期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
以太坊非法交易检测方法综述
1
作者
李梦
梁广俊
+2 位作者
印杰
马卓
张祎
《信息安全学报》
CSCD
2024年第5期189-216,共28页
以太坊基于智能合约创造了一个交易生态系统,参与者可以通过部署智能合约实现交易多元化。然而交易实体的隐蔽性为非法交易提供“便利”,诸如传销、诈骗、蜜罐合约、洗钱、赌博和恐怖主义等违法犯罪活动频发。其中前三种是犯罪分子对正...
以太坊基于智能合约创造了一个交易生态系统,参与者可以通过部署智能合约实现交易多元化。然而交易实体的隐蔽性为非法交易提供“便利”,诸如传销、诈骗、蜜罐合约、洗钱、赌博和恐怖主义等违法犯罪活动频发。其中前三种是犯罪分子对正常用户单方面实施违法行为,相较后三种而言辐射范围更广、潜在危险性更强,故本文针对前三种非法交易行为展开研究。全文从通用检测和特殊检测两个角度对其交易特点、检测方法进行总结。首先进行通用检测研究,通用检测关注从数据角度整理以太坊非法交易的检测方法,发现采用监督算法(用于用户地址分类)+无监督算法(发现潜在非法用户)可实现高精度检测。然后进行特殊检测研究,特殊检测关注特定的非法交易类型,针对以网络钓鱼为代表的诈骗、以庞氏骗局为代表的传销和蜜罐合约交易,分别总结其在以太坊平台上体现出的“新特点”与“新方法”。再从数据收集、特征提取、异常检测3个阶段综述检测技术的研究进展,借助准确率、精度、召回率、F1-score等评价指标进行交易类型内部和类间的比较分析,发现在数据收集阶段采用混合采样等数据增强技术、在特征提取阶段采用图嵌入和深度学习等机器学习算法、在异常检测阶段采用集成方法等现代机器学习算法可有效提高检测精度。最后,将视角扩展到区块链平台,进行区块链间非法交易检测技术比较分析,进一步给出以太坊非法交易检测未来的研究方向。
展开更多
关键词
以太坊
非法检测
机器学习
庞氏骗局
蜜罐
合约
网络钓鱼诈骗
下载PDF
职称材料
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
被引量:
1
2
作者
王友卫
侯玉栋
凤丽洲
《通信学报》
EI
CSCD
北大核心
2023年第9期161-172,共12页
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,...
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。
展开更多
关键词
以太坊
蜜罐
合约
源码结构
图注意力网络
集成学习
下载PDF
职称材料
基于深度学习的区块链蜜罐陷阱合约检测
被引量:
7
3
作者
张红霞
王琪
+1 位作者
王登岳
王奔
《通信学报》
EI
CSCD
北大核心
2022年第1期194-202,共9页
针对当前检测方法准确率不高以及模型泛化性较差的问题,提出了基于KOLSTM深度学习模型的蜜罐陷阱合约检测方法。首先,通过分析蜜罐陷阱合约的特点,提出了关键操作码的概念,并设计了可用于选取智能合约中关键操作码的关键词提取方法;其次...
针对当前检测方法准确率不高以及模型泛化性较差的问题,提出了基于KOLSTM深度学习模型的蜜罐陷阱合约检测方法。首先,通过分析蜜罐陷阱合约的特点,提出了关键操作码的概念,并设计了可用于选取智能合约中关键操作码的关键词提取方法;其次,在传统的LSTM模型中加入关键操作码权重机制,构建了可以同时捕获蜜罐陷阱合约中隐藏的序列特征以及关键操作码特征的KOLSTM模型。最后,通过实验表明,该模型具有较高的识别精确率,在二分类和多分类检测场景下的F值较LightGBM模型分别提升2.39%与19.54%。
展开更多
关键词
区块链
以太坊
智能
合约
蜜罐
陷阱
合约
深度学习
下载PDF
职称材料
题名
以太坊非法交易检测方法综述
1
作者
李梦
梁广俊
印杰
马卓
张祎
机构
江苏警官学院基础课教研部
江苏警官学院计算机信息与网络安全系
江苏省公安厅
出处
《信息安全学报》
CSCD
2024年第5期189-216,共28页
基金
国家自然科学基金青年基金(No.62202209)
南京邮电大学射频集成与微组装技术国家地方联合工程实验室开放课题(No.KFJJ20200201)
+1 种基金
江苏省教育厅科研项目(No.2021SJA0497,No.2023SJYB0467)
2022年江苏高校“青蓝工程”优秀青年骨干教师项目,江苏警官学院科研项目(No.2020SJYZR02,No.2023A06)资助。
文摘
