区块链作为一种崭新的、颠覆性的技术,是国内外活跃的研究领域和毕业设计选题方向。本文列出最新的一组区块链方面的论文,希望可以对选择区块链毕业设计的同学们有所帮助这是汇智网编辑整理的区块链毕业设计论文系列中的第35篇。
区块链开发教程链接:以太坊 | 比特币 | EOS | Tendermint | Hyperledger Fabric | Omni/USDT | Ripple | Tron
本文整理了最新的可用于区块链毕业设计的参考论文,如果需要访问区块链毕业设计必读论文系列的最新文章,可以持续关注我们的博客,或加入QQ群:532241998。
在多种公链上,例如比特币,以太坊等,已经标记出了不同类型的恶意活动。尽管某些恶意活动利用了区块链基础设施中的漏洞,但一些恶意活动却通过社会工程技术瞄准了其用户。为了解决这些问题,我们旨在自动标记这种恶意利用的区块链帐户。
为此,我们确定了一种鲁棒的监督式机器学习(ML)算法,该算法可抵抗由可用数据集中某些恶意活动的过度表示所引起的任何偏见,并且能够抵抗对抗性攻击。我们发现到目前为止报告的大多数恶意活动,例如在以太坊区块链生态系统中,在统计上都相似。进一步,先前用于识别恶意帐户的机器学习算法显示出对特定恶意活动的偏见,而该恶意活动被过度代表。在续篇中,我们确定了面对此类偏见诱导数据集的同时,神经网络(NN)在抵御某些对抗性攻击时有最佳的表现。
论文PDF下载:Detecting Malicious Accounts showing Adversarial Behavior in Permissionless Blockchains
去中心化金融(DeFi)是一种正在蓬勃发展、由区块链驱动的点对点金融系统。一年前,在DeFi系统中锁定的总价值约为6亿美元,而到2021年1月的价值约为250亿美元。DeFi生态系统的疯狂发展使新用户很难理解其基本特征。
在本论文中,作者沿DeFi生态系统的主轴进行了描述。首先,我们提供DeFi原语的概述。其次,我们根据DeFi协议提供的操作类型对其进行分类。然后,我们继续详细考虑DeFi协议的技术和经济安全性,特别注意在DeFi设置中特别出现的问题。最后,我们概述了生态系统中的研究挑战。
论文PDF下载:SoK: Decentralized Finance (DeFi)
近年来,以太坊获得了极大的普及,从2016年1月的平均每日交易1万增加到2020年1月的平均50万。同样,智能合约也开始发挥更大的价值,使它们成为攻击者的诱人目标,并开始成为攻击的受害者,
损失了数百万美元。为了应对这些攻击,学术界和工业界都提出了许多工具来扫描智能合约中的漏洞,然后再将其部署到区块链上。但是,大多数这些工具仅专注于检测漏洞而不是攻击,更不用说量化或跟踪被盗资产的数量了。
在本文中,我们介绍荷鲁斯(Horus: 法老守护神),一个可基于逻辑和图驱动的交易分析来自动检测
和调查智能合约攻击的框架。Horus提供了一种快速的方法来量化和追踪以太坊区块链中被盗资产的流量。我们对直到2020年5月部署在以太坊上的所有智能合约进行大规模分析,发现了1,888个受攻击的智能合约和8,095个敌对交易。我们的调查表明,在过去几年中,攻击次数并不一定减少,但是对于某些漏洞而言,攻击次数一直保持不变。最后,我们还通过对最近的Uniswap和Uniswap进行深入分析,证明了我们框架的
实用性。
论文PDF下载:The Eye of Horus: Spotting and Analyzing Attacks on Ethereum Smart Contracts
在大多数网站中,在线评级系统向用户提供产品和服务的评级。对数据完整性及其操作缺乏信任阻碍了用户满意度的提高。由于现有的在线评分系统利用中心化模式运作,所有评分数据都存储在中央服务器上。因此,系统管理员可以删除、修改和操纵所有评分数据,以更改评分,从而有利于服务或产品提供商。
本文提出了一种使用分布式帐本技术的在线评分系统,以解决现有系统的所有缺点。分布式账本技术是完全分布式的,任何机构都没有对其进行集中化。分布式帐本技术具有不同的变体,区块链技术因其对智能合约的支持而被用于提议的评级系统中。
本文提出的在线评分系统基于以太坊平台开发。在此系统中,除非评估者向系统提交请求并被授权参加在线产品评估过程,否则他们无法进行评估。以太坊平台的重要功能是其对智能合约的支持,可以使用Solidity语言编写评级合约。同样,使用权限证明共识机制,所有评估交易均由评估师批准。
由于在真实的以太坊系统中,每次评估交易均由评估者发送到网络,因此必须为每次评估交易支付一定的费用。然而,由于此方法昂贵,因此可以在评估系统中使用TestNet区块链。最后,我们使用提出的评级系统对网站的餐馆进行评级,并测试了其功能。
论文PDF下载:Online rating system development using blockchain-based distributed ledger technology
以太坊智能合约是在以太坊区块链上运行的程序,在过去十年中已经发现了许多智能合约漏洞,也已经创建了许多安全分析工具来检测此类漏洞,但是当要分析的代码被重写时,这些检测器的性能将急剧下降。
在本文中,我们提出了Eth2Vec,这是一种用于漏洞检测的基于机器学习的静态分析工具,具有针对智能合约中的代码重写的鲁棒性。现有的用于漏洞检测的基于机器学习的静态分析工具需要由分析人员手动创建的功能作为输入。相比之下,Eth2Vec通过神经网络通过语言处理自动学习具有隐性知识的易受攻击的以太坊虚拟机(EVM)字节码的功能。因此,通过比较目标EVM字节码与其已学习的EVM字节码之间的代码相似性,Eth2Vec可以检测智能合约中的漏洞。
我们对现有的开放数据库(例如Etherscan)进行了实验,结果表明Eth2Vec在众所周知的指标(例如精度,召回率和F1得分)方面优于现有工作。此外,Eth2Vec甚至可以在重写代码中检测到漏洞。
论文PDF下载:Eth2Vec: Learning Contract-Wide Code Representations for Vulnerability Detection on Ethereum Smart Contracts
汇智网区块链论文集链接:
一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 九 | 十 | 十一 | 十二 | 十三 | 十四 | 十五 | 十六 | 十七 | 十八 | 十九 | 二十 | 二十一 | 二十二 | 二十三 | 二十四 | 二十五 | 二十六 | 二十七 | 二十八 | 二十九 | 三十 | 三十一 | 三十二 | 三十三 | 三十四
原文链接:区块链毕业设计必读论文35 — 汇智网