[论文解读] An Empirical Analysis of Monero Cross-Chain Traceability

Abraham Hinteregger, Bernhard Haslhofer|arXiv (Cornell University)|Dec 6, 2018

Blockchain Technology Applications and Security参考文献 5被引用 8

一句话总结

本文提出了一种新颖的跨链分析方法，利用硬分叉追踪门罗币交易，结合已知启发式方法评估可追踪性。该方法在门罗币、门罗币V和门罗原生币区块链中识别真实输入，结果显示仅5.22%的环成员被追踪——表明尽管协议发生变更且存在已知攻击向量，门罗币仍对被动追踪具有强大抵抗力。

ABSTRACT

Monero is a privacy-centric cryptocurrency that makes payments untraceable by adding decoys to every real input spent in a transaction. Two studies from 2017 found methods to distinguish decoys from real inputs, which enabled traceability for a majority of transactions. Since then, a number protocol changes have been introduced, but their effectiveness has not yet been reassessed. Furthermore, little is known about traceability of Monero transactions across hard fork chains. We formalize a new method for tracing Monero transactions, which is based on analyzing currency hard forks. We use that method to perform a (passive) traceability analysis on data from the Monero, MoneroV and Monero Original blockchains and find that only a small amount of inputs are traceable. We then use the results to estimate the effectiveness of known heuristics for recent transactions and find that they do not significantly outperform random guessing. Our findings suggest that Monero is currently mostly immune to known passive attack vectors and resistant to tracking and tracing methods applied to other cryptocurrencies.

研究动机与目标

• 形式化一种通过利用货币硬分叉期间泄露的信息来追踪门罗币交易的新方法。
• 评估已知启发式方法（如零混合移除、交集移除）在近期门罗币交易中的有效性。
• 评估自2017年以来的协议变更——特别是环形确认交易（RingCT）和环大小增加——是否成功缓解了已知的可追踪性攻击。
• 确定现有加密货币分析工具（在比特币上有效）是否能在实践中对门罗币产生有意义的成功。
• 提供一个可复现的分析框架，使用MONitERO工具链，以支持未来对门罗币隐私性的研究。

提出的方法

• 形式化一种跨链分析技术，通过检测硬分叉分支（门罗币、门罗币V、门罗原生币）间环签名的差异，识别真实支出输入。
• 收集并分析截至第1,651,346号区块（2018年8月）的门罗币（XMR）、门罗币V（XMV）和门罗原生币（XMO）的区块链数据。
• 应用已知启发式方法——零混合移除（ZMR）和交集移除（IR）——以识别环签名中的真实输入和混合输入。
• 通过引入新的跨链方法，扩展分析以检测在多个链上花费相同分叉前输出的后续交易中的真实输入。
• 使用MONitERO工具链复现所有分析并验证三种区块链变体中的结果。
• 按时间段（如每月）聚合结果，以评估可追踪性和启发式方法准确性的随时间变化趋势。

实验结果

研究问题

• RQ1 是否可以通过分析硬分叉后各链中环签名行为的差异，利用硬分叉来追踪门罗币交易？
• RQ2 在协议加固后，已知的被动启发式方法（ZMR、IR、GNH、OMH）在识别近期门罗币交易中的真实输入方面效果如何？
• RQ3 与早期版本相比，环形确认交易（RingCT）和环大小增加（最高至11）等协议变更在多大程度上降低了可追踪性？
• RQ4 与现有启发式方法相比，新的跨链分析方法是否显著提升了真实输入的识别能力？
• RQ5 在实践中，对比特币有效的现有加密货币分析工具是否能对门罗币产生有意义的成功？

主要发现

• 所提出的跨链分析方法在2018年4月至8月期间的门罗币交易中成功识别出73,321个真实输入和544,131个混合输入，显著优于以往方法。
• 在分析期间，仅有5.22%的环成员（11,826,525名中的617,452名）被追踪，表明尽管使用了新方法，整体可追踪性仍极低。
• 在近期交易中，猜测最新启发式方法（GNH）的表现并不优于随机猜测，表明在当前协议条件下该方法无效。
• 输出合并启发式方法（OMH）在时间上保持一致的真实和虚假阳性数量，但其有效性因RingCT交易中输入/输出数量减少而降低。
• RingCT与环大小增加（从7增至11）的结合使门罗币对已知的被动追踪技术具有极强的抵抗力，仅有极少数交易可被追踪。
• 本研究证实，为比特币及其衍生品设计的现有分析工具对门罗币无效，原因在于其强大的隐私保护机制和协议加固。