一种用于以太坊蜜罐检测的数据科学方法
密码学与安全
2019-12-23 v2 机器学习
机器学习
摘要
以太坊智能合约近来引起了媒体、金融业和学术界的相当关注。随着其 popularity 的上升，恶意用户发现了通过欺骗新手来获利的新机会。因此，攻击者开始将其他攻击者引诱到看似存在可利用缺陷、实则包含复杂隐藏陷阱且最终使合约创建者获益的合约中。在区块链社区，这类合约被称为蜜罐（honeypots）。最近的一项研究提出了一个名为 HONEYBADGER 的工具，该工具使用符号执行通过分析合约字节码来检测蜜罐。在本文中，我们提出了一种主要基于合约交易行为的数据科学检测方法。我们对合约创建者、合约、交易发送者与其他参与者之间资金流动的所有可能情形进行了划分。为此，我们添加了交易聚合特征（如交易数量及其对应均值）以及其他合约特征（例如编译信息与源代码长度）。我们发现上述所有类别的特征都包含用于检测蜜罐的有用信息。此外，我们的方法使我们能够检测出已知技术中此前未被发现的新蜜罐。我们进一步采用我们的方法，通过从训练集中依次移除一种技术来测试对未知蜜罐技术的检测能力。我们表明，我们的方法能够发现被移除的蜜罐技术。最后，我们发现了两种此前未知的新技术。
引用
@article{arxiv.1910.01449,
title = {A Data Science Approach for Honeypot Detection in Ethereum},
author = {Ramiro Camino and Christof Ferreira Torres and Mathis Baden and Radu State},
journal= {arXiv preprint arXiv:1910.01449},
year = {2019}
}