[논문 리뷰] Towards understanding flash loan and its applications in defi ecosystem.

Dabao Wang, Siwei Wu외 6명|arXiv (Cornell University)|2020. 10. 23.

Blockchain Technology Applications and Security참고 문헌 20인용 수 17

한 줄 요약

이 논문은 이더리움에서의 플래시 린 거래를 탐지하고 해석하며 분류하기 위한 3단계 트랜잭션 기반 분석 프레임워크인 ThunderStorm을 제안한다. 이는 11개 플랫폼을 통해 총 22,244건의 플래시 린 거래를 식별하였으며, 이들을 7개의 행동 유형으로 분류하고, $1,500만 달러의 Eminence Finance 공격과 같은 악성 공격 패tern을 드러냈다.

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.

연구 동기 및 목표

• 플래시 린 거래의 행동 패턴을 이해하고, 특히 사기적 또는 악성 활동과의 관련성을 규명하는 것.
• 플래시 린 거래가 자체 상환 구조를 가지므로 일반적인 이더리움 트랜잭션 속에서 이를 식별하는 데 도전하는 문제를 해결하는 것.
• 플래시 린 거래를 의미 있는 행동 유형으로 분류하여 배경 의도를 드러내는 것.
• 플래시 린 거래에 의해 이끌어지는 재무 행동을 측정하고 분석하여 리스크 평가 및 프로토콜 보안을 지원하는 것.

제안 방법

• ThunderStorm는 탐지, 의미 이해, 의도 복원의 3단계 접근 방식을 사용한다.
• 플래시 린 거래는 단일 블록 내에서 대출 및 상환 행동 패턴을 분석하여 탐지한다.
• 원시 행동(예: 토큰 스왑, 플래시 린 실행 등)을 모델링하여 트랜잭션 의미를 해석한다.
• 예를 들어, 아웃리어지 또는 악성 공격 시도와 같은 작업 시퀀스를 분석하여 고수준의 의도를 유추한다.
• 프레임워크는 이더리움의 온체인 트랜잭션 데이터와 스마트 컨트랙트 상호작용 트레이스를 활용한다.
• 운영 패턴과 재무 결과를 바탕으로 거래를 7개의 행동 유형으로 분류한다.

실험 결과

연구 질문

• RQ1 이더리움에서 플래시 린 거래를 식별하는 데 특징적인 트랜잭션 패턴은 무엇인가?
• RQ2 원시 작업 기반으로 플래시 린 거래를 의미적으로 해석할 수 있는 방법은 무엇인가?
• RQ3 DeFi 플랫폼에서 플래시 린 사용의 주요 행동 의도는 무엇인가?
• RQ4 플래시 린 거래는 어떻게 사기적 또는 악성 재무 활동을 촉진하는가?
• RQ5 주요 DeFi 플랫폼에서 플래시 린 사용의 규모와 재무적 영향은 어떠한가?

주요 결과

• 총 11개의 유명한 DeFi 플랫폼에서 22,244건의 플래시 린 거래가 식별되었다.
• 이 거래들은 운영 패턴과 재무 목표를 바탕으로 7개의 명확한 행동 유형으로 분류되었다.
• 프레임워크는 $1,500만 달러 규모의 Eminence Finance 공격을 성공적으로 탐지하고 분석하였다. 이 공격은 플래시 린을 통해 반복적인 토큰 스왑을 이용한 것이었다.
• 플래시 린 사용은 주로 아웃리어지 및 가격 조작과 같은 사기적 전략에 의해 주도된다.
• 분석 결과, 고빈도의 토큰 스왑을 동반한 자기 상환 트랜잭션 패턴이 반복적으로 나타나며, 이는 프로토콜 취약점을 체계적으로 악용하는 것을 시사한다.
• 본 연구는 ThunderStorm가 대규모로 플래시 린 활동을 효과적으로 탐지하고 해석하며 분류할 수 있음을 입증한다.