关键词:
区块链
欺诈行为
仿冒应用
智能合约
欺诈代币
摘要:
自比特币诞生以来,区块链技术以及其生态系统迅速发展。然而,其构建出的基于加密算法、共识机制等技术的运行机制,在为用户提供应用价值的同时,也给不法分子实施欺诈、犯罪行为提供了可乘之机。根据区块链安全公司链安最近的报告,2023年的区块链生态系统中欺诈活动造成的经济损失超过了 240亿美元。
当前学术界已针对区块链生态系统欺诈检测提出多项研究和手段,但在应对去中心化金融等领域的快速发展时却面临诸多挑战:(1)在应用层,现有的欺诈检测主要基于对已知案例的分析来构建预测模型,这种方法具有明显的滞后性;(2)在合约层,智能合约后门的语义复杂性和编码多样性导致现有代码分析方法易产生误报和漏报;(3)在交易层,通过智能合约进行的欺诈数字货币交易,使用基于传统交易网络图的检测方法难以有效识别。
针对上述挑战,本文从区块链生态系统的全局视角出发,逐层深入分析了欺诈行为的运行机制,并建立了相应的威胁模型。通过从顶层到底层的系统分析,以各层数据流动的特性为切入点,本文挖掘了欺诈行为在不同层面的共性特征,并针对这些特征提出了一系列较为全面的解决方案。具体而言,本文的主要研究贡献如下:
第一,为了在项目推广阶段实现事前检测,针对区块链生态系统应用层中社交网络欺诈推广信息术语密集且内容精简的特点,提出了区块链语义感知的欺诈识别方法—S camRadar。ScamRadar整合词向量、文本情感、利润率以及嵌入URL四个维度的特征,有效地从信息量较少的推广文本中挖掘出判别欺诈所需的关键特征。ScamRadar在Telegram欺诈推广信息数据集上准确率达到了 96.08%,较现有依赖大量文本信息的白皮书欺诈文本识别方法准确率提升21.4%。这表明ScamRadar能够更加有效地识别社交网络中的区块链欺诈推广信息;
第二,为了在应用分发阶段实现事前检测,针对传统仿冒标识生成模型的效率问题,提出了基于定制仿冒标识生成模型的欺诈应用检测技术—PseudoDetect。PseudoDetect利用基于贝叶斯更新原理的优化算法,调整传统标识生成模式和生成词典的优先级,从而高效生成区块链相关的仿冒应用标识。实验表明,对比传统标识生成方法,PseudoDetect在减少14.9%生成规模的同时,提升了对区块链欺诈标识的生成率。此外,PseudoDetect识别的欺诈应用中有60%未被云病毒查杀平台检出,而现有事后检测方法在检测这些应用时平均召回率下降6.6%,证明了所提事前检测方法的必要性和有效性;
第三,针对区块链生态系统合约层中后门代码的复杂语义和多样化编码挑战,提出了一种源码映射引导的符号执行欺诈检测方法—HybriDoor。该方法通过源码映射来补充字节码符号执行中的关键上下文信息,以此引导符号执行识别敏感操作语义,深入挖掘欺诈逻辑,从而提高检测的准确性。在基于安全报告构建的欺诈后门合约数据集中,HybriDoor在召回率上较现有的源码检测方法和字节码检测方法分别提升了 35.9%和11.7%,达到了93.6%,证实了HybriDoor在理解合约执行逻辑和定位后门欺诈行为方面的优势;
第四,针对通过交易所智能合约开展的数字货币欺诈活动,提出基于牵连效应的欺诈数字货币识别方法——TransLink。TransLink通过定量分析交易所数据,利用牵连效应基于欺诈地址间的关联关系扩展了欺诈数字货币数据集。同时,通过融合常规交易特征与交易所合约行为相关特征,使构建的检测模型具备了高精度的欺诈数字货币识别能力。实验结果显示,TransLink的F1值超过96%,相比于传统交易网络分析方法,平均提升了19.8%,提高了欺诈数字货币识别的准确性。