ブロックのハッシュコードはどのように生成されますか？

1. 特定のブロックヘッダーのバイト表現を取得します. http://mainnet-node.tzscan.io/chains/main/blocks/head/header/raw .ブロックヘッダーの形式は、 で説明されています. ドキュメント.
2. BLAKE2b(32ビット)ハッシュダイジェストを取得します
3. 2バイトの '\ x01 \ x34'を追加します(「B」の文字を担当します)
4. Base58はチェックサムでエンコードします

ランダム性はありません.

パン屋はブロックヘッダーを選択します.パン屋は、多くの異なるブロックを簡単に作成し、最も必要なハッシュを含むブロックのみを挿入して、「乱数」の生成を操作できます. Tezosブロックは簡単なプルーフオブワークしか必要としないため、「いいえ、その方法で乱数を生成することはできません」というアドバイスが何年も与えられてきたビットコインやイーサリアムよりも簡単です.

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.

私の質問のパート1はマイケルによって答えられました.第二部はどうですか?さて、私はそれを見ただけです.私がしたことは:

• ブロック1から最新(非常に長い)までの一連のハッシュコード全体を抽出します.
• そのようなハッシュコードに含まれる数字を抽出します(つまり、文字を削除します).
• 意図的に設計されたテストを使用して、この一連の数値の「ランダム性」を分析します.

テストは、ランダム性仮説が5％で棄却できないことを示唆しています.興味深いことに、数の分布は非常に偏っています.どちらかといえば、それが一様分布にいくらか似ていると予想するかもしれません(逆は真実ではないことに注意してください.つまり、一様分布はランダム性を意味しません).私はまだこれにドキドキしていますが、一見するとシリーズがランダムである可能性があります.

上記の分析を再現するためのRコードは以下のとおりです.

 # 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)