GasTrace: Detecting Sandwich Attack Malicious Accounts in Ethereum

以太坊交易数据的开放性和透明性使其易受任何实体的利用，执行恶意攻击。夹层攻击通过前置或后置交易操纵自动做市商（AMM）机制，从操纵市场价格中获利。为了识别和防止夹层攻击，我们提出了一个级联分类框架GasTrace。GasTrace通过分析和建模Gas特征来分析各种交易特征，以检测恶意账户。在初始分类中，我们利用带径向基函数（RBF）核的支持向量机（SVM）生成账户的预测概率，进一步构建详细的交易网络。随后，第二次分类中使用图形注意力网络（GAT）技术捕捉行为特征。通过级联分类，GasTrace可以分析和分类夹层攻击。我们的实验结果表明，GasTrace实现了显着的检测和生成能力，对于识别夹层攻击账户，准确率为96.73％，F1分数为95.71％。

GasTrace旨在解决以太坊交易数据的公开性和透明性，容易被恶意攻击者利用的问题，尤其是三明治攻击。这是否是一个新问题？

GasTrace采用级联分类框架来检测恶意账户，特别是三明治攻击。该框架使用支持向量机（SVM）和径向基函数（RBF）内核进行初始分类，然后使用图注意力网络（GAT）技术捕获行为特征进行第二次分类。相比当前领域的研究，GasTrace的关键思路是采用级联分类框架结合Gas特征分析和建模来检测三明治攻击。

论文使用了以太坊交易数据集进行实验，并展示了GasTrace的检测和生成能力。实验结果表明，GasTrace在识别三明治攻击账户方面具有显著的检测性能，准确率为96.73％，F1得分为95.71％。论文的亮点包括采用级联分类框架、使用SVM和GAT技术进行分类、分析和建模Gas特征等。论文没有提供代码，但是提供了数据集。

最近的相关研究包括：1）使用深度学习技术检测以太坊网络中的恶意交易；2）使用机器学习方法检测以太坊中的前套利交易；3）使用基于图的方法检测以太坊中的异常交易。