💻 computer science

Quantifying Bitcoin Network Resilience Through Critical Scenario Discovery: A Dual-Layer Framework for Discovering Contentious Fork Conditions in Decentralized Consensus

Este artigo utiliza o Método de Indução de Regras de Paciente (PRIM) em 1.330 simulações de Warnet para demonstrar que a resolução de soft forks contenciosos do Bitcoin é determinada primordialmente pela distribuição de peso econômico em vez da maioria de hashrate, identificando limiares específicos de suporte econômico e comprometimento de pool que preveem se um fork será resolvido de forma limpa ou persistirá como uma divisão de cadeia.

Autores originais: Peter Foytik, Sachin Shetty, Ross Gore, Eranga Bandara

Publicado 2026-08-07

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Peter Foytik, Sachin Shetty, Ross Gore, Eranga Bandara

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine uma enorme praça digital global onde todos concordam com as regras de um jogo chamado Bitcoin. Nesta cidade, os "mineradores" são como equipes de construção que constroem novos blocos da história da cidade, e os "nós econômicos" são os bancos, lojas e famílias ricas que realmente usam a moeda da cidade para comprar e vender coisas. Normalmente, todos concordam com uma única versão da história da cidade. Mas, às vezes, um grupo quer mudar as regras — talvez para tornar o jogo mais rápido ou seguro. Isso é chamado de "soft fork". A grande questão é: toda a cidade concordará com as novas regras ou a cidade se dividirá em duas vilas rivais, cada uma com sua própria versão da história?

Por muito tempo, as pessoas pensaram que a resposta dependia inteiramente das equipes de construção (os mineradores). Se as equipes com as ferramentas mais poderosas (hashrate) quisessem as novas regras, todos as seguiriam. Mas este artigo sugere que isso é como pensar que a equipe de construção decide o preço das casas; na realidade, são as pessoas comprando e vendendo as casas (a economia) que realmente detêm o poder. Os pesquisadores queriam descobrir exatamente quanto poder econômico é necessário para forçar a resolução de uma divisão e o que acontece quando os mineradores e a economia discordam. Eles não apenas adivinharam; eles construíram uma simulação virtual gigante de toda a rede Bitcoin para observar como ela se comporta quando as coisas dão errado.

O Grande Experimento de Fork do Bitcoin

Para entender o que acontece quando uma cidade digital tenta mudar suas regras, os autores construíram um mundo virtual usando uma ferramenta chamada Warnet. Pense nisso como um videogame super avançado onde eles não apenas fingiram ser mineradores e bancos; eles realmente executaram o software real que o Bitcoin usa, mas dentro de um laboratório de computação controlado. Eles criaram 1.330 cenários diferentes, ajustando as configurações como um cientista ajustando botões em uma máquina. Eles perguntaram: "O que acontece se os mineradores amarem as novas regras, mas os bancos as odiarem? E se os bancos estiverem divididos ao meio? E se o preço da moeda começar a despencar?"

O objetivo era encontrar os "pontos de virada" — os momentos exatos onde um desentendimento confuso se transforma em uma resolução limpa ou em um desastre permanente. Eles usaram um truque matemático inteligente chamado Descoberta de Cenários para filtrar todos esses dados e encontrar os padrões ocultos, como usar um detector de metais para encontrar o local específico em uma praia onde todo o tesouro enterrado está escondido.

A Grande Surpresa: Não é Sobre as Pás

A coisa mais chocante que o artigo descobriu é que ter as pás de mineração mais poderosas não garante uma vitória. Na verdade, nos cenários realistas que testaram, a quantidade de poder de mineração (hashrate) teve quase zero efeito sobre quem venceu o fork, desde que houvesse uma quantidade decente de suporte econômico de um lado.

Imagine um cabo de guerra onde um time tem 90% dos puxadores mais fortes e rápidos (mineradores), mas o outro time tem 93% das pessoas segurando a corda (os bancos e lojas). O artigo mostra que o time com a corda vence, mesmo que o outro time esteja puxando com mais força. Os mineradores podem ser fortes, mas se os bancos se recusarem a negociar na cadeia deles, o trabalho dos mineradores torna-se inútil. A simulação mostrou que, se uma nova versão do Bitcoin tivesse apenas 7% da atividade econômica (as lojas e bancos), ela perderia, mesmo tendo 90% do poder de mineração.

