SourceP: Detecting Ponzi Schemes on Ethereum with Source Code

要約

ブロックチェーン技術の普及が進むにつれ、ブロックチェーンプラットフォームのイーサリアムでも典型的な金融詐欺であるポンジスキームが出現している。
スマート ポンジ スキームとも呼ばれる、スマート コントラクトを通じて導入されたこのポンジ スキームは、多くの経済的損失と悪影響を引き起こしています。
イーサリアム上のスマートポンジスキームを検出するための既存の方法は、主にスマートコントラクトのバイトコード機能、オペコード機能、アカウント機能、トランザクション動作機能に依存しており、スキームを識別するパフォーマンスは不十分です。
この論文では、事前トレーニングされたモデルとデータフローを使用してイーサリアムプラットフォーム上のスマートポンジスキームを検出する方法であるSourcePを提案します。これは、スマートコントラクトのソースコードを機能として使用するだけで、イーサリアムプラットフォームからスマートポンジスキームを検出できる可能性を探ります。
別の方向。
SourceP は、モデルの解釈可能性を高めながら、既存の検出方法のデータ取得と特徴抽出の困難さを軽減します。
具体的には、まずスマート コントラクトのソース コードをデータ フロー グラフに変換し、次に学習コード表現に基づいて事前トレーニングされたモデルを導入して、スマート コントラクト内のポンジ スキームを識別するための分類モデルを構築します。
実験結果は、SourceP がイーサリアムのスマート コントラクト データセット内のスマート ポンジ スキームの検出で 87.2% の再現率と 90.7% の F スコアを達成し、パフォーマンスと持続可能性の点で最先端の手法を上回っていることを示しています。
また、追加の実験を通じて、事前トレーニングされたモデルとデータ フローが SourceP に重要な貢献をしていることを実証し、SourceP が優れた一般化能力を備えていることを証明します。

要約(オリジナル)

As blockchain technology becomes more and more popular, a typical financial scam, the Ponzi scheme, has also emerged in the blockchain platform Ethereum. This Ponzi scheme deployed through smart contracts, also known as the smart Ponzi scheme, has caused a lot of economic losses and negative impacts. Existing methods for detecting smart Ponzi schemes on Ethereum mainly rely on bytecode features, opcode features, account features, and transaction behavior features of smart contracts, and the performance of identifying schemes is insufficient. In this paper, we propose SourceP, a method to detect smart Ponzi schemes on the Ethereum platform using pre-trained models and data flow, which only requires using the source code of smart contracts as features to explore the possibility of detecting smart Ponzi schemes from another direction. SourceP reduces the difficulty of data acquisition and feature extraction of existing detection methods while increasing the interpretability of the model. Specifically, we first convert the source code of a smart contract into a data flow graph and then introduce a pre-trained model based on learning code representations to build a classification model to identify Ponzi schemes in smart contracts. The experimental results show that SourceP achieves 87.2\% recall and 90.7\% F-score for detecting smart Ponzi schemes within Ethereum’s smart contract dataset, outperforming state-of-the-art methods in terms of performance and sustainability. We also demonstrate through additional experiments that pre-trained models and data flow play an important contribution to SourceP, as well as proving that SourceP has a good generalization ability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google