[论文解读] 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 17

一句话总结

本文提出了 ThunderStorm，一种基于三阶段的事务分析框架，用于在以太坊上检测、解释和分类闪贷交易。该框架在11个平台上识别出22,244笔闪贷交易，将其分类为7种行为类型，并揭示了包括1,500万美元Eminence Finance攻击在内的投机性金融模式。

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.

研究动机与目标

• 理解去中心化金融（DeFi）中闪贷使用的典型行为模式，特别是与投机和恶意活动的关系。
• 解决由于闪贷交易具有独特且自我偿还的特性，导致在普通以太坊交易中难以识别其交易的问题。
• 将闪贷交易分类为有意义的行为类别，以揭示其潜在意图。
• 衡量并分析由闪贷驱动的金融行为，以支持风险评估和协议安全。

提出的方法

• ThunderStorm 采用三阶段方法：检测、语义理解与意图恢复。
• 通过分析诸如在单个区块内完成借贷与偿还等观察到的交易模式，识别闪贷交易。
• 通过建模原始行为（如代币兑换、闪贷执行）来解释交易语义。
• 通过分析操作序列（如套利或攻击尝试）推断高层次的意图。
• 该框架利用以太坊的链上交易数据和智能合约交互追踪记录。
• 基于操作模式和财务结果，将交易分类为7种行为类别。

实验结果

研究问题

• RQ1 在以太坊上，识别闪贷活动的显著交易模式是什么？
• RQ2 如何基于其原始操作对闪贷交易进行语义解释？
• RQ3 在去中心化金融（DeFi）平台中，闪贷使用的主导行为意图是什么？
• RQ4 闪贷交易在多大程度上促进了投机性或恶意金融活动？
• RQ5 在主要去中心化金融（DeFi）平台上，闪贷使用的规模和财务影响如何？

主要发现

• 在11个知名的去中心化金融（DeFi）平台上共识别出22,244笔闪贷交易。
• 这些交易根据操作模式和财务目标被分类为7种不同的行为类别。
• 该框架成功检测并分析了依赖于通过闪贷反复进行代币兑换的1,500万美元Eminence Finance攻击。
• 闪贷使用主要由套利和价格操纵等投机策略驱动。
• 分析揭示了具有高频代币兑换的自我偿还交易的重复模式，表明对协议漏洞存在系统性利用。
• 本研究证明，ThunderStorm 能够有效实现大规模的闪贷活动检测、解释与分类。