FRAD：基于三元分类模型的以太坊抢跑攻击检测
密码学与安全
2023-11-27 v1 人工智能
摘要
随着区块链技术的发展，交易安全问题（尤其在以太坊等平台上）变得日益关键。抢跑攻击（front-running attacks）作为一种独特的安全威胁形式，对区块链交易的完整性构成重大挑战。在此类攻击场景中，恶意行为者监控其他用户的交易活动，然后策略性地以更高费用提交自己的交易，确保其交易在受监控交易被纳入区块之前执行。本文的主要目标是深入对抢跑攻击相关交易进行全面分类，旨在为开发者提供应对各类攻击的具体策略。为此，我们引入一种名为 FRAD（基于三元分类模型的以太坊抢跑攻击检测）的新检测方法。该方法专为以太坊上去中心化应用（DApps）内的交易定制，能够准确分类涉及交易置换、插入和抑制的抢跑攻击。我们的实验验证表明，多层感知机（MLP）分类器在检测抢跑攻击方面表现最佳，达到了 84.59% 的准确率和 84.60% 的 F1 分数。
引用
@article{arxiv.2311.14514,
title = {FRAD: Front-Running Attacks Detection on Ethereum using Ternary Classification Model},
author = {Yuheng Zhang and Pin Liu and Guojun Wang and Peiqiang Li and Wanyi Gu and Houji Chen and Xuelei Liu and Jinyao Zhu},
journal= {arXiv preprint arXiv:2311.14514},
year = {2023}
}
备注
14 pages, 8 figures