This responsity is built for classifying the smart contract in Ethereum by analysing transaction behaviors. The whole classification work is designed for a competition. All the transaction data are collected from a PostgreSQL database server.

通过分析链上交易行为来鉴别Ethereum中的庞氏智能合约。这个项目仅是比赛项目的一部分工作。 所有的交易数据来自某高校课题组提供的PostgreSQL数据库服务器。

由于机器学习提取合约的行为特征需要大量的交易数据，我们依托于高校实验室的PostgreSQL数据库服务器，编写了从合约地址提取交易数据并生成行为特征数据的自动化脚本。脚本的全部代码上传到GitHub开源代码平台中，可以通过浏览器访问https://github.com/resdust/SolPonzi_transaction。脚本设计流程如下图所示

首先利用已公开的庞氏合约数据集和相同数量随机选取的Dapp合约地址作为训练集，使用本工程生成带标签的特征文件后输入到WEKA机器学习集成工具中。选用随机森林算法训练模型，得到分类模型。

后续使用相同的步骤生成测试集的未标签特征文件，输入到WEKA中，使用已训练好的分类模型输出判断结果。

目前只适用于特定的以太坊数据库服务器。

自动化脚本使用python3编写，可以在PostgreSQL数据库服务器上通过一行命令直接运行，输入数据为csv格式的合约地址集，输出数据为csv格式的特征数据集。脚本运行过程中记录服务器查询命令的日志文件，方便追踪错误，同时适当输出运行中产生的阶段日志。生成71个随机合约的行为特征的整体运行效果如下图所示：

运行命令：

pip install scipy,sklearn,matplotlib
python code/main.py

要得到以上特征，需要合约标签（ponzi）、向合约转账的金额列表(val_in)、合约分红的金额列表(val_out)、合约生存周期(lifetime=max(time_in+time_out)-min(timein+time_out))。

• 庞氏合约地址 add_ponzi.csv

• 正常合约：从公开代码的正常合约中随机抽取600个有转账交易的合约地址。

ethereum=# \o add_nponzi_code.out
ethereum=# select address from code where address in ( select from_address from internal_transaction order by random() limit 1000) limit 600;

​ python写入add_nponzi_code.csv

with open('add_nponzi_code.out') as f:
	addr = f.readlines()
	addr = addr[2:-2]
    
for i in range(len(addr)):
    addr[i] = addr[i].strip()+'\n'
    
with open('add_nponzi_code.csv','w') as f:
    f.writelines(addr)

In table external_transaction，找到to_address为合约地址的交易，得到所有向合约转账的交易记录。表中列名如下例所示：

query_in = [
    'select block_hash,value from external_transaction where to_address=\'',
    '\' and value!=\'0\';'
]
with open('add_nponzi_code.csv') as f:
	addr = f.readlines()

with open('nponzi_in.sql','w') as f:
    for a in addr:
            f.write(query_in[0]+a.strip()+query_in[1])

time_in

p=connectSQL()
hashes = in_hash
for data in hashes:
    # data = data[0][1:]
    sentence = 'select timestamp from block where hash=\''+data+'\';\r'
    p.sendline(sentence)
    p.expect('#')
    p.expect('#')

in table internal_transaction、

query_out = [
    'select timestamp, value from internal_transaction where from_address=\'\\',
    '\' and value!=\'0\';\r'
]
with open('nponzi_out.sql','w') as f:
    for a in addr:
        f.write(query_out[0]+a.strip()+query_out[1])

使用time_in和time_out序列来判断，距离最远的两个时刻间隔即为lifetime

由于external表中没有lifetime字段，查找block_hash获得交易时间

                 Table "public.block"
   Column   |            Type             | Modifiers 
------------+-----------------------------+-----------
 hash       | bytea                       | 
 number     | integer                     | not null
 timestamp  | timestamp(0) with time zone | 

使用J48决策树和随机森林算法，十折交叉验证，ponzi 156个，nponzi 135个，正确率大约在80%.下面两张图是目前的测试结果，机器学习的结果是紫色的BehaviorChecker。

可以发现，单独使用SymChecker进行程序分析或者使用BehaviorChecker进行行为分析，难以达到较高的精确度，而使用系统的综合检测方法大大提升了检测器各方面的性能，尤其是将精确度提升到了94%以上。这说明我们的系统检测方法优于普通的单方面检测并且误报率很低，可以极大地降低人工检查的成本，从而达到大规模检测的标准。