基于双层孪生神经网络的区块链智能合约分类方法

当前通过深度学习方法进行区块链智能合约分类的方法越来越流行,但基于深度学习的方法往往需要大量的样本标签数据去进行有监督的模型训练,才能达到较高的分类性能。该文针对当前可用智能合约数据集存在数据类别不均衡以及标注数据量过少会导致模型训练困难,分类性能不佳的问题,提出基于双层孪生神经网络的小样本场景下的区块链智能合约分类方法:首先,通过分析智能合约数据特征,构建了可以捕获较长合约数据特征的双层孪生神经网络模型;然后,基于该模型设计了小样本场景下的智能合约训练策略和分类方法。最后,实验结果表明,该文所提方法在小样本场景下的分类性能优于目前最先进的智能合约分类方法,分类准确率达到94.7%,F1值达到94.6%,同时该方法对标签数据的需求更低,仅需同类型其他方法约20%数据量。

面向以太坊的活跃网络拓扑感知与分析研究

针对以太坊网络拓扑隐藏的特征以及当前拓扑感知方法精度较差的问题,提出了一种基于通信协议和未来事务特征的以太坊活跃网络拓扑感知方法。首先,通过改进的以太坊节点发现协议构建虚拟地址并主动对目标节点路由表进行映射,感知目标节点的潜在活跃连接节点集合。其次,向以太坊网络中部署感知节点,通过收集目标节点转发的消息本体与消息哈希的数量,并根据两者之间的比例关系,对目标节点的活跃连接数量进行推测。最后,根据以太坊内存池中未来事务的隔离特征,本文提出了一种基于隔离验证的节点间活跃连接验证的改进方法。通过面向以太坊测试网络展开广泛的实验,本文所提出的方法能够在理想的时间内感知以太坊的区块链覆盖层网络拓扑快照,相较于现有方法所感知的网络拓扑具有更高的精确性。根据实验数据表明,以太坊网络中活跃节点不足整个网络的2%,而且活跃节点出现聚集和重叠现象。通过对以太坊网络拓扑进行建模,分析可得以太坊网络具有较小的平均最短路径,信息传播在网络中表现出小世界效应,并且节点的度值遵循幂律分布,符合以太坊分布式网络的设计初衷。

基于复杂网络的以太坊重要账户识别研究

区块链技术发展迅速、使用广泛,以太坊作为区块链2.0的代表,产生了大量的交易数据。为了研究以太坊交易中用户、矿池等相关主体的重要性及其在整个网络中的影响,构建了一种基于复杂网络理论的以太坊交易网络模型。首先,提出将度排序、K-shell、H-index和PageRank四种算法运用于以太坊网络节点的重要性排序。然后,分别进行静态和动态网络攻击,并通过两种评判指标判断攻击效果。理论分析结果表明,以太坊网络为无标度网络,少数节点在网络中具有关键作用,并且对网络进行动态攻击的效果好于静态攻击。最后,强调关键节点的设备维护对以太坊交易网络具有重要的安全意义。

基于源码结构和图注意力网络的以太坊蜜罐合约检测方法

针对目前蜜罐合约检测方法准确率不高以及泛化性较差等问题,提出了基于源码结构和图注意力网络的以太坊蜜罐合约检测(CSGDetector)方法。首先,为了提取出智能合约Solidity源码的结构信息,对源码进行语法分析,将其转换为XML解析树;然后,筛选出可以表达合约结构特征和内容特征的特征词集,并构造出合约源码结构图;最后,为避免数据集不平衡性带来的影响,在集成学习理论基础上引入教师模型和学生模型的概念,分别从全局和局部的角度训练图注意力网络模型,并融合所有模型的输出作为合约最终检测结果。实验表明,与已有方法KOLSTM相比,CSGDetector在二分类与多分类实验中的F1值分别提升了1.27%与7.21%,验证了其具有较高的蜜罐检测能力;与已有方法XGB相比,CSGDetector在掩蔽蜜罐检测实验中针对不同类型蜜罐合约的平均召回率提升了7.57%,验证了所提方法在提升算法泛化性能方面的有效性。

以太坊钓鱼诈骗检测技术综述

随着区块链技术的广泛应用,网络钓鱼诈骗成为区块链平台上的一大威胁。由于区块链交易具有不可逆性、匿名性和难以篡改性等特点,网络钓鱼攻击往往具有高度的欺骗性和隐蔽性,给用户和企业带来了巨大损失。其中,以太坊平台因其智能合约功能而备受瞩目,并吸引了众多“加密货币”投资者。然而,这种广泛流行也导致了一些不法分子的涌入,滋生了许多网络犯罪行为。其中,钓鱼诈骗是以太坊平台上主要的诈骗形式之一。针对这种情况,以太坊网络钓鱼检测技术应运而生,研究者在该领域取得了众多成果,但对这些研究成果的系统分析和总结相对较少。深入分析了以太坊上网络钓鱼诈骗的现状,对已有的钓鱼诈骗检测数据集和评价指标进行了全面总结。在此基础上,进一步综述了以太坊钓鱼诈骗检测的方法,包括基于交易信息、基于图嵌入和基于图神经网络的方法。其中,基于交易信息的方法是最为常见的,通过分析交易数据的输入地址、输出地址和数额等信息,来判断交易是否存在异常。基于图嵌入和基于图神经网络的方法则更加注重对整个交易网络的分析,通过构建图结构来分析节点之间的关系,从而更加精准地识别钓鱼攻击。对比分析了各方法的优缺点,说明了各方法的适用范围和局限性。进一步指出了以太坊钓鱼诈骗检测面临的挑战,并展望了以太坊钓鱼诈骗检测未来的研究趋势。