As Três Zonas de Forking

Os pesquisadores descobriram que o resultado de um fork depende de três "zonas" específicas de suporte econômico, que agem como semáforos para a rede:

A Zona do Sinal Vermelho (Abaixo de 45–50% de suporte): Se a nova versão do Bitcoin tiver menos de cerca de 0,45 a 0,50 (ou 45–50%) do peso econômico total, ela simplesmente não consegue vencer. Não importa quantos mineradores mudem para ela, a rede voltará para a versão antiga. É como tentar iniciar um novo país quando ninguém tem dinheiro; a economia simplesmente não sustentará isso.
A Zona do Sinal Verde (Acima de 78–82% de suporte): Se a nova versão tiver mais de cerca de 0,78 a 0,82 (78–82%) do peso econômico, ela vence automaticamente. O preço da nova moeda torna-se tão melhor que até os mineradores mais teimosos são forçados a mudar. O "sinal econômico" é tão alto que anula tudo o mais.
A Zona do Sinal Amarelo (O Meio Confuso): Esta é a parte mais interessante, entre 0,50 e 0,78. Aqui, o resultado não é decidido pelo número total de mineradores ou mesmo pelo dinheiro total. Em vez disso, depende de uma regra muito específica e contraintuitiva envolvendo o maior pool de mineração.

O Paradoxo do "Ponto de Virada" (Flip-Point)

Na zona do meio confuso, o artigo encontrou um estranho "ponto de virada" em cerca de 0,214 (21,4%) do poder de mineração comprometido. É aqui que as coisas ficam estranhas.

Imagine que o maior pool de mineração do mundo é como uma âncora gigante. Se essa âncora estiver no lado "antigo", mas a pressão econômica for alta o suficiente, a âncora pode ficar "presa". O preço da nova moeda é tão bom que a âncora tem que mudar para o novo lado para ganhar dinheiro, mesmo que não quisesse. Essa mudança forçada é poderosa porque sinaliza para todos os outros que o novo lado é seguro.

No entanto, se essa mesma âncora gigante já estiver no novo lado por acreditar nele (comprometimento ideológico), ela pode na verdade prejudicar o novo lado. Por quê? Porque se a âncora já está lá, o lado "antigo" torna-se um grupo coeso de verdadeiros crentes que se recusam a sair. Eles mantêm sua posição, e o novo lado fica preso em uma divisão permanente.

Assim, o artigo sugere um paradoxo: Às vezes, ter o maior minerador se comprometendo publicamente com as novas regras pode realmente fazer com que as novas regras percam. É melhor se o grande minerador for "preso" pela economia e forçado a mudar, em vez de escolher mudar voluntariamente.

As Duas Camadas do Jogo

O artigo também explica que um fork acontece em duas camadas separadas que nem sempre concordam:

Camada 1 (Os Mineradores): Trata de quem está construindo blocos. Esta camada é decidida principalmente se os grandes pools de mineração estão presos ou livres.
Camada 2 (A Economia): Trata de quem está usando o dinheiro. Mesmo que os mineradores concordem com uma cadeia, a economia pode permanecer dividida por muito tempo se a diferença de preço não for grande o suficiente para forçar todos a se moverem.

O estudo descobriu que usuários comuns (pessoas individuais rodando um computador em casa) têm quase nenhuma influência sobre esse resultado. Em sua simulação, os usuários individuais eram tão pequenos comparados aos grandes bancos e exchanges que não consegiam mover a agulha de forma alguma. É como uma única pessoa tentando decidir o preço do petróleo; a menos que seja uma gigante corporação, sua voz não muda o mercado.

O Que Isso Significa para o Futuro

Os autores não apenas encontraram esses números; eles os transformaram em um checklist para qualquer pessoa que esteja observando um fork do Bitcoin. Em vez de perguntar "Quem tem mais mineradores?", eles sugerem que devemos perguntar:

O suporte econômico está acima de 50%? Se não, a nova versão está fadada ao fracasso.
O suporte econômico está acima de 82%? Se sim, a nova versão já venceu.
Na zona intermediária, o maior pool de mineração está "preso" ou "comprometido"? Se o maior pool está apenas resistindo porque tem que fazer isso, a nova versão pode vencer. Se ele está resistindo porque ama a ideia, a nova versão pode perder.

O artigo é cuidadoso ao dizer que estes são resultados de simulações usando configurações específicas para o ano de 2026. É um mapa de como a rede provavelmente se comporta sob estas condições, não um cristal mágico que prevê o futuro com 100% de certeza. Mas nos dá uma maneira muito mais clara de entender as forças invisíveis que decidem se o Bitcoin permanecerá como uma grande cidade ou se se dividirá em duas vilas rivais.

Resumo Técnico: Quantificando a Resiliência da Rede Bitcoin através da Descoberta de Cenários Críticos

Definição do Problema
O consenso do Bitcoin é tradicionalmente analisado através de regras de protocolo e mecânicas de prova de trabalho (proof-of-work). No entanto, a realidade operacional envolve uma rede heterogênea de nós configurados de forma independente com interesses econômicos divergentes. Embora a comunidade reconheça qualitativamente que diferentes classes de participantes (desenvolvedores, mineradores, nós econômicos, usuários) detêm variados poderes de governança (conforme delineado pela estrutura BCAP), há uma falta de compreensão quantitativa sobre quais atores determinam os resultados de forks, sob quais condições específicas e em quais limiares precisos. A literatura existente foca em verificação formal ou análise histórica post-hoc, falhando em responder à questão operacional de quais combinações específicas de condições econômicas e de mineração empurram a rede de uma resolução limpa para uma divisão persistente e contenciosa. Este artigo trata a resolução de forks contenciosos como um resultado a ser descoberto, em vez de assumido, abordando a lacuna na quantificação do risco de infraestrutura à medida que o Bitcoin assume o papel de infraestrutura crítica.

Metodologia
Os autores empregam a Descoberta de Cenários (Scenario Discovery), uma metodologia de tomada de decisão sob incerteza profunda, aplicada a um grande conjunto de simulações controladas da rede.

Plataforma de Simulação: O estudo utiliza o Warnet, um framework baseado em Kubernetes que executa nós reais e não modificados do bitcoind (Bitcoin Core), em vez de mocks comportamentais. Isso garante que a validação de blocos, seleção de cadeia e propagação sigam o código de consenso de produção.
Modelo de Rede: A rede é calibrada para uma escala de aproximadamente 1:400 (conforme fevereiro de 2026), compreendendo 60 nós representando oito pools de mineração, 24 nós econômicos (exchanges, custodiantes, processadores de pagamento) e 28 nós de usuários. O peso econômico é definido como $0,7 \times \text{custódia}_{BTC} + 0,3 \times \text{volume}_{BTC}$ .
Design Experimental: Os autores executaram 1.330 cenários válidos através de 21 configurações de varredura (sweeps). Os parâmetros incluíram distribuição de peso econômico, comprometimento de pools de mineração, tolerância ideológica de pools, distribuição de hashrate e regimes de retarget de dificuldade (intervalos de 144 blocos vs. 2016 blocos).
Técnicas de Análise: O estudo utiliza o Método de Indução de Regras Paciente (PRIM) para identificar regiões de parâmetros alinhados aos eixos que maximizam a densidade de resultados contenciosos. Essas descobertas são apoiadas por classificação de floresta aleatória (random-forest) para importância de atributos e regressão logística com termos de interação.
Modelos Comportamentais: Os pools de mineração são modelados com preferências ideológicas e limiares de lucratividade. Nós econômicos seguem uma lógica de sobreposição de ideologia com inércia. A divergência de preço é modelada como uma função da dominância da cadeia, peso econômico e hashrate, limitada a $\pm 20\%$ por cadeia.

Principais Contribuições

Framework de Simulação de Conjunto: Um framework baseado em Warnet que permite a Descoberta de Cenários sistemática através do espaço de parâmetros de governança de soft forks contenciosos usando código de consenso real.
Análise de Camada Dupla: Um modelo que integra métricas de consenso técnico com metadados de topologia econômica, distinguindo entre resolução de hashrate e adoção econômica.
Quantificação Estrutural dos Atores BCAP: O artigo fornece limiares quantitativos específicos para classes de atores, incluindo um piso de suporte econômico, um teto de sobreposição (override) e um Ponto de Autossustentação Econômica (ESP), além de um "ponto de virada" (flip-point) de comprometimento de pool.
Independência das Camadas de Resolução: O estabelecimento de que os resultados dos forks se resolvem em duas camadas independentes (hashrate e adoção econômica) governadas por parâmetros diferentes, e que nós de usuários individuais não possuem influência detectável nos resultados sob os pesos econômicos modelados.
Orientação Operacional: Tradução das descobertas em três questões de monitoramento passíveis de serem respondidas a partir de dados publicamente observáveis.

