Despite the growing interest in cryptocurrencies, the delays incurred to confirm transactions are one of the factors that hamper the wide adoption of systems such as Bitcoin. Bitcoin transactions usually are confirmed in short periods (minutes), but still much larger than conventional credit card systems (seconds). In this work, we propose a framework encompassing machine learning and a queueing theory model to (i) identify which transactions will be confirmed; and (ii) characterize the confirmation time of confirmed transactions. The proposed queueing theory model accounts for factors such as the activity time of blocks and the mean time between transactions. We parameterize the model for transactions that are confirmed within minutes, suggesting that its integration into a more general framework is a step towards building scalability to Bitcoin.
Apesar do crescente interesse em cripto moedas, tanto indústria quanto a academia sentem falta de análises quantitativas desses sistemas. Neste trabalho, caracterizamos o Bitcoin, um dos mais populares sistemas de cripto moedas, sob a ótica quantitativa. Visamos métricas importantes relacionadas a transações, como a probabilidade uma transação ser confirmada e o tempo decorrido para essa confirmação. Nossos resultados mostram que há um número não negligenciável de transações que não são confirmadas 24 horas após serem postadas na rede. Nesse caso, nós observamos uma alta correlação entre a taxa de uma transação, seu volume e a suspeita de que a transação não será confirmada. O trabalho mostra que transações do Bitcoin geralmente são confirmadas em períodos curtos, mas ainda assim, muito acima de tempos usuais de sistemas de cartão de crédito. Finalmente, nós provemos uma análise de nível de atividade simples, comparando um período importante na existência do sistema do Bitcoin –o fechamento do Silk Road– e um peróodo subsequente. Em resumo, concluimos que a rede Bitcoin se apresenta resiliente e não é dependente de hubs altamente centralizados.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.