Detección de tokens fraudulentos y rug pulls en Uniswap

Resumen

El estudio analiza tokens fraudulentos en Uniswap V2 mediante datos de transacciones para caracterizar la actividad de trading e identificar posibles estafas. Su método de detección combina una heurística de culpabilidad por asociación con técnicas de aprendizaje automático para señalar tokens, pools y direcciones vinculadas que podrían participar en rug pulls. También señala que algunos contratos fraudulentos incluyen mecanismos diseñados para engañar o restringir a los usuarios.

Los autores identifican más de diez mil tokens presuntamente fraudulentos y estiman que alrededor de la mitad de los tokens listados en su conjunto de datos eran estafas. También señalan direcciones que colaboran, posibles víctimas y beneficios estimados de las estafas. Estos resultados describen la actividad de Uniswap V2 analizada en el estudio y su método de clasificación; no son estimaciones universales para todos los exchanges descentralizados ni para periodos posteriores. El documento presenta la detección temprana como un posible uso del método, pero aquí no ofrece detalles sobre la evaluación del modelo ni las tasas de falsos positivos.

Ideas clave

• El estudio analiza datos de transacciones de Uniswap V2 para caracterizar tokens y pools presuntamente fraudulentos.
• Su método de detección combina una heurística de culpabilidad por asociación con aprendizaje automático.
• Los autores señalan que muchas estafas identificadas utilizan rug pulls y que algunos contratos incluyen mecanismos engañosos.
• El análisis describe direcciones que colaboran y estima víctimas e ingresos dentro de su conjunto de datos.
• La prevalencia y los beneficios señalados dependen de los datos y del método de clasificación del estudio.

Etiquetas

# Trade or Trick? Detecting and Characterizing Scam Tokens on Uniswap Decentralized Exchange


# Trade or Trick? Detecting and Characterizing Scam Tokens on Uniswap Decentralized Exchange









The prosperity of the cryptocurrency ecosystem drives the need for digital asset trading platforms. Beyond centralized exchanges (CEXs), decentralized exchanges (DEXs) are introduced to allow users to trade cryptocurrency without transferring the custody of their digital assets to the middlemen, thus eliminating the security and privacy issues of traditional CEX. Uniswap, as the most prominent cryptocurrency DEX, is continuing to attract scammers, with fraudulent cryptocurrencies flooding in the ecosystem. In this paper, we take the first step to detect and characterize scam tokens on Uniswap. We first collect all the transactions related to Uniswap V2 exchange and investigate the landscape of cryptocurrency trading on Uniswap from different perspectives. Then, we propose an accurate approach for flagging scam tokens on Uniswap based on a guilt-by-association heuristic and a machine-learning powered technique. We have identified over 10K scam tokens listed on Uniswap, which suggests that roughly 50% of the tokens listed on Uniswap are scam tokens. All the scam tokens and liquidity pools are created specialized for the "rug pull" scams, and some scam tokens have embedded tricks and backdoors in the smart contracts. We further observe that thousands of collusion addresses help carry out the scams in league with the scam token/pool creators. The scammers have gained a profit of at least \$16 million from 39,762 potential victims. Our observations in this paper suggest the urgency to identify and stop scams in the decentralized finance ecosystem, and our approach can act as a whistleblower that identifies scam tokens at their early stages.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.