• 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
      • Descenso de gradiente
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Matriz de confusión e informe de clasificación
      • Visualizador de fronteras de decisión
      • Simulador de K-Means
      • Número Óptimo de Clusters
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Problema del cumpleaños
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • La aguja de Buffon
      • Simulador de la Estrategia Martingala
      • Simulador de Cadenas de Markov
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Comparador de tarifas de luz 2.0TD
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
      • Frontera Eficiente
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Consultar CSV con SQL en el navegador
      • Extractor de tickets (OCR)
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Calculadora HMAC
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
      • Editor de expresiones cron
      • Conversor de unidades
    • 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

Implementación de una criptomoneda

Blockchain, Criptomonedas

junio 18, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Blockchain

En las seis entradas anteriores de esta serie se ha realizado la implementación de una criptomoneda. Para realizar esto se ha escrito en Python el código de una cadena de bloques. Sobre este se han implementados el sistema de transacciones que da lugar a la criptomoneda. Todo el código utilizado durante la serie se encuentra disponible en el repositorio minimalcryptocurrency.

Las seis entradas que se han publicado en esta serie son:

  • Cadena de bloques: en la primera entrada de la serie se define el concepto de cadena de bloques. Esta tecnología es la base de la mayoría de las criptomonedas actuales como pueden ser Bitcoin o Ethereum. Así el primer paso en la implementación de una criptomoneda es la construcción de una cadena de bloques.
  • Prueba de esfuerzo: la segunda entrada habla de un concepto clave para evitar que se agreguen bloques sin sentido a la cadena. Para que un nodo pueda añadir un nuevo bloque ha de resolver un problema complejo. Demostrando de esta manera su interés en agregar la información. Gracias al requisito de esta prueba se puede evitar que nodos maliciosos puedan alterar el contenido de la cadena.
  • Dificultad de minando: al aumentar la potencia de computacional las pruebas de esfuerzo puede ser fáciles de resolver. Provocando que los bloque se agreguen con una frecuencia demasiado elevada. Por otro lado, si se reduce el número de nodos en la red la tarea sea demasiado compleja. Provocando que el tiempo entre bloques sea demasiado alto. Para evitar estos problemas se ha de poder modificar la dificultad de la prueba de esfuerzo. En esta tercera entrada se explica cómo medir el tiempo promedio entre bloques. Una vez obtenido el valor se puede validar si es necesario aumentar, reducir o mantener la dificultad de la prueba de esfuerzo. Así mantener el tiempo promedio entre bloques dentro de los valores esperados.
  • Transacciones: una vez implementada la cadena de bloques se han de crear las transacciones en las que se basa la moneda. Una moneda virtual no son más que transacciones sin gastar asociadas a una cuenta en una cadena de bloques. En esta entrada se presenta la construcción de este objeto.
  • Validación de transacciones: las transacciones que se realizan han de cumplir ciertas condiciones. Por ejemplo, ha de existir saldo suficiente en una dirección y es necesario gastar el saldo de todas las transacciones originales. Además, están han de estar firmadas por el propietario. En esta quinta entrada se explica el proceso de validación que se ha de llevar a cabo antes de agregar una transacción a un bloque.
  • Wallet: en las cinco primeras entradas se ha implementado una cadena de bloques y una criptomoneda. En este momento transferir dinero de una dirección a otra no es una tarea sencilla. Es necesario crear transacciones validas cumpliendo todos los requisitos descritos anteriormente. Para facilitar esta tarea se ha de crear un objeto abstraer la complejidad del proceso. En esta entrada final se explica el proceso de creación de esta interfaz para el usuario final.

En una criptomoneda hay algunos puntos que no se han tratado en la serie como puede ser el lanzamiento y el premio que se obtiene por agregar un bloque. A continuación, se explica rápidamente estos conceptos.

Shallow copy vs Deep copy en Python: la mutación inesperada
En Analytics Lane
Shallow copy vs Deep copy en Python: la mutación inesperada

Lanzamiento de una moneda

En el lanzamiento de una criptomoneda existe un problema: la cadena de bloques esta vacía y no existen transacciones sin gastar. Por lo que no existe dinero que se pueda transferir. Por esto en el lanzamiento de una moneda se ha de incluir unas transacciones creadas desde la nada asignadas a diferentes direcciones. Esto es lo que se conoce como ICO (Initial Coin Offering). Gracias a esto existe una base monetaria inicial.

Para implementar esto simplemente se ha de preparar el validador de transacciones de modo que pueda dar por validas las generadas en el ICO.

Premio por agregar un bloque

El hecho de agregar un nuevo bloque a la cadena de bloques requiere un esfuerzo computacional. Se ha de resolver la prueba de esfuerzo. Esta tarea es clave para garantizar el funcionamiento de la red, ya que si no se validad los bloques no se pueden realizar transacciones en la red. Para incentivar la resolución de estos problemas se realizar una nueva transferencia con la que se crea dinero a la dirección del que resuelve el problema y agregue el bloque.

Al igual que en el caso anterior se ha de preparar el validador de transacciones para funcionar correctamente con estas.

Conclusiones

En esta serie de seis entradas se han explicado una implementación básica en Python de una criptomoneda y una cadena de bloques (Blockchain). El código final permite comprender el funcionamiento de esta tecnología que promete ser clave en el futuro.

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?

Publicaciones relacionadas

  • Shallow copy vs Deep copy en Python: la mutación inesperada
  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador
  • Cómo Saber si una Diferencia Significativa es Importante
  • Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”
  • Cómo Explorar un Dataset antes de Modelar
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • Guía Completa para Usar el Panda Planner: Tu Camino hacia la Productividad y el Bienestar

Publicidad

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

Guía Completa para Usar el Panda Planner: Tu Camino hacia la Productividad y el Bienestar

noviembre 19, 2026 Por Daniel Rodríguez

Noticias

Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador

noviembre 18, 2026 Por Daniel Rodríguez

Cómo Explorar un Dataset antes de Modelar

noviembre 17, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Solución al error Failed to download metadata for repo ‘AppStream’ en CentOS 8 publicado el septiembre 13, 2023 | en Herramientas
  • Curiosidad: El uso del número 42 para fijar la semilla publicado el julio 7, 2023 | en Opinión
  • Método de Brent e implementación en Python publicado el abril 28, 2023 | en Ciencia de datos
  • Exactitud, precisión, recall… qué mide realmente cada métrica (y qué no) publicado el marzo 3, 2026 | en Ciencia de datos
  • Diagramas de dispersión y gráficos de regresión con Seaborn: Visualización de relaciones entre variables numéricas publicado el julio 20, 2023 | en Python

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

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

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