آیا این سامانه در همهٔ شرایط آن‌طور که ادعا می‌شود رفتار می‌کند؟» است، نه «قیمت به کجا می‌رود؟».

چهار روش اصلی این مسیر عبارت‌اند از «مدل‌سازی صوری» (تعریف دقیق سامانه و فرض‌ها)، «اثبات» (نشان دادن ریاضی یک ویژگی یا ناممکن بودن آن)، «شبیه‌سازی» (اجرای مدل در شرایط گوناگون) و «اندازه‌گیری» (جمع‌آوری داده از شبکهٔ واقعی). پژوهش خوب معمولاً چند روش را ترکیب می‌کند تا نتیجه هم از نظر نظری و هم از نظر تجربی پشتیبانی شود.

مهارت‌های پایه عبارت‌اند از ریاضیات گسسته و احتمال، مبانی رمزنگاری و سامانه‌های توزیع‌شده، نظریهٔ بازی، برنامه‌نویسی برای شبیه‌سازی و تحلیل داده، و نوشتن علمی دقیق. خواندن انتقادی مقاله‌ها هم مهارتی کلیدی است: فرض‌ها چیست، مدل تهدید کدام است و نتیجه در کجا صادق نیست؟ پژوهشگر تازه‌کار معمولاً با بازخوانی و خلاصه‌نویسی چند مقالهٔ کلاسیک، مانند مقالهٔ بیت‌کوین و مقاله‌های پایه‌ای اجماع، شروع می‌کند.

📘 توضیح متوسط

محل انتشار در این حوزه مهم است. نسخه‌های اولیه معمولاً در arXiv یا IACR ePrint منتشر می‌شوند که داوری همتا ندارند؛ نسخهٔ داوری‌شده در همایش‌ها و مجله‌هایی مانند Financial Cryptography، IEEE Symposium on Security and Privacy، USENIX Security یا ACM CCS می‌آید. خوانندهٔ حرفه‌ای تفاوت «پیش‌چاپ» با «مقالهٔ داوری‌شده» را می‌داند و به هر دو به اندازهٔ شواهدشان اعتماد می‌کند.

«مدل تهدید» قلب هر ادعای امنیتی است: مهاجم چه توانی دارد، چه بخشی از شبکه را کنترل می‌کند و چه اطلاعاتی دارد؟ ادعای «امن» بدون مدل تهدید معنایی ندارد. بسیاری از کشف‌های مهم این حوزه از نشان دادن این آمده‌اند که یک فرض ضمنی، مثلاً «همهٔ شرکت‌کنندگان یا درستکارند یا کاملاً بدخواه»، با رفتار عقلانی و خودخواهانه نقض می‌شود.

«افشای مسئولانه» بخشی از اخلاق پژوهش امنیتی است: اگر آسیب‌پذیری قابل بهره‌برداری در سامانه‌ای فعال یافتید، پیش از انتشار عمومی آن را به تیم توسعه گزارش دهید و فرصت رفع بدهید. بسیاری از پروتکل‌ها برنامهٔ پاداش باگ دارند. انتشار عمومی جزئیات یک حملهٔ فعال پیش از رفع آن می‌تواند به کاربران آسیب جدی بزند.

🔬 توضیح تخصصی

نتیجه‌های پژوهشی اغلب «شرطی» هستند: یک آستانهٔ امنیتی ممکن است به سرعت انتشار پیام در شبکه یا نسبت گره‌های همکار بستگی داشته باشد. پژوهشگر حرفه‌ای این وابستگی‌ها را صریح بیان می‌کند و نشان می‌دهد نتیجه با تغییر پارامترها چگونه عوض می‌شود. «تحلیل حساسیت» مرز میان یافتهٔ قابل اتکا و یافتهٔ شکننده است.

