基于復(fù)雜網(wǎng)絡(luò)的以太坊重要賬戶識(shí)別研究

朱小棟　劉欣

關(guān)鍵詞：區(qū)塊鏈；以太坊；復(fù)雜網(wǎng)絡(luò)；關(guān)鍵節(jié)點(diǎn)；網(wǎng)絡(luò)攻擊

中圖分類號(hào)：TP309.2 文獻(xiàn)標(biāo)識(shí)碼：A

1引言（Introduction）

區(qū)塊鏈（Blockchain）是近年全球信息科技領(lǐng)域最受關(guān)注的技術(shù)，它具有去中心化的核心優(yōu)勢(shì)，可以有效解決中心化機(jī)構(gòu)中普遍存在的成本高、效率低和數(shù)據(jù)安全等問題[1]。區(qū)塊鏈特有的去中心化特征大大減少了受到網(wǎng)絡(luò)攻擊時(shí)產(chǎn)生的危害，但是攻擊者除了利用區(qū)塊鏈系統(tǒng)本身設(shè)計(jì)或?qū)崿F(xiàn)方面存在的漏洞攻擊區(qū)塊鏈，還可以通過攻擊區(qū)塊鏈周邊的設(shè)施，例如交易所、數(shù)字錢包、礦場(chǎng)、礦池等獲得利益。區(qū)塊鏈技術(shù)本身的設(shè)計(jì)缺陷或其系統(tǒng)部署不當(dāng)，并不是產(chǎn)生被攻擊風(fēng)險(xiǎn)的主要原因，而是由于區(qū)塊鏈應(yīng)用開發(fā)、軟件工具及其實(shí)踐過程中缺乏必要的安全考慮或措施造成的。因此，找到關(guān)鍵的用戶即可對(duì)該用戶的外部工具等設(shè)施進(jìn)行安全性建設(shè)，這對(duì)于整個(gè)區(qū)塊鏈的安全建設(shè)具有重要作用。本文的研究重點(diǎn)為識(shí)別關(guān)鍵的用戶（區(qū)塊或節(jié)點(diǎn)）設(shè)施[2]。

本文針對(duì)區(qū)塊鏈的安全問題進(jìn)行研究，首次將復(fù)雜網(wǎng)絡(luò)理論引入?yún)^(qū)塊鏈研究中，研究人員將區(qū)塊鏈或區(qū)塊鏈的子集中發(fā)生的交易流表示為一個(gè)網(wǎng)絡(luò)，其中節(jié)點(diǎn)是以太坊賬戶，即外部賬戶。在以太坊（Ethereum）場(chǎng)景中，一些加密貨幣轉(zhuǎn)移、智能合約的創(chuàng)建或合約的調(diào)用都可以稱為交易。區(qū)塊鏈中記錄的每筆交易都對(duì)應(yīng)于在網(wǎng)絡(luò)中創(chuàng)建的新連接。復(fù)雜網(wǎng)絡(luò)提供了合適的建模，將區(qū)塊鏈表示為一個(gè)復(fù)雜的系統(tǒng)分析其本質(zhì)，通過運(yùn)算得出相關(guān)特征值，即度、度分布，并使用多種節(jié)點(diǎn)重要度評(píng)估方法，如PageRank算法、K-shell算法和H指數(shù)算法，將節(jié)點(diǎn)按照重要度進(jìn)行排序。本文基于以上基本原理找出區(qū)塊鏈的重要節(jié)點(diǎn)，并對(duì)其安全建設(shè)提出建議。

2背景（Background）

區(qū)塊鏈?zhǔn)且环N以區(qū)塊記錄交易的分布式賬本[3]。每個(gè)區(qū)塊都包含一組交易，交易可以記錄任何類型的事件，這是因?yàn)閰^(qū)塊鏈?zhǔn)褂昧薖2P系統(tǒng)、加密技術(shù)、分布式共識(shí)方案等，并且使用者采取匿名的形式，從而使區(qū)塊鏈具有公開、可追蹤、抗篡改等屬性[4]。以太坊作為區(qū)塊鏈2.0的代表，是一種開源的基于區(qū)塊鏈的軟件平臺(tái)。以太坊通過轉(zhuǎn)換賬戶的余額并改變狀態(tài)進(jìn)行交易。狀態(tài)表示所有賬戶的當(dāng)前余額及其他數(shù)據(jù)，作為獨(dú)立數(shù)據(jù)進(jìn)行編碼和維護(hù)。賬戶的類型有外部擁有賬戶和合同賬戶兩種。交易中使用到的加密貨幣叫作以太幣。使用這種加密貨幣，可以向其他賬戶進(jìn)行付款（P2P支付）或者支付某種操作請(qǐng)求。

