[논문 리뷰] Frontrunner Jones and the Raiders of the Dark Forest: An Empirical Study of Frontrunning on the Ethereum Blockchain

Christof Ferreira Torres, Ramiro Daniel Camino외 1명|arXiv (Cornell University)|2021. 02. 05.

Blockchain Technology Applications and Security참고 문헌 16인용 수 58

한 줄 요약

본 논문은 세 가지 이더리움 frontrunning 공격(displacement, insertion, suppression)에 대한 대규모 데이터 기반 연구를 제시하며, 효율적인 탐지 방법을 제안하고 상당한 공격자 이익을 보고한다.

ABSTRACT

Ethereum prospered the inception of a plethora of smart contract applications, ranging from gambling games to decentralized finance. However, Ethereum is also considered a highly adversarial environment, where vulnerable smart contracts will eventually be exploited. Recently, Ethereum's pool of pending transaction has become a far more aggressive environment. In the hope of making some profit, attackers continuously monitor the transaction pool and try to frontrun their victims' transactions by either displacing or suppressing them, or strategically inserting their transactions. This paper aims to shed some light into what is known as a dark forest and uncover these predators' actions. We present a methodology to efficiently measure the three types of frontrunning: displacement, insertion, and suppression. We perform a large-scale analysis on more than 11M blocks and identify almost 200K attacks with an accumulated profit of 18.41M USD for the attackers, providing evidence that frontrunning is both, lucrative and a prevalent issue.

연구 동기 및 목표

• 이더리움 및 DeFi 환경에서 frontrunning을 만연하고 수익성 있는 관행으로 동기 부여하고 정량화한다.
• 역사적 블록체인 데이터에서 세 가지 frontrunning 공격 유형을 대규모로 탐지하기 위한 확장 가능한 방법을 개발한다.
• 공격자 행위, 개수, 클러스터 및 이익을 특징화하여 생태계를 이해한다.
• 채굴자 및 블록체인 신뢰 모델에 대한 증거 기반의 시사를 제공한다.

제안 방법

• 공격자 모델과 세 가지 frontrunning 공격 유형을 정의한다: displacement, insertion, suppression.
• 봇 계약을 통한 displacement를 탐지하기 위해 블록 윈도우, 4바이트 n-그램, Bloom 필터를 활용한 확장 가능한 탐지 방법론을 제안한다.
• AMM/DEX에서 샌드위치 스타일 공격을 식별하기 위한 ERC-20 Transfer 이벤트와 트랜잭션 순서를 기반으로 삽입(insertion) 탐지 휴리스틱을 개발한다.
• 높은 가스 수량의 클러스터 및 블록 거의 가득 찬 트랜잭션을 중심으로 하는 suppression 탐지 휴리스틱을 공식화하고 억제 전략에 대한 실행 흔적을 분석한다.
• 공유 트랜잭션과 동일한 바이트코드를 분석하여 공격자 계정과 봇 계약을 공격자 그룹으로 클러스터링한다.
• 보수적 휴리스틱 및 수작업 샘플링으로 탐지를 검증하여 재현율보다 정밀도를 높이는 것을 목표로 한다.

실험 결과

연구 질문

• RQ1 다년간에 걸친 실제 환경에서 이더리움의 frontrunning 공격은 얼마나 만연한가?
• RQ2 변위(displacement), 삽입(insertion), 억제(suppression) frontrunning 공격을 과거 블록체인 데이터에서 대규모로 효율적으로 탐지할 수 있는가?
• RQ3 이러한 공격으로 인한 공격자 활동의 규모와 특징(수, 봇, 클러스터) 및 이익은 어떠한가?
• RQ4 채굴자 및 전반적인 이더리움 신뢰 모델에 대한 시사점은 무엇인가?
• RQ5 제안된 탐지 방법론의 한계와 잠재적 맹점은 무엇인가?

주요 결과

• 데이터 세트 전반에서 199,725건의 frontrunning 공격을 식별했다.
• 1,580개의 공격자 계정과 526개의 봇을 탐지했다.
• 공격자들을 위한 총 이익은 18.41 million USD로 탐지됐다.
• 공격자 계정과 봇은 137개의 고유한 공격자 군집으로 클러스터링된다.
• 프런트러너에 기인하는 채굴자 수익은 약 300 thousand USD에 이른다.