Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

输入错误比特币地址的概率

Posted on 2025-08-29

我听到有人说比特币很危险,因为输入地址时很容易打错,把钱汇给错误的人,而且没有追索权。比特币确实存在一些风险,比如丢失私钥,但地址打错并不是什么大问题。

校验和

比特币地址有多种类型。每个地址至少有 20 个字节(160 位)长,且至少有 4 个字节(32 位)的校验和。输入错误导致校验和有效的概率约为 2^ 32 分之一。

已使用地址

让我们忽略此部分的校验和。

由于地址是由加密哈希函数生成的,我们可以假设这些值在可能的地址空间中本质上是随机分布的。地址是确定性的,但出于建模的目的,随机性与随机性是一样的。

这意味着,一个实际地址的拼写错误,与一个随机输入的地址,被误认为另一个真实地址的可能性是一样的。这与英语单词不同:一个拼写错误的英语单词被误认为另一个英语单词的可能性,比随机击键被误认为另一个英语单词的可能性更大。

目前已使用的比特币地址数量约为十亿个,可能性有 2^ 160种。(实际上更多,因为有些地址长度超过 160 位。)一个随机的 160 位序列对应比特币区块链上某个地址的概率约为 1/10^ 39 。

编辑距离接近的地址

有人在 X 上用“Veni Vidi Vici”这个名字询问

那么,在这 1B 个地址中,两个地址彼此之间只需交换一个字符的概率有多大呢?

这个问题很有意思。我们假设这些地址是长度为 26 的Base58 编码字符串。地址可能更长,但假设最小长度会增加地址接近的概率。

有多少个地址的字符交换距离在一到两个字符以内?几周前我在这里回答过类似的问题。如果所有字符都是唯一的,那么在k 个字符交换距离以内的字符串数量将是

| S 1 ( 26 , 26 − k ) |

其中S 1表示第一类斯特林数。当k = 1 时,该数为 325;当k = 2 时,该数为 50,050。这里假设所有字符都是唯一的;我还没有考虑过字符重复的情况。

假设有十亿个地址,每个地址都有一百万个在某种意义上接近该地址的其他地址,这些地址可能是该地址的拼写错误。那么就有 10 ^12 个地址和拼写错误,分布在 ≈10^ 45 个(即 58^ 26 个)可能的地址空间中。

这里隐含着一个生日问题。即使允许拼写错误,任何特定的地址都不太可能与其他地址冲突,但某些地址发生冲突的可能性又如何呢?

假设我们将 10 ^45 个地址空间划分为N = 10 ^29 个地址,每个地址可能存在一百万个拼写错误。那么根据经验法则,大约需要√N 次随机抽取,才会有 50% 的概率发生冲突。由于 10 ^9远小于 10^ 14.5 ,因此即使考虑到每个地址都存在一百万个相关的拼写错误,任何两个地址发生冲突的可能性也不大。

输入错误比特币地址的概率一文最先出现在John D. Cook上。

原文: https://www.johndcook.com/blog/2025/08/28/wrong-address/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme