Detecção de tokens fraudulentos e rug pulls na Uniswap
Resumo
O estudo examina tokens fraudulentos na Uniswap V2 usando dados de transações para caracterizar a atividade de trading e identificar possíveis golpes. A abordagem de detecção combina uma heurística de culpa por associação com técnicas de aprendizado de máquina, com o objetivo de sinalizar tokens, pools e endereços relacionados que possam estar envolvidos em rug pulls. O estudo também relata que alguns contratos fraudulentos contêm mecanismos criados para enganar ou restringir usuários.
Os autores identificam mais de dez mil tokens suspeitos de fraude e estimam que cerca de metade dos tokens listados no conjunto de dados eram fraudulentos. Também relatam endereços em conluio, possíveis vítimas e lucros estimados dos golpes. Esses resultados descrevem a atividade analisada na Uniswap V2 e o método de classificação do estudo; não são estimativas universais para todas as exchanges descentralizadas ou períodos posteriores. O documento apresenta a detecção precoce como um possível uso da abordagem, mas não fornece detalhes sobre a avaliação do modelo nem sobre taxas de falsos positivos.
Ideias principais
- O estudo analisa dados de transações da Uniswap V2 para caracterizar tokens e pools suspeitos de fraude.
- O método de detecção combina uma heurística de culpa por associação com aprendizado de máquina.
- Os autores relatam que muitos golpes identificados envolvem rug pulls e que alguns contratos contêm mecanismos enganosos.
- A análise descreve endereços em conluio e estima vítimas e valores obtidos dentro do conjunto de dados.
- A prevalência e os lucros relatados dependem dos dados e do método de classificação do estudo.
Tags
Texto completo
# 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.
Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0
Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.