在无许可区块链中检测表现对抗行为的恶意账户
密码学与安全
2021-01-29 v1 机器学习
摘要
在比特币、以太坊等多种无许可区块链中已标记出不同类型的恶意活动。部分恶意活动利用区块链基础设施中的漏洞，部分则通过社会工程学技术针对其用户。为解决这些问题，我们旨在自动标记发起此类针对其他参与者账户的恶意利用的区块链账户。为此，我们确定了一种鲁棒的监督式机器学习（ML）算法，该算法既能抵抗可用数据集中某些恶意活动过度代表所引发的偏差，也能抵御对抗攻击。我们发现，迄今为止报道的大多数恶意活动（例如以太坊区块链生态系统中者）在统计上表现相似。此外，先前用于识别恶意账户的 ML 算法偏向于过度代表的特定恶意活动。随后，我们确认神经网络（NN）在此类引发偏差的数据集面前表现最佳，同时又能抵御特定对抗攻击。
引用
@article{arxiv.2101.11915,
title = {Detecting Malicious Accounts showing Adversarial Behavior in Permissionless Blockchains},
author = {Rachit Agarwal and Tanmay Thapliyal and Sandeep K. Shukla},
journal= {arXiv preprint arXiv:2101.11915},
year = {2021}
}
备注
Submitted