基于復雜網(wǎng)絡的以太坊重要賬戶識別研究

朱小棟　劉欣

關鍵詞：區(qū)塊鏈；以太坊；復雜網(wǎng)絡；關鍵節(jié)點；網(wǎng)絡攻擊

中圖分類號：TP309.2 文獻標識碼：A

1引言（Introduction）

區(qū)塊鏈（Blockchain）是近年全球信息科技領域最受關注的技術，它具有去中心化的核心優(yōu)勢，可以有效解決中心化機構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)絡攻擊時產生的危害，但是攻擊者除了利用區(qū)塊鏈系統(tǒng)本身設計或實現(xiàn)方面存在的漏洞攻擊區(qū)塊鏈，還可以通過攻擊區(qū)塊鏈周邊的設施，例如交易所、數(shù)字錢包、礦場、礦池等獲得利益。區(qū)塊鏈技術本身的設計缺陷或其系統(tǒng)部署不當，并不是產生被攻擊風險的主要原因，而是由于區(qū)塊鏈應用開發(fā)、軟件工具及其實踐過程中缺乏必要的安全考慮或措施造成的。因此，找到關鍵的用戶即可對該用戶的外部工具等設施進行安全性建設，這對于整個區(qū)塊鏈的安全建設具有重要作用。本文的研究重點為識別關鍵的用戶（區(qū)塊或節(jié)點）設施[2]。

本文針對區(qū)塊鏈的安全問題進行研究，首次將復雜網(wǎng)絡理論引入?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網(wǎng)絡，其中節(jié)點是以太坊賬戶，即外部賬戶。在以太坊（Ethereum）場景中，一些加密貨幣轉移、智能合約的創(chuàng)建或合約的調用都可以稱為交易。區(qū)塊鏈中記錄的每筆交易都對應于在網(wǎng)絡中創(chuàng)建的新連接。復雜網(wǎng)絡提供了合適的建模，將區(qū)塊鏈表示為一個復雜的系統(tǒng)分析其本質，通過運算得出相關特征值，即度、度分布，并使用多種節(jié)點重要度評估方法，如PageRank算法、K-shell算法和H指數(shù)算法，將節(jié)點按照重要度進行排序。本文基于以上基本原理找出區(qū)塊鏈的重要節(jié)點，并對其安全建設提出建議。

2背景（Background）

區(qū)塊鏈是一種以區(qū)塊記錄交易的分布式賬本[3]。每個區(qū)塊都包含一組交易，交易可以記錄任何類型的事件，這是因為區(qū)塊鏈使用了P2P系統(tǒng)、加密技術、分布式共識方案等，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。以太坊通過轉換賬戶的余額并改變狀態(tài)進行交易。狀態(tài)表示所有賬戶的當前余額及其他數(shù)據(jù)，作為獨立數(shù)據(jù)進行編碼和維護。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，可以向其他賬戶進行付款（P2P支付）或者支付某種操作請求。

針對復雜網(wǎng)絡的研究是由網(wǎng)絡中“小世界”和“無標度”兩個特征興起而來的，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)的無標度性質；在復雜網(wǎng)絡中，挖掘發(fā)現(xiàn)網(wǎng)絡的重要節(jié)點是一個核心問題，目前包含多種中心性指標，如度中心性、介數(shù)中心性[7]、接近中心性[8]、網(wǎng)絡的核[9]、PAGE等[10]基于隨機游走排序算法提出PageRank指標等。復雜網(wǎng)絡理論對于實際網(wǎng)絡的應用也取得重要成果。張彥超等[11]利用復雜網(wǎng)絡理論構造了基于在線社交網(wǎng)絡的信息傳播模型，發(fā)現(xiàn)模型符合在線社交網(wǎng)絡特性，并且該網(wǎng)絡高度連通；BARRAT等[12]通過復雜網(wǎng)絡理論研究航空交通關系，發(fā)現(xiàn)機場的航線數(shù)和機場的運力呈超線性關系；段文奇等[13]利用復雜網(wǎng)絡研究全球貿易，發(fā)現(xiàn)國際貿易存在動態(tài)演化過程。