以太坊基于智能合约创造了一个交易生态系统,参与者可以通过部署智能合约实现交易多元化。然而交易实体的隐蔽性为非法交易提供“便利”,诸如传销、诈骗、蜜罐合约、洗钱、赌博和恐怖主义等违法犯罪活动频发。其中前三种是犯罪分子对正常用户单方面实施违法行为,相较后三种而言辐射范围更广、潜在危险性更强,故本文针对前三种非法交易行为展开研究。全文从通用检测和特殊检测两个角度对其交易特点、检测方法进行总结。首先进行通用检测研究,通用检测关注从数据角度整理以太坊非法交易的检测方法,发现采用监督算法(用于用户地址分类)+无监督算法(发现潜在非法用户)可实现高精度检测。然后进行特殊检测研究,特殊检测关注特定的非法交易类型,针对以网络钓鱼为代表的诈骗、以庞氏骗局为代表的传销和蜜罐合约交易,分别总结其在以太坊平台上体现出的“新特点”与“新方法”。再从数据收集、特征提取、异常检测3个阶段综述检测技术的研究进展,借助准确率、精度、召回率、F1-score等评价指标进行交易类型内部和类间的比较分析,发现在数据收集阶段采用混合采样等数据增强技术、在特征提取阶段采用图嵌入和深度学习等机器学习算法、在异常检测阶段采用集成方法等现代机器学习算法可有效提高检测精度。最后,将视角扩展到区块链平台,进行区块链间非法交易检测技术比较分析,进一步给出以太坊非法交易检测未来的研究方向。
关键词
以太坊
非法检测
机器学习
庞氏骗局
蜜罐
合约
网络钓鱼诈骗
Keywords
ethereum
illegal detection
machine learning
ponzi scheme
honeypot contract
phishing fraud
分类号
TN92 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
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
被引量:
1
2
作者
王友卫
侯玉栋
凤丽洲
机构
中央财经大学信息学院
天津财经大学统计学院
出处
《通信学报》
EI
CSCD
北大核心
2023年第9期161-172,共12页
基金
教育部人文社科基金资助项目(No.19YJCZH178)
国家自然科学基金资助项目(No.61906220)
+1 种基金
国家社科基金资助项目(No.18CTJ008)
中央财经大学新兴交叉学科建设项目。
文摘
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。
关键词
以太坊
蜜罐
合约
源码结构
图注意力网络
集成学习
Keywords
Ethereum
honeypot contract
source code structure
graph attention network
ensemble learning
分类号
TP309.2 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于深度学习的区块链蜜罐陷阱合约检测
被引量:
7
3
作者
张红霞
王琪
王登岳
王奔
机构
中国石油大学(华东)青岛软件学院、计算机科学与技术学院
出处
《通信学报》
EI
CSCD
北大核心
2022年第1期194-202,共9页
基金
中石油重大科技基金资助项目(No.ZD2019-183-004)
中央高校基本科研业务费专项资金资助项目(No.20CX05019A)。
文摘
针对当前检测方法准确率不高以及模型泛化性较差的问题,提出了基于KOLSTM深度学习模型的蜜罐陷阱合约检测方法。首先,通过分析蜜罐陷阱合约的特点,提出了关键操作码的概念,并设计了可用于选取智能合约中关键操作码的关键词提取方法;其次,在传统的LSTM模型中加入关键操作码权重机制,构建了可以同时捕获蜜罐陷阱合约中隐藏的序列特征以及关键操作码特征的KOLSTM模型。最后,通过实验表明,该模型具有较高的识别精确率,在二分类和多分类检测场景下的F值较LightGBM模型分别提升2.39%与19.54%。
关键词
区块链
以太坊
智能
合约
蜜罐
陷阱
合约
深度学习
Keywords
blockchain
Ethereum
smart contract
honeypot contract
deep learning
分类号
TP309.2 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
以太坊非法交易检测方法综述
李梦
梁广俊
印杰
马卓
张祎
《信息安全学报》
CSCD
2024
0
下载PDF
职称材料
2
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
王友卫
侯玉栋
凤丽洲
《通信学报》
EI
CSCD
北大核心
2023
1
下载PDF
职称材料
3
基于深度学习的区块链蜜罐陷阱合约检测
张红霞
王琪
王登岳
王奔
《通信学报》
EI
CSCD
北大核心
2022
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部