bitcoin-network-propagation

该数据集记录了比特币点对点网络的区块和交易传播动态，通过同时连接约120个对等节点进行测量。数据集的目的是量化比特币网络学习新信息的速度，涵盖区块和交易传播的延迟、中继费用以及节点连接状态。数据集包含四个子表：e21_btc_block_propagation（每个对等节点宣布一个区块的时间戳，反映原始中继速度）、e21_btc_tx_propagation（每个对等节点宣布一个采样交易的时间戳，由于节点随机化宣布时间以隐藏交易来源，交易传播时间显著长于区块）、e21_btc_relay_floor（每个对等节点在宣布其最低中继费用时的值，低于该费用的交易不会被转发）、e21_btc_p2p_peers（每个对等节点连接的详细信息，包括用户代理、服务和握手状态）。数据规模在100万到1000万行之间，格式为Parquet，按年/月分区。每个数据集包含一个固定的7天采样窗口（2026-08-29至2026-09-04），用于模式验证和质量检查。完整历史数据可私下请求获取。该数据集适用于时间序列预测任务，如预测网络传播延迟、分析中继费用分布、研究比特币区块链的传播特性。使用注意事项包括：时间戳包含网络距离；采样仅涵盖约120个对等方，并非整个网络；断开连接的对等方可能被误认为慢速；中继费用在市场平静时保持稳定。This dataset records the dynamics of block and transaction propagation in the Bitcoin peer-to-peer network, measured by simultaneously connecting to approximately 120 peer nodes. The purpose of the dataset is to quantify the speed at which the Bitcoin network learns new information, covering the latency of block and transaction propagation, relay fees, and node connection status. The dataset contains four sub-tables: e21_btc_block_propagation (timestamps when each peer announces a block, reflecting the original relay speed), e21_btc_tx_propagation (timestamps when each peer announces a sampled transaction; due to nodes randomizing announcement times to hide transaction sources, transaction propagation times are significantly longer than blocks), e21_btc_relay_floor (the value at which each peer announces its minimum relay fee; transactions below this fee are not forwarded), and e21_btc_p2p_peers (detailed information about each peers connections, including user agent, services, and handshake status). The data scale ranges from 1 million to 10 million rows, stored in Parquet format, partitioned by year/month. Each dataset includes a fixed 7-day sampling window (2026-08-29 to 2026-09-04) for schema validation and quality checks. Full historical data is available upon private request. This dataset is suitable for time series prediction tasks, such as predicting network propagation delays, analyzing relay fee distributions, and studying the propagation characteristics of the Bitcoin blockchain. Usage notes include: timestamps include network distance; sampling covers only about 120 peers, not the entire network; disconnected peers may be mistakenly considered slow; relay fees remain stable during market calm periods.

原始信息汇总

数据集概述

Bitcoin network propagation 是一个记录比特币点对点网络中区块和交易传播延迟时间的数据集，由 DataForge (dataforge-labs) 发布。该数据集通过同时连接约 120 个比特币对等节点，测量网络学习新信息的速度。

数据内容

数据集包含四个主要子表：

子表名称	行代表含义
e21_btc_block_propagation	某个节点宣布某个区块的时间戳记录
e21_btc_tx_propagation	某个节点宣布某个采样交易的时间戳记录
e21_btc_relay_floor	某节点宣布自身最小中继费率的时刻快照
e21_btc_p2p_peers	每行记录一个已连接节点的用户代理、服务标志、握手状态

关键特征

• 规模：1M 至 10M 行之间
• 许可：ODC-BY 开放许可，需标注 "DataForge (dataforge-labs)"
• 数据格式：Parquet 文件，按 dataset/YYYY/MM/ 目录组织
• 采样方式：交易按 txid 哈希随机采样（约 1/64），保证在不同节点上采样一致性
• 时间窗口：每个数据集包含一个固定的 7 天采样窗口，覆盖 2026-08-29 至 2026-09-04，不会自动更新

区块与交易传播差异

• 区块传播：在一组 4 个区块样本中，半数节点约在 0.4 秒内接收到新区块，最长尾部延迟达 52 秒
• 交易传播：中位传播时间约 23 秒（首末节点间），p90 为 71 秒，最大 103 秒
• 这种差异源于节点对交易公告引入随机延迟以隐藏交易来源，而区块公告不做此处理

中继费率观察

• e21_btc_relay_floor 记录节点的最小中继费率
• 在某次 41 个节点的样本中，发现 8 种不同的费率值
• 仅有 34% 节点使用常见的 1.0 sat/vB 默认值，56% 低于该值，10% 高于该值
• 非整数值通常来自内存池正在驱逐交易的节点

使用注意事项

1. 测量包含网络距离：时间包含到各节点的地理距离影响，毫秒级差异可能源于距离，秒级差异则不是
2. 样本有限：约 120 个对等节点（整个网络可达节点数万），代表网络样本而非全貌
3. 断线影响：节点断开后停止公告，可能被误认为慢速；需结合 e21_btc_p2p_peers 中的握手状态区分
4. 中继费率变动：内存池空闲时费率趋于稳定，内存池填满时才开始变动

