Simulation d'Attaques à Double Dépense sur Bitcoin

Cette simulation analyse la rentabilité des attaques à double dépense répétées sur le réseau Bitcoin. L'attaquant abandonne son cycle d'attaque et revient miner sur la blockchain officielle dès que son retard dépasse une valeur limite A.

Paramètres de la simulation

• q : Puissance de minage de l'attaquant (proportion de la puissance de hachage totale)
• z : Nombre de confirmations requises (fixé à 6 dans notre simulation)
• A : Seuil de retard maximum toléré par l'attaquant (fixé à 3 dans notre simulation)
• v : Valeur de la double dépense (50 BTC dans notre simulation)
• b : Valeur moyenne contenue dans un bloc (récompense + frais, 6.25 BTC)

Résultats obtenus

Notre simulation a révélé les résultats suivants pour différentes puissances de minage :

q	Taux de succès	Profit (BTC)	Rentable?	Tentatives moyennes
0.10	0.0001	-37406.2500	Non	10000.00
0.15	0.0008	-55500.0000	Non	1250.00
0.20	0.0050	-70312.5000	Non	200.00
0.25	0.0175	-77343.7500	Non	57.14
0.30	0.0481	-67406.2500	Non	20.79
0.35	0.1070	-36125.0000	Non	9.35
0.40	0.1938	31687.5000	Oui	5.16
0.45	0.3380	146125.0000	Oui	2.96
0.50	0.4883	270281.2500	Oui	2.05

Conclusion: L'attaque devient rentable à partir d'une puissance de minage q ≈ 0.40 (40% de la puissance totale du réseau).

Graphiques générés

Le script génère quatre graphiques illustrant :

1. Taux de succès des attaques en fonction de la puissance de minage
2. Profit estimé en fonction de la puissance de minage
3. Rentabilité (binaire) en fonction de la puissance de minage
4. Nombre moyen de tentatives nécessaires pour un succès

Implications pour la sécurité de Bitcoin

Ces résultats démontrent que:

• Les attaques à double dépense ne sont pas rentables avec une puissance de minage inférieure à 40% du réseau
• Le seuil de 6 confirmations recommandé par Bitcoin est efficace contre les attaquants possédant moins de 40% de la puissance de hachage
• Un attaquant disposant de plus de 40% de la puissance de hachage pourrait théoriquement réaliser des profits significatifs
• Plus la puissance de l'attaquant est élevée, moins il a besoin de tentatives pour réussir une attaque

Dépendances

• NumPy
• Matplotlib
• tqdm

Installer les dépendances avec :

pip install numpy matplotlib tqdm

Comment exécuter la simulation

python3 double_spending_simulation.py