FRAD: Front-Running Attacks Detection on Ethereum using Ternary Classification Model

要約

ブロックチェーン技術の進化に伴い、特にイーサリアムなどのプラットフォームにおけるトランザクションのセキュリティの問題がますます重要になってきています。
セキュリティ脅威の独特の形態であるフロントランニング攻撃は、ブロックチェーン トランザクションの整合性に重大な課題をもたらします。
これらの攻撃シナリオでは、悪意のある攻撃者は他のユーザーのトランザクション アクティビティを監視し、その後、戦略的に高い手数料をかけて自分のトランザクションを送信します。
これにより、監視対象のトランザクションがブロックに含まれる前にトランザクションが実行されるようになります。
このペーパーの主な目的は、フロントランニング攻撃に関連するトランザクションを包括的に分類することです。これは、開発者が各種類の攻撃に対抗するための具体的な戦略を備えられるようにすることを目的としています。
これを達成するために、FRAD (Front-Running Attacks Detection on Ethereum using Ternaryclassification Model) という新しい検出方法を導入します。
この方法は、イーサリアム上の分散アプリケーション (DApps) 内のトランザクションに特化して調整されており、トランザクションの置き換え、挿入、抑制を伴うフロントランニング攻撃を正確に分類できます。
私たちの実験的検証により、多層パーセプトロン (MLP) 分類器がフロントランニング攻撃の検出において最高のパフォーマンスを提供し、84.59% という驚異的な精度率と 84.60% の F1 スコアを達成していることが明らかになりました。

要約(オリジナル)

With the evolution of blockchain technology, the issue of transaction security, particularly on platforms like Ethereum, has become increasingly critical. Front-running attacks, a unique form of security threat, pose significant challenges to the integrity of blockchain transactions. In these attack scenarios, malicious actors monitor other users’ transaction activities, then strategically submit their own transactions with higher fees. This ensures their transactions are executed before the monitored transactions are included in the block. The primary objective of this paper is to delve into a comprehensive classification of transactions associated with front-running attacks, which aims to equip developers with specific strategies to counter each type of attack. To achieve this, we introduce a novel detection method named FRAD (Front-Running Attacks Detection on Ethereum using Ternary Classification Model). This method is specifically tailored for transactions within decentralized applications (DApps) on Ethereum, enabling accurate classification of front-running attacks involving transaction displacement, insertion, and suppression. Our experimental validation reveals that the Multilayer Perceptron (MLP) classifier offers the best performance in detecting front-running attacks, achieving an impressive accuracy rate of 84.59% and F1-score of 84.60%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google