論文の概要: Safeguarding Blockchain Ecosystem: Understanding and Detecting Attack Transactions on Cross-chain Bridges
- arxiv url: http://arxiv.org/abs/2410.14493v1
- Date: Fri, 18 Oct 2024 14:25:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-21 14:23:48.030601
- Title: Safeguarding Blockchain Ecosystem: Understanding and Detecting Attack Transactions on Cross-chain Bridges
- Title（参考訳）: ブロックチェーンエコシステムの保護: クロスチェーンブリッジ上の攻撃トランザクションの理解と検出
- Authors: Jiajing Wu, Kaixin Lin, Dan Lin, Bozhao Zhang, Zhiying Wu, Jianzhong Su,
- Abstract要約: クロスチェーン橋への攻撃は2021年以来、43億ドル近くを失った。
本稿では,2021年6月から2024年9月までに発生した49件を含む,これまでで最大のクロスチェーン橋攻撃事件を収集する。
クロスチェーンビジネスロジックに対する攻撃を検出するためのBridgeGuardツールを提案する。
- 参考スコア（独自算出の注目度）: 3.07869141026886
- License:
- Abstract: Cross-chain bridges are essential decentralized applications (DApps) to facilitate interoperability between different blockchain networks. Unlike regular DApps, the functionality of cross-chain bridges relies on the collaboration of information both on and off the chain, which exposes them to a wider risk of attacks. According to our statistics, attacks on cross-chain bridges have resulted in losses of nearly 4.3 billion dollars since 2021. Therefore, it is particularly necessary to understand and detect attacks on cross-chain bridges. In this paper, we collect the largest number of cross-chain bridge attack incidents to date, including 49 attacks that occurred between June 2021 and September 2024. Our analysis reveal that attacks against cross-chain business logic cause significantly more damage than those that do not. These cross-chain attacks exhibit different patterns compared to normal transactions in terms of call structure, which effectively indicates potential attack behaviors. Given the significant losses in these cases and the scarcity of related research, this paper aims to detect attacks against cross-chain business logic, and propose the BridgeGuard tool. Specifically, BridgeGuard models cross-chain transactions from a graph perspective, and employs a two-stage detection framework comprising global and local graph mining to identify attack patterns in cross-chain transactions. We conduct multiple experiments on the datasets with 203 attack transactions and 40,000 normal cross-chain transactions. The results show that BridgeGuard's reported recall score is 36.32\% higher than that of state-of-the-art tools and can detect unknown attack transactions.
- Abstract（参考訳）: ブロックチェーンネットワーク間の相互運用性を促進するために、ブロックチェーンブリッジは必須の分散アプリケーション(DApp)である。
通常のDAppとは異なり、クロスチェーンブリッジの機能は、チェーンのオンとオフの両方の情報のコラボレーションに依存しており、より広範な攻撃リスクにさらされている。
我々の統計によると、2021年以来、チェーン橋への攻撃で43億ドル近くが失われた。
したがって、特にクロスチェーンブリッジに対する攻撃を理解し、検出する必要がある。
本稿では,2021年6月から2024年9月までに発生した49件を含む,これまでで最大のクロスチェーン橋攻撃事件を収集する。
我々の分析によると、クロスチェーンビジネスロジックに対する攻撃は、そうでないものよりも著しく大きなダメージを与える。
これらのクロスチェーンアタックは、コール構造の観点から通常のトランザクションと異なるパターンを示し、潜在的アタックの振る舞いを効果的に示す。
これらのケースにおける大きな損失と、関連する研究の不足を踏まえ、本論文は、クロスチェーンビジネスロジックに対する攻撃を検出し、BridgeGuardツールを提案することを目的としている。
