[논문 리뷰] Characterizing EOSIO Blockchain

Yuheng Huang, Haoyu Wang외 7명|arXiv (Cornell University)|2020. 02. 13.

Blockchain Technology Applications and Security참고 문헌 22인용 수 21

한 줄 요약

이 논문은 EOSIO 블록체인에 대한 최초의 대규모 측정 연구를 제시하며, 수십억 건의 거래에서 온체인 및 오프체인 데이터를 분석하여 봇 유사 계정과 사기 행위를 탐지한다. 행동 클러스터링과 이상 탐지 기법을 사용해 30퍼센트 이상의 계정을 봇으로 식별했으며, 301개의 공격 계정이 80만 EOS 이상의 손실을 유발했으며, 이 중 80개는 DApp 팀에 의해 확인되었다.

ABSTRACT

EOSIO has become one of the most popular blockchain platforms since its mainnet launch in June 2018. In contrast to the traditional PoW-based systems (e.g., Bitcoin and Ethereum), which are limited by low throughput, EOSIO is the first high throughput Delegated Proof of Stake system that has been widely adopted by many applications. Although EOSIO has millions of accounts and billions of transactions, little is known about its ecosystem, especially related to security and fraud. In this paper, we perform a large-scale measurement study of the EOSIO blockchain and its associated DApps. We gather a large-scale dataset of EOSIO and characterize activities including money transfers, account creation and contract invocation. Using our insights, we then develop techniques to automatically detect bots and fraudulent activity. We discover thousands of bot accounts (over 30\% of the accounts in the platform) and a number of real-world attacks (301 attack accounts). By the time of our study, 80 attack accounts we identified have been confirmed by DApp teams, causing 828,824 EOS tokens losses (roughly 2.6 million US\$) in total.

연구 동기 및 목표

• EOSIO 블록체인 생태계의 운영 역학을 스케일 단위로 이해하기 위해, 특히 거래 패턴과 사용자 행동을 분석한다.
• EOSIO 플랫폼에서 퍼진 봇 유사 계정과 사기 행위를 식별하고 특성화한다.
• EOSIO DApp에 대한 실제 보안 공격, 특히 권한 오남용 및 악용 체인을 탐지하고 분석한다.
• DApp 개발자, 거래소, 규제 기관이 사기를 방지하고 블록체인 보안을 향상시키기 위해 활용할 수 있는 실질적인 통찰력과 사법 기법을 제공한다.
• 일반화 가능한 탐지 방법론을 통해 다른 블록체인 플랫폼에서도 유사한 위협을 탐지할 수 있는 기반을 마련한다.

제안 방법

• 30억 건 이상의 EOSIO 거래, 100만 개의 계정, 오프체인 DApp 및 공격 보고서를 포함한 대규모 데이터셋을 수집했다.
• 온체인 활동에 대한 탐색적 분석을 수행했으며, 이는 자금 이체, 계정 생성, 계약 호출 등을 포함한다.
• 거래 패턴과 유사성에 기반해 행동 클러스터링 및 그래프 기반 분석을 적용해 봇 유사 계정을 탐지했다.
• 휴리스틱 기법과 수동 검증을 통해 위험한 계정을 선별했으며, 주로 그룹 행동과 이상 현상에 초점을 맞췄다.
• 악성 계정을 특정 DApp 취약점과 손실에 연결하기 위한 공격 추적 기법을 개발했다.
• 발견 사항을 DApp 팀에 보고하고, 거래소와 협력하여 도난당한 자산을 추적하고 복구할 가능성을 모색했다.

실험 결과

연구 질문

• RQ1 EOSIO 블록체인에서 지배적인 거래 패턴과 사용자 행동는 무엇이며, 일반 사용과 어떻게 다를까?
• RQ2 EOSIO에서 봇 유사 계정은 얼마나 보편적인가? 주요 목적은 무엇인가 (예: 보너스 유도, 클릭 사기 등)?
• RQ3 EOSIO DApp에는 어떤 종류의 보안 취약점과 공격이 존재하는가? 특히 권한 오남용을 포함한 경우는?
• RQ4 통계적 및 행동 기반 분석은 기존 정적 분석으로는 탐지되지 않는 악성 계정과 공격을 얼마나 잘 탐지할 수 있는가?
• RQ5 제안된 탐지 및 추적 기법은 실제 사기 및 손실 사건을 식별하고 확인하는 데 얼마나 효과적인가?

주요 결과

• EOSIO 계정 중 상위 0.47퍼센트가 전체 거래량의 90퍼센트를 차지하며, 활동의 극도로 집중된 경향을 보인다.
• 전체 계정의 30.75퍼센트 이상(381,008개)이 봇 유사로 간주되며, 이는 1억 9,200만 건의 거래와 6억 4,000만 EOS 이체를 담당한다.
• 5,500개 이상의 계정이 'eosio.code' 권한을 부여함으로써 권한 오남용을 보이며, 암시장에서의 토큰 도난에 고위험 벡터를 제공한다.
• 의심스러운 공격 계정 301개를 식별했으며, 이 중 80개는 DApp 팀에 의해 확인되었고, 총 828,824 EOS 토큰이 손실되었으며 약 260만 달러 상당이다.
• 이 연구는 사기 및 악성 활동이 EOSIO에서 체계적으로 발생하고 있으며, 실제 재정적 손실과 조직적인 공격의 증거가 있음을 확인했다.
• 탐지 프레임워크는 DApp 팀 및 거래소와의 협업을 통해 네 건의 사례에서 도난당한 자금을 추적하고 복구할 가능성을 열어 놓았다.