針對(duì)復(fù)雜網(wǎng)絡(luò)的研究是由網(wǎng)絡(luò)中“小世界”和“無標(biāo)度”兩個(gè)特征興起而來的，WATTS等[5]利用演員合作數(shù)據(jù)發(fā)現(xiàn)了小世界特性，BARABASI等[6]發(fā)現(xiàn)萬維網(wǎng)的無標(biāo)度性質(zhì)；在復(fù)雜網(wǎng)絡(luò)中，挖掘發(fā)現(xiàn)網(wǎng)絡(luò)的重要節(jié)點(diǎn)是一個(gè)核心問題，目前包含多種中心性指標(biāo)，如度中心性、介數(shù)中心性[7]、接近中心性[8]、網(wǎng)絡(luò)的核[9]、PAGE等[10]基于隨機(jī)游走排序算法提出PageRank指標(biāo)等。復(fù)雜網(wǎng)絡(luò)理論對(duì)于實(shí)際網(wǎng)絡(luò)的應(yīng)用也取得重要成果。張彥超等[11]利用復(fù)雜網(wǎng)絡(luò)理論構(gòu)造了基于在線社交網(wǎng)絡(luò)的信息傳播模型，發(fā)現(xiàn)模型符合在線社交網(wǎng)絡(luò)特性，并且該網(wǎng)絡(luò)高度連通；BARRAT等[12]通過復(fù)雜網(wǎng)絡(luò)理論研究航空交通關(guān)系，發(fā)現(xiàn)機(jī)場(chǎng)的航線數(shù)和機(jī)場(chǎng)的運(yùn)力呈超線性關(guān)系；段文奇等[13]利用復(fù)雜網(wǎng)絡(luò)研究全球貿(mào)易，發(fā)現(xiàn)國際貿(mào)易存在動(dòng)態(tài)演化過程。

考慮到以太坊支付中具有P2P支付特征，結(jié)合加密貨幣交易網(wǎng)絡(luò)結(jié)構(gòu)，符合構(gòu)成一個(gè)復(fù)雜網(wǎng)絡(luò)的條件。本研究運(yùn)用以太坊外部擁有賬戶的交易情況進(jìn)行建模分析，旨在找到關(guān)鍵賬戶加強(qiáng)其自身安全性建設(shè)。利用復(fù)雜網(wǎng)絡(luò)的相關(guān)研究方法進(jìn)行分析，可以掌握以太坊網(wǎng)絡(luò)結(jié)構(gòu)、識(shí)別關(guān)鍵賬戶，并具有易操作、實(shí)驗(yàn)結(jié)果明顯等優(yōu)勢(shì)。

3研究理論和數(shù)據(jù)（Research theory and data）

3.1以太坊數(shù)據(jù)及建模

3.1.1以太坊數(shù)據(jù)源

區(qū)塊鏈系統(tǒng)擁有三種原始數(shù)據(jù)類型：區(qū)塊、交易回執(zhí)和追蹤數(shù)據(jù)。

區(qū)塊數(shù)據(jù)直接存儲(chǔ)在以太坊區(qū)塊鏈中，每個(gè)區(qū)塊由區(qū)塊頭和區(qū)塊事務(wù)組成[14]。區(qū)塊頭包含一個(gè)區(qū)塊的基本信息，包括礦工地址、時(shí)間戳等；區(qū)塊事務(wù)構(gòu)成區(qū)塊的主體，每一個(gè)事務(wù)由From，To，Value，Input（發(fā)起賬戶，目標(biāo)賬戶，值，輸入）等組成。追蹤數(shù)據(jù)本質(zhì)上是一種內(nèi)部合同，即資金從一個(gè)賬戶轉(zhuǎn)移到另一個(gè)賬戶。

