DRAINCLoG：利用图上学习的分类器检测持有非法获取 NFT 的 rogue 账户
密码学与安全
2023-11-20 v2
摘要
随着非同质化代币（NFT）持续流行，NFT 用户已成为网络犯罪分子（称为 NFT drainer）钓鱼攻击的目标。去年，drainer 窃取了价值 1 亿美元的 NFT，其存在仍对 NFT 交易空间构成严重威胁。然而，目前尚无工作全面研究 NFT 生态中 drainer 的行为。本文中，我们提出首个关于 NFT drainer 交易行为的研究，并引入首个专用的 NFT drainer 检测系统。我们从以太坊区块链收集了 2022 年 1.27 亿条 NFT 交易数据以及来自五个来源的 1135 个 drainer 账户。我们发现 drainer 在交易和社交语境上与普通用户显著不同。基于这些洞察，我们设计了 DRAINCLoG，一个利用图神经网络（Graph Neural Networks）的自动 drainer 检测系统。该系统通过两种不同的图——用于交易语境的 NFT-用户图和用于社交语境的用户图——有效捕捉 NFT 空间内多面的交互网络。使用真实世界 NFT 交易数据的评估凸显了我们模型的鲁棒性与精确性。此外，我们分析了 DRAINCLoG 在多种规避攻击下的安全性。
引用
@article{arxiv.2301.13577,
title = {DRAINCLoG: Detecting Rogue Accounts with Illegally-obtained NFTs using Classifiers Learned on Graphs},
author = {Hanna Kim and Jian Cui and Eugene Jang and Chanhee Lee and Yongjae Lee and Jin-Woo Chung and Seungwon Shin},
journal= {arXiv preprint arXiv:2301.13577},
year = {2023}
}
备注
To appear in NDSS 2024