• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Transacciones: creación de una criptomoneda (4º Parte)

mayo 28, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Blockchain

Hasta ahora esta serie se ha centrado en la creación de la cadena de bloques, la prueba de esfuerzo y la dificultad de minando. En este momento, la cadena de bloques que se ha construido simplemente es un registro que no puede ser alterado. En esta entrada se va a introducir el concepto de transacción gracias al cual se podrá crear una criptomoneda.

Las criptomonedas basadas en cadena de bloques son realmente transacciones entre cuentas. En la cadena de bloques se almacenan todas transacciones que han tenido lugar. Así se puede identificar aquellas que aún no han sido gastadas por su propietario. De modo que, el saldo en una cuenta, es la suma de las transacciones realizadas hacia la misma no gastadas.

Creación de una cuenta

Al igual que cuando se quiere trabajar con un banco tradicional para trabajar con una criptomoneda se ha de crear primero una cuenta. En el caso de las criptomonedas la cuenta no es más que la clave pública de un par de claves publica-privadas. En Python, estas pares de claves se pueden crear con la librería ecdsa:

from ecdsa import SigningKey

sk = SigningKey.generate()

private = sk.to_string().hex()
public = sk.get_verifying_key().to_string().hex()

La clave privada se ha de guardar en secreto ya que es la llave para poder gastar las transacciones. Por otro lado, la calve publica es la que se ha de comunicar a los usuarios para que nos puedan transferir saldo. Tanto la clave privada como la pública se han almacenado en formato hexadecimal. La clave privada es de la forma:

Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
En Analytics Lane
Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane

69b9c98919020b72fcb72c9497f9621148e016a73a12afc6

Por otro lado, la pública es:

c8b214f935445e44b3e716f3f501fe24d60f832d055221a30b0acaeb6a4ce4c34e22f805eee93216ec86b0439ac1503f

En este caso se ha utilizado el algoritmo SHA-1 de la familia Secure Hash Algorithm (SHA). Para una descripción de este algoritmo se puede consultar https://es.wikipedia.org/wiki/Secure_Hash_Algorithm.

Transacciones

Una transacción es un objeto que ha de contener las transacciones de entrada, las transacciones de salida, hash para identificar la transacción y la firma del propietario. Un objeto básico se puede definir utilizando el siguiente código

class Transaction:
    def __init__(self, inputs, outputs, key):
        self.inputs = inputs
        self.outputs = outputs
        self.hash_id = self.generate_transaction_id()

        self.sign(key)

def generate_transaction_id(self):
    transaction = []

    for outputs in self.outputs:
        transaction.append(outputs.address)
        transaction.append(outputs.amount)

    if self.inputs is not None:
        if isinstance(self.inputs, datetime):
            transaction.append('%s' % self.inputs)
        else:
            for inputs in self.inputs:
                if isinstance(inputs, InputTransaction):
                    transaction.append(inputs.hash_id)
                else:
                    transaction.append(inputs)

    return sha256(repr(transaction).encode('utf-8')).hexdigest()

def sign(self, key):
    signature_key = SigningKey.from_string(bytes.fromhex(key))
    self.signature = signature_key.sign(self.hash_id.encode('utf-8')).hex()

Antes de explicar el código anterior se ha de definir los objetos para las transacciones de entrada (InputTransaction) y las de salida (OutputTransaction). Las transacciones de entrada han de contener el hash de esta y el su índice, es decir:

class InputTransaction:
    def __init__(self, hash_id, index):
        self.hash_id = hash_id
        self.index = index

Por otro lado, la transacción de salir ha de contener la dirección a la que se realiza la trasferencia y la cantidad. Básicamente un objeto para este tipo de transacción seria:

class OutputTransaction:
    def __init__(self, address, amount):
        self.address = address
        self.amount = amount

En las transacciones de entrada no es necesario indicar la cuenta ni la cantidad, ya que estos datos se encuentran en la cadena de bloques.

Las operaciones transacciones de entrada no han estar previamente gastadas. Es decir, en un bloque anterior de la cadena de bloques no puede aparecer estas como entrada de una transacción. Por otro lado, la cantidad total de las transacciones de entrada ha de ser igual a las de salida. Es decir, no puede quedar dinero sin gastar, ya que la transacción se va a marcar como gastada. En el caso de que el ordénate no posea una transacción o conjunto de transacciones sin gastar que igualen el valor total de las transacciones de salida puede solucionar este problema creando una nueva transacción su propia cuenta. Estos procesos de validación se explicarán en una futura entrada.

Publicidad


Generación del hash para la transacción

A cada una de las transacciones se le ha de calcular su hash. Este valor es el que la identifica de forma única. En el código anterior este proceso se realiza en el método generate_transaction_id. Básicamente en el proceso se adjuntan las direcciones y cantidades de salida junto el hash de las transacciones de entrada. A este conjunto de datos se le calcula su hash utilizando en este caso el algoritmo SHA-256.

Firmado de hash

Finalmente, el hash es firmado por el propietario de las operaciones entrantes. Solamente es necesario firmar el hash, ya que en el caso de que alguien modifique alguno de los datos (como las cuentas a las que se realiza la transacción) el hash no seria valido. La firma se realiza con la clave privada que ha de mantenerse en secreto.

A la hora de validar las transacciones simplemente se ha de comprobar que la firma es valida y pertenece al propietario legitimo de la cuenta ordenante.

Conclusiones

En esta entrada se ha explicado el concepto de transacción, imprescindible para la creación de una criptomoneda. También se ha implementado en Python los objetos necesarios para utilización en la cadena de bloques que se esta construyendo. Queda pendiente para una futura entrada la explicación del proceso de validación de estas transacciones.

Imágenes: Pixabay (mmi9)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicidad


Publicaciones relacionadas

  • Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
  • Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane
  • Calculadora de Contrastes de Hipótesis: interpreta correctamente el p-valor y toma decisiones estadísticas con confianza
  • Calculadora de Tamaño del Efecto: la herramienta clave para entender cuánto importa realmente una diferencia
  • Simulador de DBSCAN: descubre cómo encontrar clusters reales (y ruido) sin fijar K
  • Conversor de Colores: convierte, compara y valida cualquier color en tiempo real
  • Analytics Lane lanza su Generador de UUIDs: identificadores únicos, seguros y listos para producción en segundos
  • 1200 publicaciones en Analytics Lane
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas

Publicado en: Criptografía Etiquetado como: Blockchain, Criptomonedas

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

De la Regresión Logística al Scorecard: La Transformación Matemática

mayo 19, 2026 Por Daniel Rodríguez

Noticias

Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring

mayo 18, 2026 Por Daniel Rodríguez

Interés compuesto: la fuerza que multiplica tu dinero (y los errores que la anulan)

mayo 14, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Gráficos de correlación en Seaborn: Mapas de calor y gráficos de pares publicado el julio 27, 2023 | en Python
  • Números calientes en Bonoloto: mismos resultados que el azar publicado el octubre 9, 2020 | en Opinión
  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas
  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas
  • 7 extensiones de Visual Studio Code para ciencia de datos publicado el enero 27, 2023 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto