DeFiGuard：基于图神经网络的去中心化金融价格操纵检测服务
密码学与安全
2024-06-18 v1
摘要
去中心化金融（DeFi）的繁荣揭示了其潜在风险，据报道，2018至2022年期间因去中心化应用（DApp）漏洞导致损失超过32亿美元。其中一个重要威胁是价格操纵攻击（PMA），该攻击会在交易执行期间改变资产价格，导致损失超过5000万美元。为应对高效PMA检测的紧迫需求，本文引入了一种新型检测服务DeFiGuard，使用图神经网络（GNN）。本文提出了包含四种不同特征的现金流图，这些特征捕捉了来自交易的交易行为。此外，DeFiGuard集成了交易解析、图构建、模型训练和PMA检测。在包含208起PMA和2080起非PMA交易的数据集上评估显示，DeFiGuard使用GNN模型在准确率、真阳性率、假阳性率和AUC-ROC方面均优于基线方法。消融实验结果表明，四个提议节点特征的组合提高了DeFiGuard的有效性。此外，DeFiGuard在0.892至5.317秒内对交易进行分类，为受害者（DApp和用户）采取行动救援有价值资产提供了足够的时间。总之，本研究为使用GNN保护DeFi环境免受PMA提供了重要一步。
引用
@article{arxiv.2406.11157,
title = {DeFiGuard: A Price Manipulation Detection Service in DeFi using Graph Neural Networks},
author = {Dabao Wang and Bang Wu and Xingliang Yuan and Lei Wu and Yajin Zhou and Helei Cui},
journal= {arXiv preprint arXiv:2406.11157},
year = {2024}
}
备注
13 pages, 7 figures