基于漏洞与交易行为的恶意智能合约检测
密码学与安全
2021-06-28 v1 分布式、并行与集群计算
机器学习
摘要
以太坊中的智能合约（SCs）可自动化任务并为用户提供不同功能。这种自动化由编写SCs的编程语言（Solidity）的“图灵完备”特性所实现。这也打开了SCs中不同的漏洞与缺陷，恶意行为者利用它们在加密货币平台上开展恶意或非法活动。在这项工作中，我们研究恶意活动与SCs中存在的漏洞之间的相关性，发现某些恶意活动与特定类型的漏洞相关。我们随后开发并研究了一种对应于SCs中漏洞严重程度的评分机制的可行性，以确定其是否为识别可疑SCs的相关特征。我们利用无监督机器学习（ML）算法在不同时间粒度上分析严重程度评分对检测可疑SCs的效用，并识别出行为变化。在针对链上SCs的实验中，借助在特征集中加入智能合约漏洞评分，我们在不同粒度上总共发现了1094个行为类似于恶意SCs的良性SCs。
引用
@article{arxiv.2106.13422,
title = {Vulnerability and Transaction behavior based detection of Malicious Smart Contracts},
author = {Rachit Agarwal and Tanmay Thapliyal and Sandeep Kumar Shukla},
journal= {arXiv preprint arXiv:2106.13422},
year = {2021}
}
备注
Submitted to a conf