Extracting and identifying blockchain transactions in software-defined networks

Abstract

The adoption of Blockchain (BC) technology has rapidly grown, expanding its applica tions to different fields such as finance, cybersecurity, and the Internet of Things. Thus, identifying BC traffic in a network could enable the implementation of specific perfor mance and Quality-of-Service (QoS) requirements derived from the wide range of BC applications. This work aims to perform an in-depth analysis of Ethereum packets in an emulated private BC using a Lightweight SDN Testbed (LST), a testbed tool for network research that relies on Docker containers and Software-defined Networking (SDN). It also explores the possibilities of expanding the network topology in the present work for fu ture research on BCs. The results obtained from the analysis performed in the proposed scenario in this work demonstrate that identifying Ethereum transactions is a challenging task, given its encryption. However, the novel dataset generated in this work, containing both Ethereum and regular HTTP traffic, can be explored to perform automated traffic classification in real time and provide a base for future research on Ethereum packet iden tification using Machine Learning (ML) algorithms. Further, it is shown that, if given enough resources, the use of LST can be easily extended to different network topologies in BC emulation.

A adoção da tecnologia Blockchain (BC) tem crescido rapidamente, expandindo as suas aplicações a diferentes domínios, como as finanças, a cibersegurança e a Internet das Coisas. Assim, a identificação do tráfego de BC numa rede poderia permitir a implementação de requisitos específicos de desempenho e Qualidade de Serviço (QoS) derivados da vasta gama de aplicações de BC. Este trabalho tem como objetivo realizar uma análise aprofundada dos pacotes Ethereum em um BC privado emulado usando um Lightweight SDN Testbed (LST), uma ferramenta de testbed para pesquisa de rede que se baseia em contêineres Docker e Redes Definidas por Software (SDN). Também explora as possibilidades de expandir a topologia de rede no presente trabalho para futuras pesquisas sobre BCs. Os resultados obtidos a partir da análise realizada no cenário proposto neste tra balho demonstram que a identificação de transacções Ethereum é uma tarefa desafiante, dada a sua encriptação. No entanto, o novo conjunto de dados gerado neste trabalho, que contém tráfego HTTP regular e Ethereum, pode ser explorado para efetuar a classificação automática do tráfego em tempo real e fornecer uma base para investigação futura sobre a identificação de pacotes Ethereum utilizando algoritmos de Aprendizagem de Máquina (ML). Além disso, é demonstrado que, se forem dados recursos suficientes, a utilização do LST pode ser facilmente alargada a diferentes topologias de rede na emulação BC.