[論文レビュー] Towards understanding flash loan and its applications in defi ecosystem.

Dabao Wang, Siwei Wu+6 more|arXiv (Cornell University)|Oct 23, 2020

Blockchain Technology Applications and Security参考文献 20被引用数 17

ひとこと要約

本論文では、イーサリアムにおけるフラッシュローン取引を検出・解釈・分類する3段階のトランザクションベースの分析フレームワーク「ThunderStorm」を提案する。本研究では11のプラットフォームにまたがり22,244件のフラッシュローン取引を特定し、7つの行動タイプに分類し、例えば1,500万ドル相当のEminence Finance攻撃を含む、投機的金融パターンを明らかにした。

ABSTRACT

Flash Loan, as an emerging service in the decentralized finance ecosystem, allows traders to request a non-collateral loan as long as the debt is repaid within the transaction. While providing convenience, it brings considerable challenges that Flash Loan allows speculative traders to leverage vulnerability of deployed protocols with vast capital and few risks and responsibilities. Most recently, attackers have gained over $15M profits from Eminence Finance via exploiting Flash Loans to repeatedly swap tokens (i.e., EMN and DAI). To be aware of foxy actions, we should understand what is the behavior running with the Flash Loan by traders. In this work, we propose ThunderStorm, a 3-phase transaction-based analysis framework, to systematically study Flash Loan on the Ethereum. Specifically, ThunderStorm first identifies Flash Loan transactions by applying observed transaction patterns, and then understands the semantics of the transactions based on primitive behaviors, and finally recovers the intentions of transactions according to advanced behaviors. To perform the evaluation, we apply ThunderStorm to existing transactions and investigate 11 well-known platforms. As the result, 22,244 transactions are determined to launch Flash Loan(s), and those Flash Loan transactions are further classified into 7 categories. Lastly, the measurement of financial behaviors based on Flash Loans is present to help further understand and explore the speculative usage of Flash Loan. The evaluation results demonstrate the capability of the proposed system.

研究の動機と目的

• DeFiにおけるフラッシュローンの使用行動パターン、特に投機的および悪意ある活動との関連を理解すること。
• フラッシュローン取引が自己返済性を有する独自の性質を持つため、通常のイーサリアム取引の中から同定することが難しいという課題に対処すること。
• フラッシュローン取引を意味のある行動カテゴリに分類し、背後にある意図を明らかにすること。
• フラッシュローンによって引き起こされる金融行動を測定・分析し、リスク評価およびプロトコルのセキュリティ強化を支援すること。

提案手法

• ThunderStormは3段階のアプローチ（検出、意味理解、意図回復）を採用する。
• 取引パターン（特に1ブロック内での借入と返済）を分析することで、フラッシュローン取引を検出する。
• トークン交換やフラッシュローン実行などのプリミティブな行動をモデル化し、取引の意味を解釈する。
• 取引のシーケンス（例えばアービテージや攻撃の試み）を分析することで、上位レベルの意図を推定する。
• フレームワークはイーサリアムのオンチェーン取引データおよびスマートコントラクトの相互作用トレースを活用する。
• 操作パターンと金融的成果に基づき、取引を7つの行動カテゴリに分類する。

実験結果

リサーチクエスチョン

• RQ1 イーサリアム上でのフラッシュローン活動を同定するにあたり、特徴的な取引パターンは何か？
• RQ2 プリミティブな操作に基づいて、フラッシュローン取引をどのように意味的に解釈できるか？
• RQ3 DeFiプラットフォームにおけるフラッシュローン使用の背後にある支配的な行動的意図は何か？
• RQ4 フラッシュローン取引は、どのように投機的または悪意ある金融活動を促進するか？
• RQ5 主要なDeFiプラットフォーム全体におけるフラッシュローン使用の規模と金融的影響は何か？

主な発見

• 11の代表的なDeFiプラットフォームにまたがり、合計22,244件のフラッシュローン取引が同定された。
• 操作パターンと金融的目標に基づき、7つの明確に分離された行動カテゴリに分類された。
• フレームワークは、1500万ドル相当のEminence Finance攻撃を成功裏に検出・分析した。この攻撃は、フラッシュローンを介した繰り返しのトークン交換に依存していた。
• フラッシュローン使用の主な動機は、アービテージや価格操作を含む投機的戦略である。
• 自己返済性を持つ取引と高頻度のトークン交換の繰り返しパターンが明らかになり、プロトコルの脆弱性を体系的に悪用していることが示された。
• 本研究は、ThunderStormがスケールに応じてフラッシュローン活動を効果的に検出・解釈・分類できることを示している。