Περίληψη : | Η παρούσα διπλωματική εργασία αποτελείται από βιβλιογραφική έρευνα του οικοσυστήματος των blockchain και συγκεκριμένα του κρυπτονομίσματος Ethereum, εξαγωγή των δεδομένων συναλλαγών του Ethereum - συναλλαγές, "ίχνη" (traces) και τα "έξυπνα συμβόλαια" (smart contracts) για την περίοδο από 30 Ιουλίου 2015 μέχρι και τις 22 Νοεμβρίου 2019 (από το πρώτο block μέχρι και το block 8983277). Στη συνέχεια, στην εργασία αναπαράγεται η ανάλυση των Kiffer, L., et al. (2018) που έκαναν για τα πρώτα 5 εκατομμύρια blocks, εκτεταμένη στα blocks της παραπάνω χρονικής περιόδου. Αυτό το μέρος της ανάλυσης περιλαμβάνει περιγραφική ανάλυση των δεδομένων του Ethereum που δίνει μια γενική οπτική στα δεδομένα, εμβαθύνοντας στη δομή και τα πρότυπα χρήσης των "έξυπνων συμβολαίων". Μετέπειτα, τα "έξυπνα συμβόλαια" κατηγοριοποιούνται ανάλογα με τον δημιουργό τους - ανάλογα αν είναι χρήστης, ή ένα άλλο "έξυπνο συμβόλαιο", ή ένα "έξυπνο συμβόλαιο" που είχε δημιουργηθεί από "έξυπνο συμβόλαιο" κοκ. Τέλος, εξετάζεται η ομοιότητα του κώδικα των "έξυπνων συμβολαίων" και εκτελείται ένας αλγόριθμος ομαδοποίησης ώστε να κατηγοριοποιηθούν τα "έξυπνα συμβόλαια" με παρόμοιο κώδικα. The current thesis initially consists of a bibliographic research of the blockchain ecosystem and the Ethereum blockchain currency and then the extraction of the blockchain data - transactions, traces and smart contracts for the time period of 30 of July 2015 and up to and including 22 of November 2019 (from the genesis block up to block 8983277). Subsequently, it replicates the study of Kiffer, L., et al. (2018) for the first 5 million blocks (up to 30 January 2018), extended to the blocks of the above time period. This part involves a descriptive analysis of the Ethereum dataset that gives a wide view of the data at hand and especially the structure and usage patterns of smart contracts. Then, a smart contract categorization is performed based on its creator – if it is a user account, or another smart contract, or a smart contract created by a contract-created smart contract, and so on. Finally, we examine the contract similarity according to the code included in each contract and a clustering algorithm is executed to group contracts with similar codes.
|
---|