以太坊的社交网络平台设计方案

提出一种基于以太坊的社交网络平台设计方案,该方案利用以太坊、智能合约与现有虚拟货币交易所实现了分布式的社交网络平台。设计身份认证方案实现对滥发不良信息用户的管理。设计基于投票的监管机制,解决中心化管理单点瓶颈限制的问题。设计基于热榜函数的“评价-流量兑现”双模式激励机制,确保用户发布良好信息的收益高于发布恶意信息。方案的安全管理不再依赖于中心化管理者。考虑到系统性能,本文优化了帖子存储设计;系统原型测试与分析表明方案的可行性和有效性。

基于深度神经网络的庞氏骗局合约检测方法

区块链技术的发展吸引了全球投资者的目光。目前,有数以万计的智能合约部署在以太坊上。在给金融、溯源等诸多行业带来颠覆性的创新之余,以太坊上的部分智能合约含有诸如庞氏骗局等欺诈形式,给全球投资者造成了数百万美元的损失。但是,目前针对互联网金融背景下庞氏骗局的定量识别方法较少,针对以太坊上庞氏骗局合约检测的研究较少,且检测精度有进一步提高的空间,文中提出基于深度神经网络的庞氏骗局合约检测方法。该方法提取出智能合约中有助于识别庞氏骗局的特征,如智能合约的操作码特征和账户特征,形成数据集,而后在数据集上训练模型,在测试集上检测性能。实验结果表明,基于深度神经网络的庞氏骗局合约检测方法具有99.6%的查准率和96.3%的查全率,均优于现有方法。

区块链P2P网络协议演进过程

针对点对点网络协议的特点,通过阅读源代码和官方文档,对比特币(Bitcoin)、以太坊(Ethereum)以及超级账本(hyperledger fabric)三种主流区块链系统的P2P协议进行了详细研究。通过讨论区块链点对点协议在演进过程中的变化分析了不同协议的优缺点,同时提出了分析标准,给出了量化评价,以期为未来区块链网络协议的研究提供有益的启发与指导。

基于卷积神经网络的庞氏骗局合约检测方法

现有庞氏骗局合约检测方法主要结合账户特征和代码特征进行检测,对无账户特征的初步部署智能合约检测精度较低,为此提出一种基于改进卷积神经网络的庞氏骗局合约检测方法。首先,选取初步部署合约的唯一特征操作码作为数据源,改进合成少数类过采样技术生成人工样本,解决数据集样本类分布不均衡问题。然后,创新性引入卷积神经网络用于庞氏骗局智能合约检测,为提升检测精度,改进卷积神经网络,使用不同卷积核进行双路卷积,充分提取数据特征,在融合层进行特征融合。实验结果表明,该方法对初步部署合约具有较高检测精度。

面向以太坊智能合约的图神经网络漏洞检测

智能合约是区块链的重要组成部分,以太坊平台通过部署大量智能合约实现去中心化应用,且智能合约关联着价值数十亿的美元数字货币。但智能合约是由高级语言编写的一段代码,可能存在易受攻击的漏洞,造成巨大的经济损失。目前智能合约漏洞是以太坊面临的严重威胁之一。传统的智能合约漏洞检测方法严重依赖于固定的专家规则,导致准确率低、耗时长。近年来有研究者使用机器学习方法进行漏洞检测,但其所使用的检测方法没有充分利用智能合约源代码的语义信息。文中将智能合约源代码构建为具有数据流和控制流信息的智能合约图,利用注意力机制为图中节点按照其关键程度分配不同的权重更新图节点特征进行合约漏洞检测,对可重入漏洞和时间戳漏洞进行了实验。实验结果显示,与传统的图神经网络检测模型相比,文中模型在两种漏洞检测中准确度分别提高了11.18%,10.06%。实验证明,智能合约漏洞不仅与合约代码的结构特征相关,而且与不同的函数和数据变量有密切的联系。

基于深度残差网络的庞氏骗局合约检测方法

现有针对庞氏骗局智能合约的检测方法大多基于合约操作码特征和账户特征,对初步部署合约检测效果一般。对此,提出一种基于深度残差网络的庞氏骗局合约检测方法。首先,通过分析智能合约操作码特点,提出单点词嵌入编码算法(single word embedding coding algorithm,SWEC),对智能合约进行重新编码。然后,利用关键操作码提取方法,提取关键操作码(critical operation code,CO)及权重值,并以此设计关键操作码权重模块,改进深度残差网络用于合约检测。最后,在公开数据集上进行相关实验,实验结果表明,基于深度残差网络的庞氏骗局合约检测方法具有99.7%的查准率和99.9%的查全率,相比现有方法有较大提升,能够更加准确地识别庞氏骗局合约。

基于区块链的可信在线社交媒体平台设计与实现

[目的/意义]随着比特币、以太坊等基于区块链技术的加密数字货币和新型分布式社群计算范式的兴起,越来越多的传统互联网项目可以利用区块链的链式数据结构、去中心化网络、安全机制重塑"数据"生产关系,有助于提高系统效用。旨在利用区块链技术为在线社交媒体平台赋能,建立具有明确经济激励的可信社群生态。[方法/过程]通过基于用户信用值的自下而上集群"投票",对平台"社区"用户的价值贡献进行量化,设计平台内容生产者和内容评价者的激励机制,以激励内容生产者发布优质真实内容,内容评价者积极参与内容评价,同时抑制评价者合谋"投票"与鼓励评价者进行批判性思维的"投票"。[结果/结论]通过数值分析与仿真验证所设计激励机制的有效性,最后基于以太坊区块链实现所设计的在线社交媒体平台。