Enhancing Smart Contract Security: Front-running Flash Loan DeFi Attacks and Safeguarding Smart Contracts against Oracle Deviations
Notice bibliographique
Résumé
This thesis introduces two novel frameworks to defend against malicious attacks in real-time andsecure interactions between smart contracts and oracles in a blockchain system. This thesis proposes FrontDef, a security system to detect malicious transactions and perform front-running to mitigate financial loss. FrontDef monitors each transaction in the pending transaction pool, detecting po- tential attacks. For suspicious transactions, it analyzes the bytecode of the target contract and assembles mimic transactions to replicate attack strategies. Using these assembled transactions, FrontDef preemptively front-runs suspicious attack transactions, preventing financial losses. Empir- ical results demonstrate that FrontDef successfully detects and assembles mimic transactions for all 24 benchmark cases, including 21 historical attacks that occurred on Ethereum and Binance Smart Chain (BSC). We also confirm that FrontDef introduces negligible overhead and does not affect the throughput of Ethereum and BSC clients. In addition, this thesis presents OVer, a framework designed to automatically analyze the behav- ior of decentralized finance (DeFi) protocols encoded in smart contracts when exposed to “skewed” oracle inputs. OVer begins by performing symbolic analysis and constructing a constraints model based on the contract source code. Leveraging an SMT solver, it identifies parameters that ensure secure operation. Additionally, OVer generates guard statements for smart contracts utilizing or- acle values, effectively preventing oracle manipulation attacks. Empirical results show OVer can analyze all ten diverse benchmarks successfully. Current control parameters in most benchmarks prove inadequate when faced with significant oracle deviations. Existing ad-hoc mechanisms, such as introducing delays, often fall short in real-world DeFi protection. In addition, We examine the security attributes of different pricing algorithms and simulate the impact of applying smoothing filters. Drawing insights from the outcomes, we delve into the design considerations for central bank digital currency (CBDC) oracle systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».