[论文解读] The Blockchain Imitation Game

Kaihua Qin, Stefanos Chaliasos+4 more|arXiv (Cornell University)|Mar 31, 2023

Blockchain Technology Applications and Security被引用 4

一句话总结

本文提出 Ape，一种针对基于 EVM 的区块链的通用模仿攻击方法，利用动态程序分析自动合成对抗性智能合约，实现在不了解受害者逻辑的前提下实时抢先执行有利可图的交易。在一年内，Ape 可能在以太坊上提取 1.4896 亿美元，在币安智能链（BSC）上提取 4270 万美元，同时成功模仿了每个链上的 13 个和 22 个已知的 DeFi 攻击，展示了其作为恶意利用工具以及防御性白帽入侵防护机制的双重潜力。

ABSTRACT

The use of blockchains for automated and adversarial trading has become commonplace. However, due to the transparent nature of blockchains, an adversary is able to observe any pending, not-yet-mined transactions, along with their execution logic. This transparency further enables a new type of adversary, which copies and front-runs profitable pending transactions in real-time, yielding significant financial gains. Shedding light on such "copy-paste" malpractice, this paper introduces the Blockchain Imitation Game and proposes a generalized imitation attack methodology called Ape. Leveraging dynamic program analysis techniques, Ape supports the automatic synthesis of adversarial smart contracts. Over a timeframe of one year (1st of August, 2021 to 31st of July, 2022), Ape could have yielded 148.96M USD in profit on Ethereum, and 42.70M USD on BNB Smart Chain (BSC). Not only as a malicious attack, we further show the potential of transaction and contract imitation as a defensive strategy. Within one year, we find that Ape could have successfully imitated 13 and 22 known Decentralized Finance (DeFi) attacks on Ethereum and BSC, respectively. Our findings suggest that blockchain validators can imitate attacks in real-time to prevent intrusions in DeFi.

研究动机与目标

• 探究在不了解受害者交易逻辑或合约行为的前提下，是否可在基于 EVM 的区块链上构建通用的、实时的智能合约模仿攻击。
• 设计并实现一个自动化系统，自动生成对抗性智能合约，以绕过身份验证和混淆等常见防护机制。
• 评估此类模仿攻击在以太坊和 BSC 等主要 DeFi 平台在真实时间周期内的财务影响。
• 探索模仿技术的双重用途潜力——作为白帽入侵防护系统，通过模仿攻击并返还被盗资金，实现主动检测与中和攻击。

提出的方法

• Ape 使用动态污点分析，追踪待处理交易中的数据流，以识别关键执行路径和合约依赖关系。
• 它利用程序合成技术，自动生成新的对抗性智能合约，复制受害者交易的逻辑，同时绕过身份验证等访问控制机制。
• 该框架利用 EVM 级别指令集扩展，实现对执行过程的实时分析与执行，克服了传统符号执行的时间限制。
• Ape 在运行时动态合成并部署新合约，以替代受保护或混淆的受害者合约，确保正确调用并捕获收益。
• 该系统无需访问受害者的 ABI 或源代码，可针对闭源、混淆或受身份验证保护的合约进行攻击。
• 通过分析交易执行的动态控制流图（DCFG），该系统支持对复杂 DeFi 工作流（包括闪兑贷款攻击和 AMM 套利）的端到端模仿。

实验结果

研究问题

• RQ1 是否可以在不了解受害者交易逻辑或合约源代码的前提下，在基于 EVM 的区块链上构建通用的、实时的模仿攻击？
• RQ2 动态程序分析技术（如污点分析与程序合成）在多大程度上可实现对抗性合约的自动化生成，以实现有利可图的抢先执行？
• RQ3 此类模仿攻击在以太坊和 BSC 等生产区块链上，持续一年时间可实现多大的财务收益？
• RQ4 相同的模仿机制是否可被重新用于防御性白帽入侵防护系统，以检测并中和活跃的 DeFi 攻击？
• RQ5 常见的防护机制（如身份验证和基础混淆）在面对此类通用模仿攻击时，其有效性如何？

主要发现

• 在为期一年的时间范围内（2021 年 8 月至 2022 年 7 月），Ape 可能在以太坊上实现 1.4896 亿美元的利润，在币安智能链（BSC）上实现 4270 万美元的利润。
• Ape 在以太坊上成功模仿了 13 个已知的 DeFi 攻击，在 BSC 上模仿了 22 个，证明其能够复制复杂且可组合的攻击模式。
• 该工具通过动态分析实现实时运行，克服了符号执行的性能瓶颈，即使在极短的时间窗口内也能实现实际的抢先执行。
• Ape 可通过合成新合约绕过常见防护机制（如身份验证和基础混淆），在无需访问源代码或 ABI 的情况下复制受害者逻辑。
• 研究发现，区块链验证者可利用类似 Ape 的机制作为防御性白帽策略，通过模仿攻击并返还被盗资金，实现对攻击的检测与中和。
• 尽管混淆技术可延缓 Ape 的攻击效率，但并非万无一失，且会增加 gas 成本，表明其作为抵御通用模仿攻击的独立防御手段并不充分。