自从于2008年问世以来,比特币就作为首个实现完全去中心化的数字加密货币而受到极大的关注。在比特币网络中,所有用户的交易信息都会被记录到一种称作区块链的公开数据结构中。区块链的安全性主要依赖于维护其正常运作的分布式协议,这些协议由区块链网络中被称为矿工的用户执行。传统的观点认为,区块链网络中的挖矿协议是激励相容的,同时能够在分布式系统中抵御小部分作恶的节点。最初,在基于工作量证明的区块链系统中,人们相信协议中规定的诚实挖矿就是能使矿工的收益最高的区块链挖矿策略。但是之后的研究表明,使用诚实挖矿以外的策略有可能获得更高的区块链挖矿收益。实践中可以将区块链挖矿任务建模为马尔可夫决策过程（MDP）,然后对其求解得到收益最高的最优挖矿策略。然而,求解区块链挖矿的MDP模型需要事先知道表征该区块链网络的各种参数值。在实际的区块链网络中,这些参数值往往难以获取,并且会随着时间而发生变化,这阻碍了对区块链挖矿MDP模型进行基于模型的求解。本文将机器学习领域的强化学习理论,应用到区块链挖矿的任务中,通过智能体与区块链网络的交互,可以动态地学习到性能接近最优挖矿策略的强化学习挖矿策略。因为区块链挖矿MDP模型中具有一个非线性的目标函数（标准的MDP模型中为线性的目标函数）,所以在本文中设计了一种新的多维强化学习算法用于求解。实验结果表明,在区块链挖矿MDP模型的参数值未知的情况下,多维强化学习挖矿算法能够通过与环境的交互学习到最优的挖矿策略,而且在变化的网络环境中仍然能达到最优性能。同时,本文还对区块链挖矿MDP模型进行拓展,使其能够表征更多现实区块链网络中的影响因素,并基于拓展后的MDP模型设计了一种新的定量分析框架,用于分析基于工作量证明的区块链网络中各种共识与网络参数对其安全性能的影响。本文还根据拓展后的MDP模型,提出了考虑到各种现实约束的强化学习挖矿策略,这些约束包括不同的区块体积、区块间隔、消息传播机制以及日蚀攻击的影响。最后通过仿真实验的方式,研究了在基于工作量证明的区块链网络中这些参数对于强化学习挖矿策略的影响。