考慮到以太坊支付中具有P2P支付特征，結合加密貨幣交易網(wǎng)絡結構，符合構成一個復雜網(wǎng)絡的條件。本研究運用以太坊外部擁有賬戶的交易情況進行建模分析，旨在找到關鍵賬戶加強其自身安全性建設。利用復雜網(wǎng)絡的相關研究方法進行分析，可以掌握以太坊網(wǎng)絡結構、識別關鍵賬戶，并具有易操作、實驗結果明顯等優(yōu)勢。

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)直接存儲在以太坊區(qū)塊鏈中，每個區(qū)塊由區(qū)塊頭和區(qū)塊事務組成[14]。區(qū)塊頭包含一個區(qū)塊的基本信息，包括礦工地址、時間戳等；區(qū)塊事務構成區(qū)塊的主體，每一個事務由From，To，Value，Input（發(fā)起賬戶，目標賬戶，值，輸入）等組成。追蹤數(shù)據(jù)本質上是一種內部合同，即資金從一個賬戶轉移到另一個賬戶。

XBlock.pro是一個分享區(qū)塊鏈數(shù)據(jù)集的共享平臺，它收集了當前主流的區(qū)塊鏈加密貨幣的相關數(shù)據(jù)，并對數(shù)據(jù)進行清洗和歸類[15]。本文數(shù)據(jù)采集自XBlock.pro網(wǎng)站和文獻[16]，通過運行以太坊的全部節(jié)點獲得鏈上數(shù)據(jù)（From，To，Value），截至2019年3月10日，共收集5億多個節(jié)點和38億條交易數(shù)據(jù)，本研究采用了其中隨機選擇的107，452個未標記節(jié)點和374，641 條交易鏈接。

3.1.2交易網(wǎng)絡建模

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)絡建模差別很大。簡單來說，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)絡的節(jié)點，將用戶作為網(wǎng)絡的邊；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，資金轉移作為邊。

本文的研究對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)。在相關研究中，有三種以太坊交易數(shù)據(jù)網(wǎng)絡建模方式，分別是資金流網(wǎng)絡、智能合約創(chuàng)建網(wǎng)絡和智能合約調動網(wǎng)絡[15]。在資金流網(wǎng)絡中，外部賬戶和合約賬戶抽象為網(wǎng)絡的節(jié)點，邊表示資金流向；在智能合約創(chuàng)建網(wǎng)絡和智能合約調用網(wǎng)絡中，分別以外部賬戶和合約賬戶作為網(wǎng)絡節(jié)點，與資金流網(wǎng)絡不同的是，邊分別表示合約的創(chuàng)建和合約的調用。

本研究為以太坊賬戶的關鍵節(jié)點識別，符合資金流網(wǎng)絡特征，故提出采用構建資金流網(wǎng)絡作為本研究的區(qū)塊鏈系統(tǒng)建模方法。賬戶作為網(wǎng)絡中的節(jié)點v ，當賬戶（節(jié)點v_i?）與賬戶（v_?j）之間存在交易或者資金流動時，則兩者之間存在邊e_ij。

4實驗和結果（Experiments and results）

4.1數(shù)據(jù)處理

本文采用上述提到的真實以太坊交易數(shù)據(jù)進行實驗，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)預處理后得到該網(wǎng)絡中節(jié)點的總數(shù)為107，451個，邊的總數(shù)為123，740條。圖2是從網(wǎng)絡中隨機選出的1，000個節(jié)點的網(wǎng)絡拓撲圖。

圖2中，網(wǎng)絡中心處的節(jié)點較為密集，邊緣位置的節(jié)點較為稀疏。

（1）Degree。節(jié)點度的概率分布通過曲線實現(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。基于度的節(jié)點發(fā)布情況如表1所示。

