TLD-SCA：一种用于抵御区块链支付渠道中侧信道攻击的Transformer-LSTM检测模型

《ACM Transactions on the Web》：TLD-SCA: A Transformer-LSTM Detection Model against Side-Channel Attack in Blockchain Payment Channel

区块链支付渠道的侧信道攻击检测方法研究。提出TLD-SCA模型融合Transformer长程依赖建模与LSTM短时动态捕捉能力，实现复杂交易时间序列的长短期特征统一分析，实验表明其准确率99.5%、精确率99.2%、召回率98.3%显著优于现有方法。

　　

摘要

侧信道攻击利用数字签名生成过程中的时间信息泄露，对区块链支付渠道中交易的保密性和完整性构成了严重威胁。目前，基于Transformer的检测方法在捕捉长期依赖关系方面表现有效，而长短期记忆（LSTM）网络在建模短期动态时间序列特征方面具有优势。然而，现有方法难以同时均匀地建模长期和短期时间序列特征，这限制了它们在复杂交易序列异常检测中的性能。在本文中，我们提出了TLD-SCA这一新颖的侧信道攻击检测模型，该模型创新性地结合了Transformer在全局依赖关系建模方面的能力与LSTM在捕捉局部时间序列动态方面的优势。这使得能够对交易时序数据进行长期和短期的时间序列分析。实验结果表明，TLD-SCA在准确性（99.5%）、精确度（99.2%）和召回率（98.3%）方面显著优于现有方法，从而为区块链支付渠道提供了更高级别的安全保障。