XBlock.pro是一個(gè)分享區(qū)塊鏈數(shù)據(jù)集的共享平臺(tái)，它收集了當(dāng)前主流的區(qū)塊鏈加密貨幣的相關(guān)數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行清洗和歸類[15]。本文數(shù)據(jù)采集自XBlock.pro網(wǎng)站和文獻(xiàn)[16]，通過運(yùn)行以太坊的全部節(jié)點(diǎn)獲得鏈上數(shù)據(jù)（From，To，Value），截至2019年3月10日，共收集5億多個(gè)節(jié)點(diǎn)和38億條交易數(shù)據(jù)，本研究采用了其中隨機(jī)選擇的107，452個(gè)未標(biāo)記節(jié)點(diǎn)和374，641 條交易鏈接。

3.1.2交易網(wǎng)絡(luò)建模

目前，區(qū)塊鏈系統(tǒng)的交易模型分為兩種，即以交易為中心的模型和以賬戶為中心的模型[15]，兩者的交易模式不同，網(wǎng)絡(luò)建模差別很大。簡(jiǎn)單來說，以交易為中心的模型區(qū)塊鏈交易系統(tǒng)建模工作中，以交易作為網(wǎng)絡(luò)的節(jié)點(diǎn)，將用戶作為網(wǎng)絡(luò)的邊；而以賬戶為中心的模型區(qū)塊鏈交易系統(tǒng)建模工作中，以賬戶作為節(jié)點(diǎn)，資金轉(zhuǎn)移作為邊。

本文的研究對(duì)象以太坊是一種基于賬戶為中心的交易模型的區(qū)塊鏈系統(tǒng)。在相關(guān)研究中，有三種以太坊交易數(shù)據(jù)網(wǎng)絡(luò)建模方式，分別是資金流網(wǎng)絡(luò)、智能合約創(chuàng)建網(wǎng)絡(luò)和智能合約調(diào)動(dòng)網(wǎng)絡(luò)[15]。在資金流網(wǎng)絡(luò)中，外部賬戶和合約賬戶抽象為網(wǎng)絡(luò)的節(jié)點(diǎn)，邊表示資金流向；在智能合約創(chuàng)建網(wǎng)絡(luò)和智能合約調(diào)用網(wǎng)絡(luò)中，分別以外部賬戶和合約賬戶作為網(wǎng)絡(luò)節(jié)點(diǎn)，與資金流網(wǎng)絡(luò)不同的是，邊分別表示合約的創(chuàng)建和合約的調(diào)用。

本研究為以太坊賬戶的關(guān)鍵節(jié)點(diǎn)識(shí)別，符合資金流網(wǎng)絡(luò)特征，故提出采用構(gòu)建資金流網(wǎng)絡(luò)作為本研究的區(qū)塊鏈系統(tǒng)建模方法。賬戶作為網(wǎng)絡(luò)中的節(jié)點(diǎn)v ，當(dāng)賬戶（節(jié)點(diǎn)v_i?）與賬戶（v_?j）之間存在交易或者資金流動(dòng)時(shí)，則兩者之間存在邊e_ij。

4實(shí)驗(yàn)和結(jié)果（Experiments and results）

4.1數(shù)據(jù)處理

本文采用上述提到的真實(shí)以太坊交易數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，截至2019年3月1日，共收集并篩選出374，641條交易數(shù)據(jù)，將數(shù)據(jù)預(yù)處理后得到該網(wǎng)絡(luò)中節(jié)點(diǎn)的總數(shù)為107，451個(gè)，邊的總數(shù)為123，740條。圖2是從網(wǎng)絡(luò)中隨機(jī)選出的1，000個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)拓?fù)鋱D。

圖2中，網(wǎng)絡(luò)中心處的節(jié)點(diǎn)較為密集，邊緣位置的節(jié)點(diǎn)較為稀疏。

（1）Degree。節(jié)點(diǎn)度的概率分布通過曲線實(shí)現(xiàn)，度分布概率曲線如圖3所示，度的概率分布服從冪律分布?；诙鹊墓?jié)點(diǎn)發(fā)布情況如表1所示。