具体的には、BridgeGuardは、グラフの観点からクロスチェーントランザクションをモデル化し、グローバルおよびローカルグラフマイニングを含む2段階検出フレームワークを使用して、クロスチェーントランザクションにおける攻撃パターンを識別する。
203のアタックトランザクションと4万の通常のクロスチェーントランザクションで、データセット上で複数の実験を行います。
その結果、BridgeGuardが報告したリコールスコアは最先端のツールよりも36.32\%高く、未知のアタックトランザクションを検出できることがわかった。
関連論文リスト
- XChainWatcher: Monitoring and Identifying Attacks in Cross-Chain Bridges [3.893704673350463]
橋梁の監視と攻撃検出のための最初のメカニズムであるXChainWatcherを提案する。
XChainWatcherは、任意のクロスチェーンブリッジにプラグイン可能なように設計された、Datalogエンジンを使用したクロスチェーンモデルに依存している。
論文 参考訳（メタデータ） (2024-10-02T20:49:24Z) - Count of Monte Crypto: Accounting-based Defenses for Cross-Chain Bridges [6.96405583604427]
2021年から2023年の間、暗号資産の価値は260億ドルを超え、「ブリッジ」に対する攻撃によって盗まれた。
本稿では,この期間にキーブリッジが使用した2千万件のトランザクションを実証分析する。
クロスチェーンのインフローとアウトフローのバランスをとる単純な不変性は、正当な使用法と互換性があるが、既知のすべての攻撃を正確に識別する。
論文 参考訳（メタデータ） (2024-10-01T22:33:03Z) - CONNECTOR: Enhancing the Traceability of Decentralized Bridge Applications via Automatic Cross-chain Transaction Association [25.765477747143432]
クロスチェーントランザクションアソシエーションは、ブリッジDAppによって実行されるユニークなトランザクションを特定し、マッチングする。
橋梁スマートコントラクトに基づくクロスチェーントランザクションアソシエーション分析手法であるCONNECTORを提案する。
各種橋梁における実環境実験を行い, 実環境における CONNECTOR の有効性を実証する。
論文 参考訳（メタデータ） (2024-09-08T00:52:06Z) - Real-time Cyberattack Detection with Collaborative Learning for Blockchain Networks [29.481124078876032]
ブロックチェーンネットワークを保護するために,効率的な協調型サイバー攻撃検出モデルを提案する。
提案する検出モデルは,ブロックチェーンネットワークにおける攻撃を最大97%の精度で検出できる。
論文 参考訳（メタデータ） (2024-07-04T15:39:49Z) - Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳（メタデータ） (2024-01-28T10:46:17Z) - SoK: Security of Cross-chain Bridges: Attack Surfaces, Defenses, and Open Problems [43.80265187232706]
ブロックチェーン間のトークンとデータ交換を容易にするために、クロスチェーンブリッジが使用されている。
橋は人気が高まりつつあるが、まだ幼少期であり、最近は何度も攻撃を受けている。
本稿では,クロスチェーンブリッジのセキュリティ状況を概観的に分析する。
論文 参考訳（メタデータ） (2023-12-19T20:13:21Z) - Blockchain Large Language Models [65.7726590159576]
本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。
提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
論文 参考訳（メタデータ） (2023-04-25T11:56:18Z) - Transfer Attacks Revisited: A Large-Scale Empirical Study in Real
Computer Vision Settings [64.37621685052571]
我々は,主要なクラウドベースのMLプラットフォームに対する転送攻撃について,最初の系統的実証的研究を行った。
この研究は、既存のものと矛盾しない多くの興味深い発見につながっている。
この作業は、一般的なMLプラットフォームの脆弱性に光を当て、いくつかの有望な研究方向を指し示している、と私たちは信じています。
論文 参考訳（メタデータ） (2022-04-07T12:16:24Z) - Poison Ink: Robust and Invisible Backdoor Attack [122.49388230821654]
我々はポゾン・インクと呼ばれる頑丈で目に見えないバックドア攻撃を提案する。
具体的には、まず、画像構造を標的の中毒領域として利用し、それらを毒インク(情報)で満たしてトリガーパターンを生成する。
既存の一般的なバックドア攻撃方法と比較して、Poison Inkはステルスネスとロバストネスの両方で優れている。
論文 参考訳（メタデータ） (2021-08-05T09:52:49Z) - Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's
Post-Quantum Security [67.06003361150228]
作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。
本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。
我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
論文 参考訳（メタデータ） (2020-12-30T18:03:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。