Principais Resultados

Não-Causalidade de Hashrate: Contrário à intuição comum, a maioria do hashrate não é o determinante primário da resolução de fork sob condições econômicas realistas (especificamente quando o suporte econômico é $\ge 0,60$ ). A "Janela de Sobrevivência do Ajuste de Dificuldade" neutraliza a vantagem do hashrate antes que a cascata econômica se resolva.
Dominância do Peso Econômico: A distribuição do peso econômico através de uma partição é o determinante primário da resolução.
- Piso de Suporte Econômico ( $\sim 0,45\text{--}0,50$ ): Abaixo deste limiar, nenhuma cascata é possível; a cadeia incumbente vence independentemente da configuração de pools.
- Teto de Sobreposição Econômica ( $\sim 0,78\text{--}0,82$ ): Acima deste limiar, o sinal econômico força a capitulação de todos os pools, garantindo que a cadeia de atualização vença universalmente.
- Ponto de Autossustentação Econômica (ESP, $\sim 0,74$ ): Entre o piso e o teto, o ímpeto econômico torna-se autorreforçável.
O "Ponto de Virada da Foundry" ( $\sim 0,214$ ): Existe um limiar estrutural contraintuitivo em relação ao comprometimento de pools. Se a fração de hashrate comprometida na cadeia de atualização cruzar $\sim 0,214$ (especificamente envolvendo o maior pool, Foundry USA), o resultado pode, paradoxalmente, reverter. Abaixo deste ponto, o maior pool está economicamente preso e forçado a mudar, desencadeando uma cascata. Acima deste ponto, o maior pool mantém-se por convicção, purificando o bloco oposto e permitindo que este resista à cascata.
Dependência de Regime: O parâmetro causal dominante inverte-se com base no intervalo de retarget. Em um regime de 144 blocos (acelerado), a divisão econômica é dominante. No regime de 2016 blocos, que é o operacionalmente relevante, a estrutura de comprometimento de pools torna-se o principal motor (52,8% de importância de atributo), pois os pools devem sustentar perdas durante um ciclo completo de 14 dias.
Insignificância do Nó de Usuário: Nós de usuários individuais (detentores de varejo, mineradores solo) detêm coletivamente uma desvantagem de peso econômico de $2.197:1$ em relação aos atores institucionais. O estudo encontrou zero influência detectável dos nós de usuários nos resultados de forks em qualquer configuração, desafiando a eficácia dos User-Activated Soft Forks (UASF), a menos que consigam persuadir a infraestrutura econômica.

Significância e Alegações
O artigo afirma fornecer a primeira quantificação estrutural do framework de atores BCAP, movendo a análise de governança de descrições qualitativas para limiares mensuráveis. Ele afirma que o enquadramento padrão de avaliação de fork (focando na maioria do hashrate) é ativamente enganoso dentro da "zona de inversão" contestada.

A significância reside em redefinir o risco de governança:

Monitoramento: Atores de governança devem monitorar as razões de divisão econômica e a atribuição ideológica específica do maior pool de mineração, em vez do hashrate agregado.
Visão Estratégica: Comprometer publicamente um grande pool a uma atualização pode ser contraproducente sob condições econômicas intermediárias, pois pode impedir o mecanismo de "mudança forçada" que impulsiona as cascatas.
Avaliação de Risco: As descobertas identificam "janelas de perigo" específicas (por exemplo, o período antes do primeiro ajuste de dificuldade) e tetos estruturais no poder do usuário, oferecendo uma base baseada em dados para avaliar a resiliência da infraestrutura durante atualizações contenciosas.

Os autores mantêm a modéstia, observando que os valores específicos dos limiares são calibrados para o cenário de 2026 e que os mecanismos são gerais, embora os números exatos possam exigir recalibração para topologias de rede ou dinâmicas de divergência de preço materialmente diferentes.