区块链大语言模型
密码学与安全
2023-05-02 v2 机器学习
摘要
本文提出一种动态、实时的区块链异常交易检测方法。所提出的工具 BlockGPT 生成区块链活动的追踪表示，并从头训练一个大语言模型（LLM）以充当实时入侵检测系统。与传统方法不同，BlockGPT 旨在提供无限制的搜索空间，且不依赖预定义规则或模式，从而能够检测更广泛的异常。我们通过将 BlockGPT 用作以太坊交易的异常检测工具来展示其有效性。在我们的实验中，它有效地在 6800 万笔交易的数据集中识别出异常交易，并且批量吞吐量平均每秒 2284 笔交易。我们的结果表明，BlockGPT 通过将 124 次攻击中的 49 次排在与受害合约交互的最异常的前 3 笔交易中，识别出异常交易。本工作通过引入与 transformer 架构兼容的自定义数据编码、领域特定的分词技术，以及专为以太坊虚拟机（EVM）追踪表示设计的树编码方法，对区块链交易分析领域作出贡献。
引用
@article{arxiv.2304.12749,
title = {Blockchain Large Language Models},
author = {Yu Gai and Liyi Zhou and Kaihua Qin and Dawn Song and Arthur Gervais},
journal= {arXiv preprint arXiv:2304.12749},
year = {2023}
}