[论文解读] XBlock-ETH: Extracting and Exploring Blockchain Data From Ethereum

Peilin Zheng, Zibin Zheng+1 more|arXiv (Cornell University)|Nov 1, 2019

Blockchain Technology Applications and Security参考文献 42被引用 13

一句话总结

本文介绍了 XBlock-ETH，这是一个全面、最新且公开发布的以太坊链上数据数据集，涵盖区块、交易、智能合约以及 ERC20/ERC721 代币活动。该框架将原始区块链数据提取并处理为六个结构化数据集，支持大规模分析，并提供统计探索，从而解决了区块链数据在研究中可访问性和可用性方面的关键缺口。

ABSTRACT

Blockchain-based cryptocurrencies have received extensive attention recently. Massive data has been stored on permission-less blockchains. The analysis on massive blockchain data can bring huge business values. However, the lack of well-processed up-to-date blockchain datasets impedes big data analytics of blockchain data. To fill this gap, we collect and process the up-to-date on-chain data from Ethereum, which is one of the most popular permission-less blockchains. We name these well-processed Ethereum datasets as XBlock-ETH, which consists of the data of blockchain transactions, smart contracts, and cryptocurrencies (i.e., tokens). The basic statistics and exploration of these datasets are presented. We also outline the possible research opportunities. The datasets with the raw data and codes have been publicly released online.

研究动机与目标

• 解决学术界和工业界在研究中缺乏全面、最新且经过良好处理的以太坊区块链数据集的问题。
• 克服区块链数据同步、异构数据结构以及缺乏通用数据提取工具的挑战。
• 支持基础性数据探索，如统计分析与可视化，这些功能在现有区块链分析工具中通常缺失。
• 支持智能合约分析、欺诈检测和加密货币行为等多样化研究应用。
• 公开发布处理后的数据集和源代码，以促进可复现性与社区驱动的研究。

提出的方法

• 作者收集了原始以太坊数据，包括 810 万个区块，其组成部分包括区块、交易追踪和收据。
• 原始数据被处理并结构化为六个独立的、可分析的数据集：区块与交易、内部以太币交易、合约信息、合约调用、ERC20 代币交易以及 ERC721 代币交易。
• 该框架包含数据提取管道，可将二进制和加密的区块链数据转换为结构化、可查询的格式。
• 实现了统计分析与数据可视化功能，以支持基础数据探索与洞察生成。
• 数据集及相关代码已在线发布于 http://xblock.pro/dataset，供公众访问与重用。
• 系统设计为定期更新，以保持数据的新鲜度与相关性。

实验结果

研究问题

• RQ1 如何系统性地从原始、异构且大规模的以太坊区块链数据中提取并转换为结构化、可分析的数据集？
• RQ2 以太坊链上数据（包括交易、智能合约和代币活动）的关键统计特征是什么？
• RQ3 拥有一个全面、最新且公开可访问的以太坊数据集，会催生哪些研究机遇？
• RQ4 此类数据集如何支持欺诈检测、智能合约安全性和 DApp 用户行为等高级分析？
• RQ5 现有区块链数据工具的主要局限性是什么？XBlock-ETH 又如何克服这些局限？

主要发现

• XBlock-ETH 提供了一个完整且结构良好的数据集，涵盖 810 万个以太坊区块，包括交易、智能合约和代币数据，可供研究公开使用。
• 该数据集包含六个精细化的类别：区块与交易、内部以太币交易、合约信息、合约调用、ERC20 代币交易以及 ERC721 代币交易。
• 该框架通过统计分析、可视化和结构化查询支持基础数据探索，这些功能在现有区块链分析工具中通常缺失。
• 该数据集已在线发布并定期更新，确保研究人员能够长期使用并实现可复现性。
• 作者识别出在区块链系统分析、智能合约安全性和去中心化应用（DApps）中虚假用户检测等关键研究机遇。
• 该数据集不包含链下数据（如交易所价格和 GitHub 活动），仅聚焦于链上数据，以保持一致性和范围。