بازتولیدپذیری در این حوزه با انتشار کد شبیه‌سازی، داده‌های اندازه‌گیری و جزئیات دقیق آزمایش ممکن می‌شود. پژوهشی که فقط نمودار نهایی را نشان می‌دهد قابل بازبینی نیست. همچنین ادعاهای اندازه‌گیری روی شبکهٔ زنده باید روش جمع‌آوری، بازهٔ زمانی و محدودیت‌های دید ناظر را بیان کنند؛ برای مثال، گرهٔ اندازه‌گیری که فقط به بخشی از شبکه متصل است، تصویری ناقص از انتشار پیام‌ها می‌دهد.

سبد کاری این مسیر شامل دست‌کم یک گزارش فنی یا پیش‌چاپ با مدل صوری روشن، کد شبیه‌سازی یا اندازه‌گیری منتشرشده، بازتولید یک نتیجهٔ منتشرشدهٔ دیگران که مهارتی ارزشمند و کم‌یاب است، و مشارکت در بحث‌های فنی عمومی مانند پیشنهادهای بهبود پروتکل است. داوری مقاله‌های دیگران هم بخشی از رشد حرفه‌ای در این مسیر است.

🌍 مثال واقعی: اکثریت کافی نیست — استخراج خودخواهانه، Eyal و Sirer (۲۰۱۳)

باور رایج پیش از ۲۰۱۳ این بود که بیت‌کوین تا وقتی اکثریت قدرت استخراج درستکار باشد امن است. Ittay Eyal و Emin Gün Sirer از دانشگاه Cornell در نوامبر ۲۰۱۳ در پیش‌چاپ «Majority is not Enough: Bitcoin Mining is Vulnerable» نشان دادند ماینرهای همکار می‌توانند با پنهان نگه داشتن بلاک‌های یافته‌شده و ایجاد عمدی انشعاب، سهمی بیشتر از قدرت استخراج خود از پاداش‌ها بگیرند؛ راهبردی که «استخراج خودخواهانه» نام گرفت.

آن‌ها نشان دادند آستانهٔ سودآوری این راهبرد به سرعت و کنترل انتشار پیام در شبکه بستگی دارد و حد بالای آن یک‌سوم است: پروتکل در برابر استخر خودخواهی که بیش از یک‌سوم قدرت استخراج را دارد هرگز امن نیست. آن‌ها اصلاحی سازگار با نسخه‌های قبلی پیشنهاد کردند که آستانه را به یک‌چهارم می‌رساند و مقاله در همایش Financial Cryptography در مارس ۲۰۱۴ منتشر شد. درس پژوهشی: یک فرض ضمنی را با فرض رفتار عقلانی جایگزین کنید تا ضعف‌های پنهان آشکار شوند.

🔤 واژگان تخصصی

مدل تهدید (Threat model)

تعریف دقیق توان، دسترسی و اهداف مهاجم که ادعای امنیتی بر اساس آن سنجیده می‌شود.

مثال: مهاجمی با ۳۰٪ قدرت استخراج و کنترل بخشی از انتشار پیام.

استخراج خودخواهانه (Selfish mining)

پنهان نگه داشتن بلاک‌های یافته‌شده برای گرفتن سهمی بیش از قدرت استخراج.

مثال: انتشار انتخابی بلاک‌ها برای هدر دادن کار ماینرهای درستکار.

پیش‌چاپ (Preprint)

نسخهٔ عمومی مقاله پیش از داوری همتا.

مثال: مقاله‌ای در arXiv که هنوز در همایشی پذیرفته نشده است.

افشای مسئولانه (Responsible disclosure)

گزارش خصوصی آسیب‌پذیری به توسعه‌دهندگان پیش از انتشار عمومی.

مثال: گزارش باگ از طریق برنامهٔ پاداش باگ و انتظار برای رفع.

تحلیل حساسیت (Sensitivity analysis)

بررسی تغییر نتیجه با تغییر فرض‌ها و پارامترها.

مثال: نمایش آستانهٔ حمله برای سرعت‌های مختلف انتشار پیام.

