以太坊区块链上的金融机器人检测
密码学与安全
2025-01-03 v2 机器学习
摘要
在分布式账本技术（DLT）中引入机器人可促进效率与自动化。然而，其使用也与掠夺性交易和市场操纵相关，并可能对系统完整性构成威胁。因此，了解 DLT 中机器人的部署程度至关重要；尽管如此，当前的检测系统主要基于规则且缺乏灵活性。在本研究中，我们提出了一种利用机器学习在以太坊平台上检测金融机器人的新方法。首先，我们系统化现有科学文献并收集轶事证据，以建立包含 7 个类别和 24 个子类别的金融机器人分类法。其次，我们创建了一个包含 133 个人类地址和 137 个机器人地址的真值数据集。第三，我们采用无监督和有监督机器学习算法来检测部署在以太坊上的机器人。性能最高的聚类算法是高斯混合模型，平均聚类纯度为 82.6%，而性能最高的二分类模型是随机森林，准确率为 83%。我们基于机器学习的检测机制通过提供对当前机器人格局的额外洞察，有助于理解以太坊生态系统的动态。
引用
@article{arxiv.2403.19530,
title = {Detecting Financial Bots on the Ethereum Blockchain},
author = {Thomas Niedermayer and Pietro Saggese and Bernhard Haslhofer},
journal= {arXiv preprint arXiv:2403.19530},
year = {2025}
}