基于合约运行时行为图有效检测以太坊上的庞氏骗局
软件工程
2024-06-04 v1
摘要
庞氏骗局作为一种欺诈形式，近年来在以太坊智能合约中被发现，造成了巨大的经济损失。现有的检测方法主要关注基于规则的方法和利用静态信息作为特征的机器学习技术。然而，这些方法存在显著的局限性。基于规则的方法依赖于预定义的规则，能力有限且依赖领域知识。使用操作码等静态信息进行机器学习无法有效刻画庞氏合约的特征，导致可靠性和可解释性差。此外，依赖交易等静态信息进行机器学习需要一定数量的交易才能实现检测，这限制了检测的可扩展性，并阻碍了对零日庞氏骗局的识别。在本文中，我们提出了 PonziGuard，一种基于合约运行时行为的高效庞氏骗局检测方法。受合约运行时行为能更有效地区分庞氏合约与无辜合约这一观察的启发，PonziGuard 建立了一种称为合约运行时行为图（CRBG）的综合图表示，以准确描述庞氏合约的行为。此外，它将检测过程形式化为 CRBG 上的图分类任务，从而增强了其整体有效性。实验结果表明，PonziGuard 在真实数据集上超越了当前最先进的方法。我们将 PonziGuard 应用于以太坊主网，并证明了其在现实场景中的有效性。使用 PonziGuard，我们在以太坊主网上识别出 805 个庞氏合约，这些合约已导致估计约 281,700 个以太币（约合 5 亿美元）的经济损失。我们还在最近部署的 10,000 个智能合约中发现了零日庞氏骗局。
引用
@article{arxiv.2406.00921,
title = {Towards Effective Detection of Ponzi schemes on Ethereum with Contract Runtime Behavior Graph},
author = {Ruichao Liang and Jing Chen and Cong Wu and Kun He and Yueming Wu and Weisong Sun and Ruiying Du and Qingchuan Zhao and Yang Liu},
journal= {arXiv preprint arXiv:2406.00921},
year = {2024}
}
备注
Submitted to ACM Transactions on Software Engineering and Methodology