[論文レビュー] Trade or Trick? Detecting and Characterizing Scam Tokens on Uniswap Decentralized Exchange

Pengcheng Xia, Haoyu Wang+7 more|arXiv (Cornell University)|Sep 1, 2021

Blockchain Technology Applications and Security参考文献 39被引用数 17

ひとこと要約

本稿では、無罪帰属のヒューリスティクスと機械学習を組み合わせたハイブリッド検出フレームワークを提案し、Uniswap V2におけるスキャムトークンを特定する。これにより、10,000以上のスキャムトークンが特定され、リストアップされたトークンの約50％を占め、意図的なラグプル工作や共謀ネットワークが関与していることが判明。少なくとも1600万ドルの損失が39,762人の被害者に及んだ。

ABSTRACT

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.

研究の動機と目的

• Uniswapのような、リストアップ要件のない主要な分散型取引所において、スキャムトークンを体系的に検出・特徴づけること。
• DeFiエコシステムにおけるスキャムトークンの広がり、メカニズム、および財務的影響を理解すること。
• 大規模な損失が発生する前段階でスキャムトークンを早期に特定できる、スケーラブルで高精度な検出手法を開発すること。
• 共謀アドレスや悪意あるスマートコントラクトパターンが、ラグプルスキャムを助長する役割を果たすことを特定すること。
• 提案された検出技術を活用したDeFiにおけるレピュテーションシステムの導入を提言し、将来のスキャムリスクを軽減すること。

提案手法

• 著者らは、取引の様子をマップし、異常なパターンを特定するために、すべてのUniswap V2取引データを収集・分析した。
• 既知のスキャムアドレスやプールに関連するトークンを「高リスク」としてマークする、無罪帰属のヒューリスティクスを適用した。
• 行動的およびブロックチェーン上の特徴を用いて、手作業でラベル付けされたスキャムおよび正当なトークンのベンチマークデータセットを用いて、機械学習モデルをトレーニングした。
• ヒューリスティクスによる拡張とMLによる検証を組み合わせた検出パイプラインにより、正確性を向上させ、誤検出を低減した。
• 特徴には、トークン作成のパターン、流動性プールの行動、取引頻度、バックドアや転送制限などのスマートコントラクトの異常が含まれる。
• 妥当性を確認するため、手作業による分析と、既知のスキャム事例との照合を実施した。

実験結果

リサーチクエスチョン

• RQ1 Uniswap V2はリストアップ要件がないが、そのオープンなリストアップポリシーを踏まえ、スキャムトークンの真の規模と広がりはどの程度か？
• RQ2 スキャムトークンは技術的にどのように動作するのか？スマートコントラクトおよび流動性プールにおける共通のパターンは何か？
• RQ3 フェイクアドレスや流動性操作を伴う共謀ネットワークを通じて、スキャムトークンはどの程度組織的に連携しているのか？
• RQ4 被害者に及んだ財務的損失はどの程度で、早期検出はその影響をどのように軽減できるのか？
• RQ5 ヒューリスティクスと機械学習のハイブリッドアプローチは、広範な被害を引き起こす前にスキャムトークンを効果的に検出できるのか？

主な発見

• Uniswap V2では、10,000以上のスキャムトークンおよび関連する流動性プールが特定され、リストアップされた全トークンの約50％を占めた。
• すべてのスキャムトークンおよびプールは、ラグプル攻撃を目的としたものであり、多くの場合、バックドアや転送制限などの悪意あるコードを内蔵していた。
• 数千の共謀アドレスがスキャムキャンペーンに積極的に関与しており、マネーロンダリングやエグジットスキャムを支援していた。
• スキャムエコシステムは、39,762人の被害者から少なくとも1,600万ドルの利益を上げており、非常に組織的かつ利益を上げやすい運営形態であることが示された。
• 提案された検出手法は、スキャムトークンを早期段階で効果的に特定でき、高い正確性と実用性を示した。
• 本研究では、スキャムの広がりの根本的原因が、分散型プラットフォームにおける規制および監視の欠如にあることが明らかになった。これは、他のDEXやDeFiプロジェクトに対しても同様のリスクが存在することを示唆している。