利用域名及其时间特性识别区块链中的恶意账户
密码学与安全
2021-06-28 v1 机器学习
摘要
区块链技术的采用日益增多，导致网络犯罪分子的非法活动上升，造成数十亿美元的损失。许多机器学习算法被应用于检测此类非法行为。这些算法通常基于交易行为进行训练，在某些情况下基于系统中存在的漏洞进行训练。在我们的方法中，我们研究使用区块链中与账户关联的域名（DN）等元数据的可行性，并判断一个账户是否应被标记为恶意。在此，我们利用附加在域名上的时间特性。我们的结果识别出144930个表现出恶意行为的域名，其中54114个域名随时间表现出持续的恶意行为。尽管如此，这些被识别出的恶意域名均未被官方新标记的恶意区块链域名所报告。
引用
@article{arxiv.2106.13420,
title = {Identifying malicious accounts in Blockchains using Domain Names and associated temporal properties},
author = {Rohit Kumar Sachan and Rachit Agarwal and Sandeep Kumar Shukla},
journal= {arXiv preprint arXiv:2106.13420},
year = {2021}
}
备注
Submitted to a journal