50 درصد نرخ هش شبکه بیت کوین کش در اختیار ماینر ناشناس

بیت کوین کش

یک استخراج کننده ناشناس بیت کوین کش، ظاهرا برای 24 ساعت کنترل بیش از 50 درصد نرخ هش این توکن را در اختیار گرفت.

به نظر می رسد این ماینر 73 بلاک را از ساعت 10 صبح روز 24 اکتبر تا 10 صبح 25 اکتبر استخراج کرده است.  یک کاربر در توییتر به نام Notgrubles این را علت پر خطر بودن بیت کوین کش به عنوان یک سرمایه اعلام کرد و خواست که این ارز از لیست خارج شود.

با کنترل 50 درصد از نرخ هش بیت کوین کش توسط استخراج کننده یا استخراج کنندگان ناشناس، احتمال کنترل کل شبکه و توانایی انجام کارهای غیرقانونی و ناخوشایند دور از تصور نخواهد بود.

با این حال برخی معتقدند این رخداد احتمالا توسط استخراج کنندگان بیت کوین رخ داده که در حال آزمایش قدرت بی نظیر خود بر روی شبکه بیت کوین کش هستند.

سقوط مرموز نرخ هش بیت کوین

در پایان ماه سپتامبر نرخ هش بیت کوین یک سقوط 40 درصدی داشت. این افت نرخ هش، با توجه به این که در کل تابستان این مقدار در حال افزایش بود، غیرقابل توضیح بود.

چند روز پیش و طبق آمار و گزارش ها، نرخ هش بیت کوین به رکورد تاریخی 102 کوانتلیون هش رسید و این نقطه عطف را پشت سر گذاشت.

نرخ هش بالاتر به معنی رقابت بیشتر در بین استخراج کنندگان برای تایید اعتبار بلاک های جدید است. همچنین باعث می شود که قدرت بالاتری برای انجام حمله 51 درصدی لازم باشد و بنابراین امنیت شبکه افزایش می یابد.

افزایش قیمت بیت کوین کش

تقریبا همزمان با افزایش قیمت ناگهانی بیت کوین طی دو روز گذشته، سایر آلت کوین ها نیز افزایش قیمت مناسبی را تجربه کردند. قیمت بیت کوین کش نیز افزایش مناسبی داشت و روز گذشته تا 15 درصد افزایش را تجربه کرد.

ایمان کیمیایی

مقالات مرتبط

توصیه بزرگ‌ترین بانک خصوصی برزیل برای تخصیص ۳ درصد از سبد دارایی به بیت‌کوین در سال ۲۰۲۶

شرکت مدیریت دارایی ایتائو، بازوی سرمایه‌گذاری بانک ایتائو یونیبانکو، بزرگ‌ترین بانک خصوصی…

راهنمای استفاده از ربات‌های تریدر مبتنی بر هوش مصنوعی

مبنای اصلی هوش مصنوعی شامل سه روش یادگیری تحت نظارت (یادگیری از داده‌های برچسب‌خورده) ، یادگیری بدون نظارت (پیدا کردن الگوها در داده‌های بدون برچسب) و یادگیری تقویتی (یادگیری از طریق آزمون و خطا) است. ربات‌های معامله‌گر ارز رمزنگاری از این روش‌های یادگیری ماشین به شکل‌های مختلف استفاده می‌کنند: مدل‌های یادگیری تحت نظارت با بررسی داده‌های گذشته، حرکت قیمت‌ها را پیش‌بینی می‌کنند، مدل‌های یادگیری بدون نظارت الگوهای رفتاری مشابه را شناسایی و دسته‌بندی می‌کنند والگوریتم‌های یادگیری تقویتی استراتژی‌های معاملاتی را در لحظه تنظیم و بهینه می‌کنند.

ریپل با بیشترین افت کارمزد از سال ۲۰۲۰ مواجه شد

کارمزد تراکنش‌های شبکه ریپل(XRP) با سقوط ۸۹ درصدی به پایین‌ترین سطح از…

دیدگاهتان را بنویسید