[논문 리뷰] Combatting Front-Running in Smart Contracts: Attack Mining, Benchmark Construction and Vulnerability Detector Evaluation

Wuqi Zhang, Lili Wei외 5명|arXiv (Cornell University)|2022. 12. 23.

Blockchain Technology Applications and Security인용 수 4

한 줄 요약

이 논문은 이더리움 스마트 컨트랙트의 프론트런닝 취약성에 대한 종합적인 연구를 제시한다. 실제 프론트런닝 공격 사례를 탐지하기 위한 공격 마이닝 알고리즘을 도입하고, 동적 타인트 분석을 통해 취약한 코드를 국소화하며, 235개의 컨트랙트에 걸쳐 513宗의 실제 공격을 포함한 벤치마크를 구축하고, 7종의 최신 취약성 탐지 도구를 평가하여 최대 6.04% 이하의 낮은 재현율을 확인하고 기존 도구의 핵심 한계를 규명한다.

ABSTRACT

Front-running attacks have been a major concern on the blockchain. Attackers launch front-running attacks by inserting additional transactions before upcoming victim transactions to manipulate victim transaction executions and make profits. Recent studies have shown that front-running attacks are prevalent on the Ethereum blockchain and have caused millions of US dollars loss. Vulnerable smart contracts, blockchain programs invoked by transactions, are held responsible for front-running attacks. Although techniques to detect front-running vulnerabilities have been proposed, their performance on real-world vulnerable contracts is unclear. There is no large-scale benchmark based on real attacks to evaluate their capabilities. This motivates us to build a benchmark consisting of 513 real-world attacks with vulnerable code labeled in 235 distinct smart contracts. We propose automated techniques to effectively collect real-world attacks and localize the corresponding vulnerable code at scale. Our experiments show that our approaches are effective, achieving higher recall in finding real attacks and higher precision in pinpointing vulnerabilities compared to the existing techniques. The evaluation of seven state-of-the-art vulnerability detection techniques on the benchmark reveals their inadequacy in detecting front-running vulnerabilities, with a low recall of at most 6.04%. Our further analysis identifies four common limitations in existing techniques: lack of support for inter-contract analysis, inefficient constraint solving for cryptographic operations, improper vulnerability patterns, and lack of token support.

연구 동기 및 목표

• 스마트 컨트랙트의 프론트런닝 취약성 탐지에 대한 대규모 실세계 벤치마크 부족 문제를 해결하기 위해.
• 기존 연구보다 더 높은 재현율을 확보하여 블록체인 기록에서 실제 프론트런닝 공격을 효율적으로 마이닝할 수 있는 효과적인 알고리즘을 개발하기 위해.
• 동적 타인트 분석을 활용해 트랜잭션 입력에서 컨트랙트 함수 호출까지 신뢰 및 데이터 흐름을 전파함으로써 스마트 컨트랙트 내에서 취약한 코드 세그먼트를 정밀하게 국소화하기 위해.
• 실세계 벤치마크를 기반으로 7종의 최신 취약성 탐지 도구의 성능을 실증적으로 평가하여 그들의 한계를 폭 드러내기 위해.
• 기존 도구의 낮은 탐지 성능의 근본 원인을 분석하고, 특히 상호 컨트랙트 분석, 암호화 연산, 토큰 처리 분야에서의 핵심 문제점을 규명하기 위해.

제안 방법

• 이더리움 블록 내 트랜잭션 시퀀스를 분석하여, 피해자 트랜잭션을 이전하고 이로 인해 이득을 보는 트랜잭션을 탐지함으로써 프론트런닝 패턴을 식별하는 자동화된 공격 마이닝 알고리즘을 설계하였다.
• 마이닝된 공격 트레이스에 동적 타인트 분석을 적용하여 트랜잭션 입력에서 컨트랙트 함수 호출까지 신뢰 및 데이터 흐름을 전파함으로써 취약한 코드 스니펫을 정확하게 국소화할 수 있도록 하였다.
• 235개의 고유한 스마트 컨트랙트에 대해 513건의 실제 프론트런닝 공격을 포함하는 벤치마크를 구축하였다. 각 공격에 대해 공격 원인이 된 정확한 취약한 코드 세그먼트가 주석 처리되었다.
• 이 벤치마크를 사용하여 7종의 최신 취약성 탐지 도구를 평가하였으며, 정밀도, 재현율, 가짜 양성 비율을 분석하였다.
• 세 명의 경험이 풍부한 연구자가 공통 기준에 따라 검토하고 합의를 통해 공격 및 취약성 레이블의 기준이 되는 진실성을 확보하였다.
• 탐지 실패 원인을 체계적으로 분석하여 네 가지 핵심 한계를 규명하였다: 상호 컨트랙트 분석 부족, 암호화 연산 처리의 비효율성, 잘못된 취약성 패턴, ERC20 토큰 지원 부족.

실험 결과

연구 질문

• RQ1 기존 연구 대비 제안된 공격 마이닝 알고리즘이 실제 프론트런닝 공격 탐지에 얼마나 효과적인가?
• RQ2 동적 타인트 분석을 활용한 국소화 방법이 스마트 컨트랙트 내에서 취약한 코드 세그먼트를 얼마나 정밀하게 국소화할 수 있는가?
• RQ3 제안된 벤치마크가 이더리움 스마트 컨트랙트 전반에 걸쳐 실제 프론트런닝 취약성에 얼마나 포괄적이고 대표적인가?
• RQ4 기존 최신 취약성 탐지 도구들이 실세계 공격에 대해 평가되었을 때 실제 재현율과 정밀도는 얼마인가?
• RQ5 기존 도구에서 프론트런닝 취약성 탐지 성능이 열악한 데 기여하는 주요 기술적 한계는 무엇인가?

주요 결과

• 제안된 공격 마이닝 알고리즘이 기존 연구 대비 더 높은 재현율을 확보하여 이더리움 블록체인 기록에서 더 많은 실제 프론트런닝 공격을 성공적으로 탐지하였다.
• 동적 타인트 분석 기반 국소화 방법이 기존 기준 기법 대비 더 높은 정밀도로 취약한 코드 세그먼트를 정확히 특정하였다.
• 벤치마크에는 235개의 고유한 스마트 컨트랙트에 걸쳐 총 513건의 실제 프론트런닝 공격이 포함되어 있으며, 모든 취약성은 수동 검증을 통해 참 양성으로 확인되었다.
• 실증 평가 결과 기존 취약성 탐지 도구의 최대 재현율은 단지 6.04%에 불과하여 심각한 성능 저하가 확인되었다.
• 본 연구는 현재 도구의 네 가지 핵심 한계를 규명하였다: 상호 컨트랙트 분석 부족, 암호화 연산에 대한 제약 해결 비효율성, 잘못된 취약성 패턴, ERC20 토큰 지원 부족.
• 기존 도구에서 보고된 대부분의 취약성은 가짜 양성으로 나타났으며, 24개의 함수 중 23개는 두 개 이상의 도구에 의해 취약하다고 보고되었으나, 수동 확인 결과 뷰 함수, 접근 제한, 고립된 상태 접근 등의 이유로 비취약으로 확인되었다.