度為1的節(jié)點(diǎn)有97，139 個(gè)，占比為90.403%；度為2和3的節(jié)點(diǎn)分別為3，289 個(gè)和1，089 個(gè)，占比共為4.074%。將所有節(jié)點(diǎn)按照度從大到小進(jìn)行排序，前0.981%的節(jié)點(diǎn)度在23—10，366，其中10 個(gè)節(jié)點(diǎn)度在1，000以上。

這表明在以太坊中，大部分節(jié)點(diǎn)的度很小，而少部分節(jié)點(diǎn)的度很大，即大部分的用戶（節(jié)點(diǎn)）只和很少的用戶交易，而少部分用戶和很多的用戶進(jìn)行交易。這些度很大的節(jié)點(diǎn)可能是礦池節(jié)點(diǎn)或交易中心。

（2）K-shell。Ks 指標(biāo)可以用來刻畫節(jié)點(diǎn)的中心性，節(jié)點(diǎn)的核心數(shù)越高，表明節(jié)點(diǎn)的位置越靠近中心，核心數(shù)越低，表明節(jié)點(diǎn)的位置越靠近邊緣。Ks 指數(shù)分布概率曲線如圖4所示。

基于Ks核心數(shù)的節(jié)點(diǎn)發(fā)布情況如表2所示。

Ks核心數(shù)為1的節(jié)點(diǎn)占比最高，節(jié)點(diǎn)數(shù)為98，349個(gè)，占比為91.529%；占比第二高的Ks值為3，節(jié)點(diǎn)數(shù)為4，643個(gè)，占比約為4.321%; Ks 值為13和22的節(jié)點(diǎn)分別有1，396 個(gè)和726 個(gè)，占比分別約為1.299%和0.676%。

在以太坊交易中，絕大部分節(jié)點(diǎn)都在網(wǎng)絡(luò)的邊緣，即其核心數(shù)為1；核心數(shù)在2—47的節(jié)點(diǎn)占比為7.921%，除了上邊緣節(jié)點(diǎn)外的多數(shù)節(jié)點(diǎn)處于此情況；核心數(shù)在48—86的節(jié)點(diǎn)占比為0.550%。核心數(shù)最大的這些節(jié)點(diǎn)處于網(wǎng)絡(luò)的中心，符合拓?fù)浣Y(jié)構(gòu)中的中心節(jié)點(diǎn)少、邊緣節(jié)點(diǎn)多的特點(diǎn)。

（3）H-index。H-index用來描述節(jié)點(diǎn)的影響力排行。H指數(shù)分布概率曲線如圖5所示。

H指數(shù)在1—55范圍，其分布概率同樣服從冪律分布。H指數(shù)值為1的節(jié)點(diǎn)有98，563 個(gè)，占比為91.728%； H 值為2—3和4—9的節(jié)點(diǎn)數(shù)分別為6，256 個(gè)和3，798 個(gè)，占比分別為5.822%和2.067%； H 值最大為55，則H 值為20—55的節(jié)點(diǎn)，即大致可以看作本網(wǎng)絡(luò)中該指標(biāo)識(shí)別的重要節(jié)點(diǎn)，節(jié)點(diǎn)數(shù)為65 個(gè)，占比為0.061%?；贖 指數(shù)可知，在以太坊交易網(wǎng)絡(luò)中，少數(shù)的賬戶節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)造成的影響力巨大。

（4）PageRank。PR 指數(shù)代表節(jié)點(diǎn)在全局網(wǎng)絡(luò)中的影響力，其絕大部分節(jié)點(diǎn)的PR值不盡相同，由此本研究中按照數(shù)值的數(shù)量級(jí)進(jìn)行劃分，基于PR值的節(jié)點(diǎn)發(fā)布情況如表4所示。

PR值在數(shù)量級(jí)為10-2的節(jié)點(diǎn)只有3個(gè)，而數(shù)量級(jí)為10-6的節(jié)點(diǎn)有101，246 個(gè)，占據(jù)所有節(jié)點(diǎn)的94.225%。基于PR 指數(shù)可知，極少量的賬戶會(huì)對(duì)以太坊交易網(wǎng)絡(luò)形成全局性的影響，而大量的節(jié)點(diǎn)的影響力很小。