度為1的節(jié)點有97，139 個，占比為90.403%；度為2和3的節(jié)點分別為3，289 個和1，089 個，占比共為4.074%。將所有節(jié)點按照度從大到小進行排序，前0.981%的節(jié)點度在23—10，366，其中10 個節(jié)點度在1，000以上。

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

（2）K-shell。Ks 指標可以用來刻畫節(jié)點的中心性，節(jié)點的核心數(shù)越高，表明節(jié)點的位置越靠近中心，核心數(shù)越低，表明節(jié)點的位置越靠近邊緣。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)點發(fā)布情況如表2所示。

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

在以太坊交易中，絕大部分節(jié)點都在網(wǎng)絡的邊緣，即其核心數(shù)為1；核心數(shù)在2—47的節(jié)點占比為7.921%，除了上邊緣節(jié)點外的多數(shù)節(jié)點處于此情況；核心數(shù)在48—86的節(jié)點占比為0.550%。核心數(shù)最大的這些節(jié)點處于網(wǎng)絡的中心，符合拓撲結構中的中心節(jié)點少、邊緣節(jié)點多的特點。

（3）H-index。H-index用來描述節(jié)點的影響力排行。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)點有98，563 個，占比為91.728%； H 值為2—3和4—9的節(jié)點數(shù)分別為6，256 個和3，798 個，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，即大致可以看作本網(wǎng)絡中該指標識別的重要節(jié)點，節(jié)點數(shù)為65 個，占比為0.061%。基于H 指數(shù)可知，在以太坊交易網(wǎng)絡中，少數(shù)的賬戶節(jié)點對其他節(jié)點造成的影響力巨大。

（4）PageRank。PR 指數(shù)代表節(jié)點在全局網(wǎng)絡中的影響力，其絕大部分節(jié)點的PR值不盡相同，由此本研究中按照數(shù)值的數(shù)量級進行劃分，基于PR值的節(jié)點發(fā)布情況如表4所示。

PR值在數(shù)量級為10-2的節(jié)點只有3個，而數(shù)量級為10-6的節(jié)點有101，246 個，占據(jù)所有節(jié)點的94.225%。基于PR 指數(shù)可知，極少量的賬戶會對以太坊交易網(wǎng)絡形成全局性的影響，而大量的節(jié)點的影響力很小。

綜上，對于以太坊交易網(wǎng)絡，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)量級為10-6的節(jié)點數(shù)量占整個網(wǎng)絡節(jié)點約90%。基于此，下一步實驗中選取10%左右的節(jié)點作為重要節(jié)點，重點關注刪除這些節(jié)點后對網(wǎng)絡分別進行靜態(tài)攻擊和動態(tài)攻擊的效果。

4.2網(wǎng)絡攻擊模擬

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

（1）靜態(tài)攻擊效果。在靜態(tài)攻擊模式中，節(jié)點重要度指標不隨著網(wǎng)絡結構變化而變化，并保持與原始網(wǎng)絡中各指標的值一樣[22]。在模擬蓄意攻擊網(wǎng)絡對網(wǎng)絡影響的實驗中，最大連通片相對規(guī)模和剩余連通片平均規(guī)模情況如圖6和圖7所示。

在本實驗的以太網(wǎng)交易網(wǎng)絡中，Degree和PageRank指標下的G 值（最大連通片相對規(guī)模）下降幅度較大，這表明度排序方法和PageRank算法導致網(wǎng)絡最大連通片相對規(guī)模變小的總體趨勢較為明顯，即這兩種識別節(jié)點重要性的方法更加適用于本研究的以太坊交易網(wǎng)絡。觀察圖7可以看見，剩余連通片平均規(guī)模會急劇增大，其中在H-index算法中表現(xiàn)得最為明顯，整個網(wǎng)絡遭到嚴重的破壞。

