基于活躍節(jié)點(diǎn)庫(kù)的以太坊加密流量識(shí)別方法

胡曉艷，童鐘奇，吳樺，許昱瑋

〔1.東南大學(xué)網(wǎng)絡(luò)空間安全學(xué)院，江蘇南京 211189；2.計(jì)算機(jī)網(wǎng)絡(luò)和信息集成教育部重點(diǎn)實(shí)驗(yàn)室（東南大學(xué)），江蘇南京 211189；3.網(wǎng)絡(luò)空間國(guó)際治理研究基地（東南大學(xué)），江蘇南京 211189；4.網(wǎng)絡(luò)通信與安全紫金山實(shí)驗(yàn)室，江蘇南京 211111〕

1 引言

區(qū)塊鏈?zhǔn)且环N由多方共同維護(hù)，能夠?qū)崿F(xiàn)數(shù)據(jù)一致存儲(chǔ)、不可篡改、多方訪(fǎng)問(wèn)、去中心化的記賬技術(shù)，也稱(chēng)為分布式賬本技術(shù)。區(qū)塊鏈技術(shù)誕生于中本聰名為《比特幣：一種點(diǎn)對(duì)點(diǎn)式的電子現(xiàn)金系統(tǒng)》[1]的論文中，它為進(jìn)一步解決互聯(lián)網(wǎng)中的信任問(wèn)題、安全問(wèn)題和效率問(wèn)題提供了新的解決方案，也為金融等行業(yè)的發(fā)展帶來(lái)了新的機(jī)遇和挑戰(zhàn)。近年來(lái)，區(qū)塊鏈技術(shù)的應(yīng)用逐漸廣泛，據(jù)Cisco預(yù)測(cè)[2]，2027年區(qū)塊鏈行業(yè)將占全球GDP的10%，但隨之而來(lái)的監(jiān)管問(wèn)題也變得愈發(fā)突出。區(qū)塊鏈匿名性和多方維護(hù)的設(shè)計(jì)，使得區(qū)塊鏈的有效監(jiān)管十分棘手。

作為區(qū)塊鏈中的代表性應(yīng)用，以太坊在中本聰提出的區(qū)塊鏈結(jié)構(gòu)基礎(chǔ)上，引入了私有RLPx加密協(xié)議對(duì)數(shù)據(jù)打包和加密，進(jìn)一步加強(qiáng)了其匿名性，這也使得以太坊成為了驅(qū)使網(wǎng)絡(luò)安全事件發(fā)生的催化劑。據(jù)PeckShield統(tǒng)計(jì)[3]，僅2019年就有超177起區(qū)塊鏈安全事件發(fā)生，造成的經(jīng)濟(jì)損失高達(dá)76.79億美元。因此，監(jiān)管以太坊流量從而及時(shí)發(fā)現(xiàn)攻擊行為對(duì)以太坊的穩(wěn)定運(yùn)行至關(guān)重要，而以太坊流量監(jiān)管的第一步就是對(duì)以太坊加密流量的識(shí)別。

已有研究中的加密流量識(shí)別方法可以分為數(shù)據(jù)分組負(fù)載隨機(jī)性檢測(cè)方法[4,5]、基于有效負(fù)載的識(shí)別方法[6,7]和基于機(jī)器學(xué)習(xí)的識(shí)別方法[8]。數(shù)據(jù)分組隨機(jī)性檢測(cè)方法需要對(duì)數(shù)據(jù)流中不完全隨機(jī)加密特征字段進(jìn)行識(shí)別；基于有效負(fù)載的識(shí)別方法分析提取數(shù)據(jù)中未加密部分進(jìn)行識(shí)別；基于機(jī)器學(xué)習(xí)的識(shí)別方法通過(guò)提取加密流特征，結(jié)合機(jī)器學(xué)習(xí)方法，實(shí)現(xiàn)加密流量識(shí)別。而國(guó)內(nèi)外涉及以太坊加密流量的研究集中在對(duì)以太坊應(yīng)用的識(shí)別和對(duì)以太坊拓?fù)浣Y(jié)構(gòu)的構(gòu)建上。對(duì)以太坊應(yīng)用識(shí)別主要是對(duì)在以太坊平臺(tái)上開(kāi)發(fā)的Dapps的識(shí)別[11]，其本質(zhì)還是對(duì)傳統(tǒng)TLS流量的分類(lèi)，不是針對(duì)以太坊私有協(xié)議加密流量的研究；對(duì)以太坊節(jié)點(diǎn)拓?fù)涞臉?gòu)建是通過(guò)NetFlow流[12]或者主動(dòng)探測(cè)[13]的方法收集以太坊節(jié)點(diǎn)信息，構(gòu)建以太坊拓?fù)浣Y(jié)構(gòu)，這些方案也沒(méi)有對(duì)以太坊加密流量進(jìn)行深入研究，無(wú)法準(zhǔn)確識(shí)別以太坊加密流量。

綜上所述，為夯實(shí)以太坊網(wǎng)絡(luò)監(jiān)管的第一步，本文提出一種基于活躍節(jié)點(diǎn)的以太坊加密流量識(shí)別方法，通過(guò)活躍節(jié)點(diǎn)庫(kù)過(guò)濾以太坊節(jié)點(diǎn)，提高了識(shí)別效率，進(jìn)一步實(shí)現(xiàn)以太坊加密流量準(zhǔn)確識(shí)別。

2 以太坊相關(guān)背景

2.1 基礎(chǔ)架構(gòu)

以太坊的基本機(jī)構(gòu)如圖1所示，一般將其分為自底向上的6層結(jié)構(gòu)。數(shù)據(jù)層定義了區(qū)塊內(nèi)部數(shù)據(jù)存儲(chǔ)格式、區(qū)塊的鏈?zhǔn)较噙B方式以及以太坊錢(qián)包地址采用的非對(duì)稱(chēng)加密方法；網(wǎng)絡(luò)層則定義了以P2P為基礎(chǔ)的RLPx數(shù)據(jù)格式化打包和數(shù)據(jù)傳播協(xié)議；共識(shí)層則采用了POW（Proof of Work，工作量證明）和POA（Proof of Authority，授權(quán)證明）共識(shí)方法；激勵(lì)層定義了礦工成功打包區(qū)塊和運(yùn)行以太坊合約時(shí)的獎(jiǎng)勵(lì)方法；合約層包含了以太坊所有的智能合約，是以太坊實(shí)現(xiàn)自定義的、具備圖靈完備性的分布式應(yīng)用的基礎(chǔ)，它運(yùn)行在獨(dú)立的以太坊虛擬機(jī)EVM上；應(yīng)用層是在以太坊平臺(tái)上，使用智能合約編寫(xiě)的不同的去中心化應(yīng)用。本文主要關(guān)注的是以太坊的網(wǎng)絡(luò)層中RLPx協(xié)議的加密方法和通信過(guò)程，因此，下面將主要介紹RLPx協(xié)議的基本概念和相關(guān)內(nèi)容。

圖1 以太坊分層結(jié)構(gòu)

2.2 RLPx協(xié)議

RLPx跟隨RLP（Recursive Length Prefix）命名，RLP是以太坊中采用的數(shù)據(jù)序列格式化的方法。RLPx協(xié)議中定義了基于UDP的不加密節(jié)點(diǎn)發(fā)現(xiàn)過(guò)程和基于TCP的加密數(shù)據(jù)傳輸過(guò)程。

圖2是RLPx連接建立過(guò)程的示意圖。由于以太坊基于P2P設(shè)計(jì)，因此當(dāng)一個(gè)節(jié)點(diǎn)加入以太坊網(wǎng)絡(luò)時(shí)，首先是節(jié)點(diǎn)的發(fā)現(xiàn)過(guò)程。RLPx基于UDP實(shí)現(xiàn)了其他節(jié)點(diǎn)的發(fā)現(xiàn)。起始時(shí)通過(guò)Ping內(nèi)部預(yù)置的一些公開(kāi)節(jié)點(diǎn)，對(duì)返回Pong的節(jié)點(diǎn)進(jìn)一步發(fā)送請(qǐng)求獲取鄰居節(jié)點(diǎn)信息，并用K桶保存這些節(jié)點(diǎn)信息。

在建立TCP連接前，會(huì)通過(guò)UDP的Ping-Pong來(lái)確認(rèn)連接的可用性。連接建立過(guò)程中首先會(huì)通過(guò)Enchandshake握手過(guò)程確定此次連接的臨時(shí)通信密鑰。EncHandshake握手過(guò)程中雙方使用自身信息隨機(jī)的各自生成一個(gè)私鑰，然后將對(duì)應(yīng)公鑰發(fā)送給另一方，最后雙方通過(guò)手中的私鑰和對(duì)方的公鑰生成一個(gè)共享密鑰，此次連接的信道上將會(huì)使用此共享密鑰加密傳輸信息。該共享密鑰只在本次通信過(guò)程中保持有效，保證了以太坊的完備的前向安全性。隨后將會(huì)進(jìn)行狀態(tài)的同步和區(qū)塊同步等操作，保證節(jié)點(diǎn)與整個(gè)以太坊信息的一致。

由于以太坊通信內(nèi)容都采用了RLP方法進(jìn)行序列格式化，并且定義的通信內(nèi)容格式間也存在著相似性，導(dǎo)致UDP報(bào)文在大小和內(nèi)容之間存在著很多的重復(fù)性，TCP報(bào)文在握手過(guò)程和通信內(nèi)容大小上也存在很多的相似，這些相似的內(nèi)容為識(shí)別以太坊加密流量提供了可用的特征。本文因此提出了一種基于以太坊活躍節(jié)點(diǎn)的以太坊加密流量識(shí)別方法。下一章將會(huì)介紹算法的整體設(shè)計(jì)。

3 算法設(shè)計(jì)

本文將會(huì)介紹基于活躍節(jié)點(diǎn)庫(kù)的以太坊加密流量識(shí)別方法的具體設(shè)計(jì)。圖3是整個(gè)算法實(shí)現(xiàn)的結(jié)構(gòu)圖。

圖2 RLPx協(xié)議通信過(guò)程

圖3 以太坊加密流量識(shí)別算法結(jié)構(gòu)圖

算法包含了兩個(gè)主要部分，節(jié)點(diǎn)庫(kù)設(shè)計(jì)部分和流量處理部分。核心節(jié)點(diǎn)庫(kù)存儲(chǔ)支撐以太坊運(yùn)行的核心節(jié)點(diǎn)信息，活躍節(jié)點(diǎn)庫(kù)基本覆蓋區(qū)域內(nèi)所有的以太坊節(jié)點(diǎn)。因此，可以認(rèn)為區(qū)域內(nèi)所有的以太坊流量不是從活躍節(jié)點(diǎn)庫(kù)中發(fā)出的就是以活躍節(jié)點(diǎn)庫(kù)中的節(jié)點(diǎn)為目的地址。算法首先判斷流量源宿地址是否在活躍節(jié)點(diǎn)庫(kù)中存在記錄，對(duì)存在記錄的流量轉(zhuǎn)入流量處理部分。在流量處理部分會(huì)分別對(duì)UDP流量和TCP流量進(jìn)行識(shí)別，將以太坊UDP報(bào)文識(shí)別結(jié)果作為T(mén)CP識(shí)別的基礎(chǔ)，同時(shí)采用UDP和TCP識(shí)別結(jié)果共同更新維護(hù)活躍節(jié)點(diǎn)庫(kù)中信息。下面是對(duì)這兩部分的詳細(xì)介紹。

3.1 節(jié)點(diǎn)庫(kù)設(shè)計(jì)

以太坊節(jié)點(diǎn)庫(kù)包含以太坊核心節(jié)點(diǎn)庫(kù)和以太坊活躍節(jié)點(diǎn)庫(kù)。以太坊維護(hù)機(jī)構(gòu)為保證以太坊POW共識(shí)算法的可靠性，維持以太坊的正常運(yùn)行，設(shè)置了部分以太坊節(jié)點(diǎn)并公開(kāi)了這些節(jié)點(diǎn)的信息。此外，以太坊會(huì)在Geth等工具中內(nèi)置一些以太坊節(jié)點(diǎn)以保證新節(jié)點(diǎn)加入時(shí)能與鄰居節(jié)點(diǎn)建立連接。本文引入核心節(jié)點(diǎn)庫(kù)存儲(chǔ)這兩種節(jié)點(diǎn)信息，在算法起始時(shí)填充活躍節(jié)點(diǎn)庫(kù)。

活躍節(jié)點(diǎn)庫(kù)包含了當(dāng)前區(qū)域內(nèi)所有活躍的以太坊節(jié)點(diǎn)的信息，活躍節(jié)點(diǎn)庫(kù)初始由核心節(jié)點(diǎn)庫(kù)填充，隨著算法的運(yùn)行，活躍節(jié)點(diǎn)庫(kù)不斷趨于收斂，最終實(shí)現(xiàn)對(duì)整個(gè)區(qū)域內(nèi)以太坊活躍節(jié)點(diǎn)的記錄。不同區(qū)域中活躍節(jié)點(diǎn)庫(kù)的信息可能有所區(qū)別，而整個(gè)以太坊的核心節(jié)點(diǎn)庫(kù)信息保持一致。

3.2 流量識(shí)別方法

由于以太坊流量中包含了UDP流量和TCP流量，因此針對(duì)兩者采用不同的處理方式。以太坊在建立TCP連接前會(huì)通過(guò)UDP的Ping-Pong探測(cè)節(jié)點(diǎn)的可用性或獲取相關(guān)的鄰居節(jié)點(diǎn)信息，因此，算法首先會(huì)針對(duì)UDP流量進(jìn)行識(shí)別。

如圖4所示，以太坊UDP定義了四種結(jié)構(gòu)，包括Ping、Pong、FindNode和Neighbors。以太坊Ping-Pong過(guò)程是對(duì)等節(jié)點(diǎn)對(duì)某另一個(gè)節(jié)點(diǎn)可用性的探測(cè)過(guò)程。FindNode用來(lái)向自己的鄰居節(jié)點(diǎn)查詢(xún)距離目的節(jié)點(diǎn)比較近的鄰居節(jié)點(diǎn)。Neighbors是對(duì)FindNode的回應(yīng)，包含了該節(jié)點(diǎn)中距離目的節(jié)點(diǎn)較近的節(jié)點(diǎn)的信息。此外，以太坊RLPx協(xié)議中對(duì)UDP流量是不加密的，因此以太坊的UDP流量表現(xiàn)出了極高的相似性，報(bào)文大小、報(bào)文順序等都有著極高的統(tǒng)一性。

對(duì)于探測(cè)節(jié)點(diǎn)是否可用的Ping-Pong過(guò)程，一條UDP流中可能會(huì)包含一次或多次重復(fù)的Ping-Pong，Ping報(bào)文的內(nèi)容大小約為127B，而Pong包內(nèi)容稍大，約為150B；針對(duì)鄰居節(jié)點(diǎn)信息獲取的過(guò)程，首先會(huì)是一次或者多次的節(jié)點(diǎn)可用性的探測(cè)，當(dāng)節(jié)點(diǎn)可用時(shí)會(huì)發(fā)送一個(gè)FindNode報(bào)文，對(duì)等節(jié)點(diǎn)也返回一個(gè)Neighbors報(bào)文，該次的鄰居節(jié)點(diǎn)信息獲取過(guò)程結(jié)束。其中，F(xiàn)indNode內(nèi)容大小固定為171B，且返回的Neighbors是固定的兩個(gè)1057B和425B的報(bào)文。此外，以太坊會(huì)選用較高的通信端口，初始的默認(rèn)端口號(hào)為30303，若端口號(hào)30303被占用會(huì)重新選擇端口，一般選用10000以上的端口號(hào)。

針對(duì)以太坊TCP流量，其RLPx協(xié)議一共定義了以太坊TCP中的12種報(bào)文格式，為區(qū)分其中的相似報(bào)文，在發(fā)送相似報(bào)文前會(huì)發(fā)送一個(gè)固定大小的標(biāo)識(shí)報(bào)文標(biāo)識(shí)將要發(fā)送的報(bào)文格式。此外，以太坊TCP的Enchandshake是通信的第一步，由連接發(fā)起方開(kāi)始，雙方交換一次大小約500B的自身信息實(shí)現(xiàn)Enchandshake握手。

圖4 以太坊UDP報(bào)文數(shù)據(jù)結(jié)構(gòu)

綜上，當(dāng)一個(gè)待識(shí)別流的源、宿地址在以太坊活躍節(jié)點(diǎn)庫(kù)中存在記錄時(shí)，轉(zhuǎn)入以太坊流量識(shí)別過(guò)程。首先判斷雙方是否存在UDP流量，進(jìn)而判斷UDP端口是否是較高端口，其次結(jié)合UDP的Ping-Pong報(bào)文大小、Ping-Pong報(bào)文順序以及NodeFide報(bào)文Neighbors報(bào)文的大小、順序進(jìn)一步確定是否是以太坊UDP流量。對(duì)確認(rèn)存在以太坊UDP流量的節(jié)點(diǎn)進(jìn)行記錄，更新活躍節(jié)點(diǎn)庫(kù)信息，轉(zhuǎn)入對(duì)TCP流量的識(shí)別。對(duì)于TCP流量，首先通過(guò)高端口號(hào)初步判斷是否是以太坊TCP流量，在TCP握手后判斷是否進(jìn)行Enchandshake握手過(guò)程，最后，對(duì)傳輸內(nèi)容的報(bào)文大小進(jìn)行統(tǒng)計(jì)，設(shè)置閾值，該閾值反映了流量中標(biāo)識(shí)報(bào)文和相似行為報(bào)文的出現(xiàn)頻率，滿(mǎn)足高端口特性、進(jìn)行了Enchandshake并且統(tǒng)計(jì)結(jié)果高于閾值的即為以太坊TCP流量，同時(shí)更新以太坊活躍節(jié)點(diǎn)庫(kù)中信息。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備

為獲取以太坊核心節(jié)點(diǎn)信息，本文使用網(wǎng)絡(luò)爬蟲(chóng)方法爬取以太坊節(jié)點(diǎn)統(tǒng)計(jì)網(wǎng)站ethernodes.org中公開(kāi)節(jié)點(diǎn)，共爬取了5,672個(gè)公開(kāi)節(jié)點(diǎn)填充核心節(jié)點(diǎn)庫(kù)。由于缺乏可用的以太坊流量數(shù)據(jù)集，本文參考使用了文獻(xiàn)[13]中NodeFinder的設(shè)計(jì)，同時(shí)為了保證收集到足夠可用的TCP流量，本文延長(zhǎng)了NodeFinder中的連接保持時(shí)間至2min，一般會(huì)在此時(shí)間內(nèi)完成多次交易的轉(zhuǎn)發(fā)和區(qū)塊的同步。為保證最終實(shí)驗(yàn)結(jié)果的準(zhǔn)確性，需要保證活躍節(jié)點(diǎn)庫(kù)達(dá)到收斂?？紤]到現(xiàn)實(shí)情況中識(shí)別是一個(gè)持續(xù)的過(guò)程，本文采用兩組數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，第一組數(shù)據(jù)是模擬現(xiàn)實(shí)環(huán)境對(duì)活躍節(jié)點(diǎn)庫(kù)進(jìn)行填充。第二組數(shù)據(jù)中混入背景流量，測(cè)試實(shí)驗(yàn)結(jié)果。本文設(shè)置了兩臺(tái)位于同一子網(wǎng)中的設(shè)備分別抓取了實(shí)驗(yàn)數(shù)據(jù)一和實(shí)驗(yàn)數(shù)據(jù)二，具體實(shí)驗(yàn)數(shù)據(jù)如表1所示。

表1 實(shí)驗(yàn)數(shù)據(jù)

4.2 實(shí)驗(yàn)結(jié)果

為研究UDP中報(bào)文大小范圍設(shè)置對(duì)結(jié)果的影響，在排除425B和1057B的固定大小的UDP報(bào)文的影響后，本文分別設(shè)置算法中UDP報(bào)文大小范圍從[110,200]至[110,320]，實(shí)驗(yàn)結(jié)果如圖5所示。為研究TCP中閾值對(duì)實(shí)驗(yàn)準(zhǔn)確率的影響，本文分別對(duì)閾值為7%至15%進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖6所示。

圖5 報(bào)文范圍對(duì)UDP識(shí)別結(jié)果的影響

由圖5可以看出，隨著UDP報(bào)文大小范圍的增加，準(zhǔn)確率先降低再升高再降低，精確率持續(xù)降低，召回率在[110,300]處提升明顯。這是因?yàn)橐蕴籙DP報(bào)文在剔除425B、1057B兩種固定大小的報(bào)文后，主要分布在[110,200]和[280,300]的區(qū)間內(nèi)，而報(bào)文大小范圍的增加會(huì)導(dǎo)致將非以太坊流量誤判為以太坊流量的比例增加。因此，準(zhǔn)確率會(huì)在[110,280]和[280,300]之間提升，而整體呈現(xiàn)下降趨勢(shì)，精確率則會(huì)因?yàn)檎`判的增加而持續(xù)降低，召回率在[110,280]和[280,300]也會(huì)有顯著提升而整體呈現(xiàn)緩慢上升趨勢(shì)。

由圖6可以看出，隨著閾值的不斷升高，準(zhǔn)確率和精確率不斷上升，而召回率程現(xiàn)下降趨勢(shì)。這是因?yàn)殡S著閾值的提升，將以太坊流量誤判為非以太坊流量的比例不斷上升，將非以太坊流量誤判為以太坊流量的比例都不斷下降，但將以太坊流量誤判為非以太坊流量的上升趨勢(shì)較將非以太坊流量誤判為以太坊流量的下降趨勢(shì)更不明顯，因此整體呈現(xiàn)的效果就是準(zhǔn)確率和精確率緩慢提升，而召回率不斷下降。

圖6 閾值對(duì)TCP結(jié)果的影響

5 結(jié)束語(yǔ)

本文進(jìn)行了以太坊加密流量識(shí)別的研究，提出了一種基于以太坊活躍節(jié)點(diǎn)庫(kù)的以太坊加密流量識(shí)別方法，在獲取區(qū)域內(nèi)以太坊節(jié)點(diǎn)信息構(gòu)建以太坊活躍節(jié)點(diǎn)庫(kù)的基礎(chǔ)上，針對(duì)以太坊UDP和TCP流量分別進(jìn)行了識(shí)別，在實(shí)驗(yàn)中得到了較高的識(shí)別準(zhǔn)確率、精確率和召回率。

但是，由于目前尚無(wú)針對(duì)以太坊加密流量識(shí)別的工作，因而實(shí)驗(yàn)結(jié)果中缺乏對(duì)比實(shí)驗(yàn)，針對(duì)這一缺憾，本文后續(xù)工作將會(huì)跟進(jìn)學(xué)術(shù)界最新進(jìn)展，在出現(xiàn)了相關(guān)研究工作時(shí)進(jìn)行對(duì)比實(shí)驗(yàn)。