綜上，對(duì)于以太坊交易網(wǎng)絡(luò)，我們可以看到度值為1、Ks 核心數(shù)為1、H指數(shù)為1和數(shù)量級(jí)為10-6的節(jié)點(diǎn)數(shù)量占整個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)約90%。基于此，下一步實(shí)驗(yàn)中選取10%左右的節(jié)點(diǎn)作為重要節(jié)點(diǎn)，重點(diǎn)關(guān)注刪除這些節(jié)點(diǎn)后對(duì)網(wǎng)絡(luò)分別進(jìn)行靜態(tài)攻擊和動(dòng)態(tài)攻擊的效果。

4.2網(wǎng)絡(luò)攻擊模擬

基于以太坊交易網(wǎng)絡(luò)，本文對(duì)度排序方法、K-shell算法、H-index算法和PageRank算法進(jìn)行了比較分析。根據(jù)四種算法的排序結(jié)果，分別以靜態(tài)攻擊與動(dòng)態(tài)攻擊的方法移除排名靠前的一定比例的節(jié)點(diǎn)，模擬網(wǎng)絡(luò)遭受蓄意攻擊時(shí)最大連通片相對(duì)規(guī)模和剩余連通片平均規(guī)模的變化情況，從而分析網(wǎng)絡(luò)結(jié)構(gòu)。

（1）靜態(tài)攻擊效果。在靜態(tài)攻擊模式中，節(jié)點(diǎn)重要度指標(biāo)不隨著網(wǎng)絡(luò)結(jié)構(gòu)變化而變化，并保持與原始網(wǎng)絡(luò)中各指標(biāo)的值一樣[22]。在模擬蓄意攻擊網(wǎng)絡(luò)對(duì)網(wǎng)絡(luò)影響的實(shí)驗(yàn)中，最大連通片相對(duì)規(guī)模和剩余連通片平均規(guī)模情況如圖6和圖7所示。

在本實(shí)驗(yàn)的以太網(wǎng)交易網(wǎng)絡(luò)中，Degree和PageRank指標(biāo)下的G 值（最大連通片相對(duì)規(guī)模）下降幅度較大，這表明度排序方法和PageRank算法導(dǎo)致網(wǎng)絡(luò)最大連通片相對(duì)規(guī)模變小的總體趨勢(shì)較為明顯，即這兩種識(shí)別節(jié)點(diǎn)重要性的方法更加適用于本研究的以太坊交易網(wǎng)絡(luò)。觀察圖7可以看見，剩余連通片平均規(guī)模會(huì)急劇增大，其中在H-index算法中表現(xiàn)得最為明顯，整個(gè)網(wǎng)絡(luò)遭到嚴(yán)重的破壞。

分析圖6可以發(fā)現(xiàn)，在蓄意攻擊時(shí)，以太坊交易網(wǎng)絡(luò)對(duì)于重要度高的節(jié)點(diǎn)的移除非常敏感。當(dāng)少數(shù)（約10%）的中心節(jié)點(diǎn)被移除時(shí)，G 值立即減小，即一些較大的子集即刻被碎片化并從網(wǎng)絡(luò)上剝離，網(wǎng)絡(luò)結(jié)構(gòu)破壞嚴(yán)重；通過圖7可以發(fā)現(xiàn)，當(dāng)10%左右的節(jié)點(diǎn)遭到攻擊后，網(wǎng)絡(luò)發(fā)生了崩潰。

本文研究的以太網(wǎng)交易網(wǎng)絡(luò)中，我們可以理解為重要度排名前10%的節(jié)點(diǎn)對(duì)于整個(gè)網(wǎng)絡(luò)的結(jié)構(gòu)和穩(wěn)定性都有著極為重要的意義，并且整個(gè)以太坊交易對(duì)于這類節(jié)點(diǎn)（重要度排名前10%的節(jié)點(diǎn)）的移除表現(xiàn)最敏感。

（2）動(dòng)態(tài)攻擊效果。在動(dòng)態(tài)攻擊模式中，每移除一個(gè)節(jié)點(diǎn)或一定比例的節(jié)點(diǎn)，節(jié)點(diǎn)的各個(gè)重要度指標(biāo)需要更新一次[22]。最大連通片相對(duì)規(guī)模和剩余連通片平均規(guī)模情況如圖8和圖9所示。