元数据

e0_run_manifest 文件以完整（非窗口化）形式公布所有采集窗口的轮询计数和失败计数，已知缺口为真实缺失，未进行插值处理。

搜集汇总

数据集介绍

构建方式

该数据集源自对比特币点对点网络传播行为的持续观测，通过同时连接约120个对等节点，捕获区块与交易的实时传播动态。数据构建过程中，对交易采用基于txid哈希的1/64抽样策略，确保在不同节点间观测的一致性，并规避了海量公告流的带宽瓶颈。同时，数据集细致记录了节点间握手机制与中继费率的动态变化，并依据时间窗口以parquet格式分区存储，每7天为一个固定采样周期，确保数据的时间连续性与结构化完整性。

使用方法

使用该数据集时，研究者可通过HuggingFace的`snapshot_download`接口直接获取数据文件，并利用pandas读取parquet格式数据以构建分析流程。数据集按年份和月份组织目录，便于时间序列分析，其明确的7天采样窗口设计，确保了初步探索时数据量的可控性。数据集中各表结构清晰，每个区块或交易传播事件均有时间戳记录，同时提供节点级元数据以支持对传播时延的精细化建模，可广泛应用于网络传播速度预测、隐私机制评估及中继策略分析等研究场景。

背景与挑战

背景概述

比特币网络传播数据集由DataForge实验室于2026年创建，聚焦于比特币点对点网络中区块与交易传播的时延特性。该数据集通过同时连接约120个对等节点，记录了区块和交易首次宣布的时间戳、节点中继费用下限及握手状态，揭示了区块链网络信息扩散的动态机制。研究团队旨在量化不同传播机制下的时间差异——区块传播中位数约0.4秒，而交易因隐私保护机制延迟中位数约23秒，这一鲜明对比为网络行为建模提供了关键实证。该数据集不仅为时间序列预测任务提供了高质量基准，也对比特币网络性能优化、隐私机制研究及区块链系统设计具有重要参考价值，其ODC-BY许可促进了学术与工业界的广泛利用。

当前挑战

该领域面临的核心挑战在于准确测度去中心化网络的信息传播动力学，并区分由地理位置、节点策略及网络拥塞引起的变异。构建过程中，研究者需应对每秒数千条交易通知的高通量采样难题，通过基于txid的确定性抽样（约1/64）确保曲线完整性，同时保留peer_addr以控制网络距离偏差。数据不完整性与断连问题亦需处理，需借助握手状态区分真实时延与节点离线。此外，中继费用下限的时变性及内存池波动对样本代表性构成挑战，而时间戳的不可回溯性要求采集协议具备高度实时性与精确性，且数据窗口固定，全量数据仅限私有请求，限制了跨周期验证的可行性。

常用场景

经典使用场景

该数据集以其对比特币点对点网络中区块与交易传播延迟的精细测量，成为研究区块链网络性能与隐私机制的经典数据源。其核心应用场景在于对传播时间序列的建模与预测，利用约120个并发对等节点的观测数据，学者可分析区块广播的快速扩散规律（半数节点接收仅需0.4秒）与交易传播的延迟分布（中位约23秒），从而刻画比特币网络的信息传播动力学。数据集中包含的区块传播、交易传播、中继费用下限及节点握手状态四类表格，为多维度交叉分析提供了可能，支持从微观传播路径到宏观网络拓扑的全面研究。

解决学术问题

该数据集为区块链网络研究领域解决了多个长期存在的实证瓶颈。它首次提供了大规模、细粒度的实际传播延迟观测，使研究者能够验证并校准网络传播模型，其测量结果揭示了比特币网络在传播速度上的极端异质性，为理解网络健壮性与分叉概率提供了关键参数。同时，数据集通过区分区块和交易传播的不同时间尺度，实证了比特币的抗流量分析机制——交易广播中的随机化延迟，直接回答了网络如何在效率与隐私之间做出权衡这一核心问题。此外，中继费用下限数据为分析节点经济策略与mempool动态提供了罕见窗口，促进了与交易费市场相关的经济学研究。

实际应用

在实际应用层面，该数据集可用于优化加密货币节点部署与网络监控。矿池和全节点运营商可依据传播延迟数据调整网络连接策略，降低分叉与孤块风险，提升资金结算效率。交易广播延迟的时间序列特征可用于改进钱包服务的交易确认时间预估，增强用户体验。网络分析机构可基于数据集的节点握手状态与地理信息，构建异常检测系统，识别网络分区或延迟攻击，提升区块链系统的安全性。此外，数据集中关于中继费用的分布模式可辅助设计更高效的交易费推荐算法，帮助用户在费率波动时合理设定交易费用，降低交易等待时间。

数据集最近研究

最新研究方向

该数据集聚焦于比特币点对点网络中区块与交易传播的时序测量，揭示了区块链底层网络行为的关键差异。当前前沿研究方向集中于利用这类细粒度传播数据，量化交易隐私机制（如交易公告的随机延迟）的实际效果，并探索区块传播速度对网络安全与效率的影响。数据集的独特采样策略（基于哈希的固定比例采样）和包含的转发费用下限信息，为研究矿工费用市场的动态演变及节点中继策略提供了宝贵支撑。近期研究热点包括利用真实传播曲线改进网络模拟器、优化新交易传播协议，以及通过传播延迟差异检测网络级攻击，如窃听和交易溯源。该数据集作为公链网络观测的罕见样本，推动了对区块链系统安全性与性能的实证理解，其开放许可能够促进跨机构协作与复现性研究。