分析圖6可以發(fā)現(xiàn)，在蓄意攻擊時，以太坊交易網(wǎng)絡對于重要度高的節(jié)點的移除非常敏感。當少數(shù)（約10%）的中心節(jié)點被移除時，G 值立即減小，即一些較大的子集即刻被碎片化并從網(wǎng)絡上剝離，網(wǎng)絡結構破壞嚴重；通過圖7可以發(fā)現(xiàn)，當10%左右的節(jié)點遭到攻擊后，網(wǎng)絡發(fā)生了崩潰。

本文研究的以太網(wǎng)交易網(wǎng)絡中，我們可以理解為重要度排名前10%的節(jié)點對于整個網(wǎng)絡的結構和穩(wěn)定性都有著極為重要的意義，并且整個以太坊交易對于這類節(jié)點（重要度排名前10%的節(jié)點）的移除表現(xiàn)最敏感。

（2）動態(tài)攻擊效果。在動態(tài)攻擊模式中，每移除一個節(jié)點或一定比例的節(jié)點，節(jié)點的各個重要度指標需要更新一次[22]。最大連通片相對規(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)，在最大連通片相對規(guī)模實驗中，刪除前約5%的節(jié)點后， G 值即達到最低值0，此外度排序、K-shell、H-index和PageRank算法對實驗的結果影響沒有特別大的差異，這表明以太坊交易網(wǎng)絡中節(jié)點的重要性很容易通過這4 種算法識別且效果較好、誤差不大。在剩余連通片平均規(guī)模實驗中，PageRank算法獲得的μ 值波動最小，可見使用其算法識別的重要節(jié)點對于動態(tài)攻擊的反應較小。

此外，靜態(tài)攻擊和動態(tài)攻擊實驗中對比兩種攻擊模式下的網(wǎng)絡瓦解效果，發(fā)現(xiàn)動態(tài)攻擊明顯優(yōu)于靜態(tài)攻擊。

5結論（Conclusion）

區(qū)塊鏈由于其去中心化的結構特征可以有效地減少網(wǎng)絡攻擊帶來的危害，但是無法避免運行區(qū)塊鏈時使用到的外部設備遭到惡意攻擊。為了驗證區(qū)塊鏈交易中重要的節(jié)點對于整個網(wǎng)絡具有重要的意義這一假設，本文以以太坊交易為例，創(chuàng)建復雜網(wǎng)絡，通過度、K-shell、H-index和PageRank算法識別以太坊網(wǎng)絡中的關鍵節(jié)點，并通過攻擊網(wǎng)絡實驗分析得出結論：①以太坊網(wǎng)絡是一個典型的無標度網(wǎng)絡；②以太坊網(wǎng)絡表現(xiàn)出對網(wǎng)絡攻擊的脆弱性，破壞相同數(shù)量的節(jié)點時，動態(tài)攻擊效果優(yōu)于靜態(tài)攻擊；③在以太坊網(wǎng)絡中往往有少量（約10%）的節(jié)點在整個網(wǎng)絡中占據(jù)了十分重要的地位，當這些節(jié)點被破壞，就會導致整個網(wǎng)絡崩潰，因此需要強調這些節(jié)點外部設備的安全性建設。

近年來，越來越多的研究人員將目光從區(qū)塊鏈原理轉移到區(qū)塊鏈的安全性研究中，本文提出將區(qū)塊鏈結合復雜網(wǎng)絡方法識別關鍵節(jié)點，此類節(jié)點對于整個網(wǎng)絡的魯棒性和結構穩(wěn)定性具有重要作用，并呼吁研究人員加強對此類節(jié)點外部設備的安全建設，其具體實施的方法、流程將是相關人員下一步研究的方向。

作者簡介：

朱小棟（1981-），男，博士，副教授.研究領域：深度學習，網(wǎng)絡空間安全，電子商務.

劉欣（2000-），男，碩士生.研究領域：跨境電子商務，復雜網(wǎng)絡.