觀察圖8可以發(fā)現(xiàn)，在最大連通片相對(duì)規(guī)模實(shí)驗(yàn)中，刪除前約5%的節(jié)點(diǎn)后， G 值即達(dá)到最低值0，此外度排序、K-shell、H-index和PageRank算法對(duì)實(shí)驗(yàn)的結(jié)果影響沒有特別大的差異，這表明以太坊交易網(wǎng)絡(luò)中節(jié)點(diǎn)的重要性很容易通過這4 種算法識(shí)別且效果較好、誤差不大。在剩余連通片平均規(guī)模實(shí)驗(yàn)中，PageRank算法獲得的μ 值波動(dòng)最小，可見使用其算法識(shí)別的重要節(jié)點(diǎn)對(duì)于動(dòng)態(tài)攻擊的反應(yīng)較小。

此外，靜態(tài)攻擊和動(dòng)態(tài)攻擊實(shí)驗(yàn)中對(duì)比兩種攻擊模式下的網(wǎng)絡(luò)瓦解效果，發(fā)現(xiàn)動(dòng)態(tài)攻擊明顯優(yōu)于靜態(tài)攻擊。

5結(jié)論（Conclusion）

區(qū)塊鏈由于其去中心化的結(jié)構(gòu)特征可以有效地減少網(wǎng)絡(luò)攻擊帶來的危害，但是無法避免運(yùn)行區(qū)塊鏈時(shí)使用到的外部設(shè)備遭到惡意攻擊。為了驗(yàn)證區(qū)塊鏈交易中重要的節(jié)點(diǎn)對(duì)于整個(gè)網(wǎng)絡(luò)具有重要的意義這一假設(shè)，本文以以太坊交易為例，創(chuàng)建復(fù)雜網(wǎng)絡(luò)，通過度、K-shell、H-index和PageRank算法識(shí)別以太坊網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)，并通過攻擊網(wǎng)絡(luò)實(shí)驗(yàn)分析得出結(jié)論：①以太坊網(wǎng)絡(luò)是一個(gè)典型的無標(biāo)度網(wǎng)絡(luò)；②以太坊網(wǎng)絡(luò)表現(xiàn)出對(duì)網(wǎng)絡(luò)攻擊的脆弱性，破壞相同數(shù)量的節(jié)點(diǎn)時(shí)，動(dòng)態(tài)攻擊效果優(yōu)于靜態(tài)攻擊；③在以太坊網(wǎng)絡(luò)中往往有少量（約10%）的節(jié)點(diǎn)在整個(gè)網(wǎng)絡(luò)中占據(jù)了十分重要的地位，當(dāng)這些節(jié)點(diǎn)被破壞，就會(huì)導(dǎo)致整個(gè)網(wǎng)絡(luò)崩潰，因此需要強(qiáng)調(diào)這些節(jié)點(diǎn)外部設(shè)備的安全性建設(shè)。

近年來，越來越多的研究人員將目光從區(qū)塊鏈原理轉(zhuǎn)移到區(qū)塊鏈的安全性研究中，本文提出將區(qū)塊鏈結(jié)合復(fù)雜網(wǎng)絡(luò)方法識(shí)別關(guān)鍵節(jié)點(diǎn)，此類節(jié)點(diǎn)對(duì)于整個(gè)網(wǎng)絡(luò)的魯棒性和結(jié)構(gòu)穩(wěn)定性具有重要作用，并呼吁研究人員加強(qiáng)對(duì)此類節(jié)點(diǎn)外部設(shè)備的安全建設(shè)，其具體實(shí)施的方法、流程將是相關(guān)人員下一步研究的方向。

作者簡(jiǎn)介：

朱小棟（1981-），男，博士，副教授.研究領(lǐng)域：深度學(xué)習(xí)，網(wǎng)絡(luò)空間安全，電子商務(wù).

劉欣（2000-），男，碩士生.研究領(lǐng)域：跨境電子商務(wù)，復(fù)雜網(wǎng)絡(luò).