[論文レビュー] A Deep Dive into NFT Rug Pulls

Jintao Huang, Ningyu He+3 more|arXiv (Cornell University)|May 10, 2023

Software Engineering Research被引用数 4

ひとこと要約

本論文は、NFTのrug pullに関する最初の包括的かつ体系的な研究を提示する。ルールベースの検出システムにより、7,487件の確認済みrug pullプロジェクトを同定し、既存のデータセット比30倍の規模を達成した。加えて、予測モデルにより、96時間以上前から90％のスキャンダルを事前に警告することができ、NFTエコシステムにおける金融的損失の早期緩和が可能になった。

ABSTRACT

NFT rug pull is one of the most prominent type of scam that the developers of a project abandon it and then run away with investors' funds. Although they have drawn attention from our community, to the best of our knowledge, the NFT rug pulls have not been systematically explored. To fill the void, this paper presents the first in-depth study of NFT rug pulls. Specifically, we first compile a list of 253 known NFT rug pulls as our initial ground truth, based on which we perform a pilot study, highlighting the key symptoms of NFT rug pulls. Then, we enforce a strict rule-based method to flag more rug pulled NFT projects in the wild, and have labelled 7,487 NFT rug pulls as our extended ground truth. Atop it, we have investigated the art of NFT rug pulls, with kinds of tricks including explicit ones that are embedded with backdoors, and implicit ones that manipulate the market. To release the expansion of the scam, we further design a prediction model to proactively identify the potential rug pull projects in an early stage ahead of the scam happens. We have implemented a prototype system deployed in the real-world setting for over 5 months. Our system has raised alarms for 7,821 NFT projects, by the time of this writing, which can work as a whistle blower that pinpoints rug pull scams timely, thus mitigating the impacts.

研究の動機と目的

• NFTエコシステムにおける深刻なスキャンダルであるrug pullを体系的かつ包括的に調査すること。
• ブロックチェーンおよび非ブロックチェーンデータを用いたルールベース検出法により、信頼性の高い大規模データセットを構築することで、rug pullの真の発生頻度を測定すること。
• 基本的なポンプアンドダンプ手法を超えた、バックドアの悪用や市場操作を含む、洗練されたスキャンダル手法を解明すること。
• 資金が盗難される前に対象プロジェクトを事前に特定するリアルタイム予測モデルを開発し、早期干渉を可能にすること。
• 2022年11月以降、Ethereum上で稼働を開始したプロトタイプ警告システムを実稼働に投入し、7,821件のNFTプロジェクトに対して警告を発出。高い確認率を達成した。

提案手法

• パイロット症状分析のため、コミュニティが提供したデータを活用して、253件の既知のNFT rug pullを初期の真実データ（ground truth）として構築した。
• 14の主要な症状（例：急激なトークン移転、異常なミントパターン）を用いた厳密なルールベース検出器を設計し、173,000件のEthereum NFTプロジェクトにまたがる7,487件の追加rug pullプロジェクトを特定した。
• スマートコントラクトおよび取引データを対象にカスタムアナライザーを用いて、明示的バックドアの悪用や暗黙的市場操作を含む8種類の異なるスキャンダル手口を分類・分析した。
• 取引頻度、ウォレット行動、SNS活動など、73のブロックチェーン上および非ブロックチェーン上の特徴量を用いて、初期の警告サインを検出する機械学習予測モデルを構築した。
• 2022年11月以降、Ethereum上でリアルタイムのプロトタイプシステムを稼働させ、継続的に不審なプロジェクトを監視し、警告を発出している。
• 7,821件のプロジェクトについて、外部の証拠と照合し、事後確認を実施した結果、拡張された真実データを上回る信頼性を確認した。

Figure 1: The activity of AniMoon on OpenSea.

実験結果

リサーチクエスチョン

• RQ1 NFTのrug pullを特徴付ける主なブロックチェーン上および非ブロックチェーン上の症状は何か？
• RQ2 Ethereum NFTエコシステムにおけるNFTのrug pullの発生頻度はどの程度で、そのスケールはいかほどか？
• RQ3 ポンプアンドダンプ手法を超えた、rug pullの実行者が用いる洗練された手口は何か？
• RQ4 初期段階のシグナルを用いて、rug pullイベントが発生する前に対象を予測することは可能か？
• RQ5 リアルタイム警告システムは、実際のNFTのrug pullを特定・緩和するうえでどの程度効果的か？

主な発見

• ルールベース手法を用いて7,487件のNFT rug pullプロジェクトを同定した。これは、既存のコミュニティがメンテナンスするデータセット比30倍の規模である。
• 同定された7,487件のrug pullプロジェクトの84％が、基本的なポンプアンドダンプ行動を超えた、隠しバックドアや市場操作を含む洗練された手口を用いていた。
• 予測モデルは、rug pull発生の少なくとも96時間前までに90％のNFTスキャンダルを事前に警告した。これは、強力な早期検出能力を示している。
• 実稼働で導入されたプロトタイプシステムは、7,821件のNFTプロジェクトに対して警告を発出しており、その後の証拠により多数がスキャンダルとして確認された。
• 本研究では、84％のrug pullが意図的な技術的または市場操作を伴っており、計画的かつ洗練された性質であることが判明した。
• 7,487件の確認済みrug pullを含む本データセットは、今後のNFTスキャンダルおよびセキュリティ分野の研究における、最大の公開ベンチマークである。

Figure 2: The whole process of AniMoon rug pull.