Ανίχνευση και Ανάλυση της Δραστηριότητας Κακόβουλων Χρηστών σε Επιθέσεις Έξυπνων Συμβολαίων με Μηχανική Μάθηση

Abstract

Η διάδοση της τεχνολογίας blockchain και της αποκεντρωμένης χρηματοοικονομικής έχει οδηγήσει σε ένα σύστημα στο οποίο έξυπνα συμβόλαια διαχειρίζονται μεγάλα κεφάλαια. Ωστόσο, λογικές αδυναμίες στον κώδικα των συμβολαίων τα καθιστούν ευάλωτα σε επιθέσεις κακόβουλων χρηστών. Τα τελευταία χρόνια έχουν σημειωθεί τέτοιες επιθέσεις με απώλειες τεράστιων χρηματικών ποσών. Η παρούσα εργασία ασχολείται με τη μελέτη των κακόβουλων λογαριασμών που εμπλέκονται σε επιθέσεις έξυπνων συμβολαίων, εκτελώντας πειράματα που επικεντρώνονται στην ανίχνευση τους, σε επίπεδο πορτοφολιού με χρήση μηχανικής μάθησης. Για τον σκοπό αυτό, συλλέχθηκε η συναλλακτική δραστηριότητα γνωστών κακόβουλων και θεμιτών λογαριασμών, και μέσω του ιστορικού τους εξάχθηκε ένα σύνολο χαρακτηριστικών που συνοψίζουν τη συμπεριφορά τους. Με τα χαρακτηριστικά αυτά, εκπαιδεύτηκαν και συγκρίθηκαν διάφορα μοντέλα ταξινόμησης. Η ανίχνευση εξετάστηκε τόσο με βάση το πλήρες ιστορικό των λογαριασμών όσο και με βάση αποκλειστικά τη συμπεριφορά τους πριν από την επίθεση. Και στις δύο περιπτώσεις επιτυγχάνεται υψηλή απόδοση, με τα μοντέλα δέντρων αποφάσεων να ξεχωρίζουν, ενώ η απόδοση διατηρείται και σε διαφορετικά σύνολα δεδομένων. Η ανάλυση σημασίας των χαρακτηριστικών έδειξε ότι τα χαρακτηριστικά που σχετίζονται με το gas είναι από τα πιο διακριτικά. Διερευνήθηκε επίσης η αξιοποίηση μεγάλων γλωσσικών μοντέλων, τόσο ως άμεσων ταξινομητών όσο και ως μηχανισμού παραγωγής χαρακτηριστικών, χωρίς όμως να ξεπερνούν τις παραδοσιακές μεθόδους μηχανικής μάθησης. Για μια πιο ολοκληρωμένη εικόνα, μελετήθηκε επίσης η πορεία των κλεμμένων κεφαλαίων μέσω της ιχνηλάτησης της ροής τους, όπου στα περιστατικά που εξετάστηκαν, παρατηρήθηκε η συστηματική κατάληξή τους σε υπηρεσίες ανωνυμοποίησης (mixers).