🔑 نکات کلیدی

  • پژوهشگر بلاک‌چین ادعاهای سامانه را با مدل‌سازی، اثبات، شبیه‌سازی و اندازه‌گیری می‌آزماید.
  • ادعای امنیتی بدون مدل تهدید معنا ندارد.
  • پیش‌چاپ هنوز داوری نشده است؛ به هر منبع به اندازهٔ شواهدش اعتماد کنید.
  • Eyal و Sirer (۲۰۱۳) نشان دادند استخراج خودخواهانه با کمتر از اکثریت هم سودآور است و حد بالای آستانه یک‌سوم است.
  • افشای مسئولانه و بازتولیدپذیری بخش جدایی‌ناپذیر اخلاق پژوهش‌اند.

⚠️ اشتباهات رایج

  • ادعای «امن» بدون مدل تهدید؛ اشتباه است چون معلوم نیست در برابر کدام مهاجم و با کدام فرض‌ها.
  • برابر دانستن پیش‌چاپ با یافتهٔ داوری‌شده؛ اشتباه است چون هنوز به‌طور مستقل بررسی نشده است.
  • انتشار عمومی جزئیات حملهٔ فعال پیش از رفع؛ اشتباه است چون می‌تواند به کاربران آسیب جدی بزند.
  • گزارش نتیجه بدون تحلیل حساسیت؛ اشتباه است چون شکنندگی نتیجه نسبت به فرض‌ها پنهان می‌ماند.

🛠 تمرین عملی: بازتولید یک نتیجهٔ پژوهشی

  1. مقالهٔ استخراج خودخواهانه یا مقالهٔ دیگری با مدل ساده را انتخاب کنید و فرض‌ها و مدل تهدید آن را در یک جدول بنویسید.
  2. شبیه‌سازی ساده‌ای بنویسید که سهم پاداش ماینر خودخواه را برای چند اندازهٔ قدرت استخراج و چند فرض انتشار پیام حساب کند.
  3. نتایج خود را با نتایج مقاله مقایسه کنید و در گزارشی دوصفحه‌ای هر اختلاف و علت احتمالی آن را توضیح دهید.

✅ معیار درستی: فرض‌ها و مدل تهدید درست استخراج شده، شبیه‌سازی قابل اجرا و مستند است و مقایسه با نتایج مقاله همراه با تحلیل حساسیت ارائه شده است.

🔒 در هیچ تمرینی از سرمایهٔ واقعی، عبارت بازیابی (Seed Phrase)، کلید خصوصی یا اتصال کیف پول اصلی استفاده نکنید.

📝 آزمون تطبیقی

هر بار ۵ سؤال از بانک ۹ سؤالی این درس انتخاب می‌شود؛ سؤال‌هایی که قبلاً اشتباه زده‌اید زودتر برمی‌گردند. حدنصاب قبولی ۸۰٪ (۴ از ۵) است و درس بعد با قبولی باز می‌شود.

✍️ پرسش تشریحی

یک پروتکل اجماع تازه ادعا می‌کند «در برابر هر مهاجمی با کمتر از نصف سهام امن است». طرح پژوهشی کوتاهی بنویسید که این ادعا را بیازماید.

بعد از نوشتن، پاسخ خود را با این معیارها بسنجید

خودارزیابی: هر نکته‌ای را که پاسخ شما به‌روشنی پوشش داده علامت بزنید.

🤖 دستیار آموزشی

دستیار آفلاین آکادمی: پاسخ‌ها فقط از متن درس‌ها و واژگان همین آکادمی پیدا می‌شوند و منبع هر پاسخ نشان داده می‌شود. هوش مصنوعی مولد نیست، حدس نمی‌زند و هیچ سیگنال خرید و فروشی نمی‌دهد.

📎 منابع مطالعاتی

🏁 معیار تسلط بر این درس: می‌توانید یک ادعای امنیتی را با مدل تهدید روشن صورت‌بندی کنید، آن را با تحلیل و شبیه‌سازی بیازمایید، نتیجهٔ یک مقاله را بازتولید کنید و یافته‌ها را با اخلاق پژوهشی منتشر کنید.

داده‌ها به‌صورت خودکار از کانال Coin_Kurd، Binance، CoinGecko و alternative.me به‌روز می‌شوند.