[논문 리뷰] A Deep Dive into NFT Rug Pulls

Jintao Huang, Ningyu He외 3명|arXiv (Cornell University)|2023. 05. 10.

Software Engineering Research인용 수 4

한 줄 요약

이 논문은 NFT 루그 풀에 대한 첫 번째 종합적 연구를 제시하며, 블록체인 및 오프체인 데이터 기반의 규칙 기반 탐지 시스템을 도입하여 7,487건의 확인된 루그 풀 프로젝트를 식별했고, 이는 기존 데이터셋보다 30배 이상 큰 규모이며, 예측 모델을 통해 사기 발생 96시간 전까지 90%의 사기를 사전 경고할 수 있어 NFT 생태계 내 재정적 손실을 조기에 완화할 수 있다.

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.

연구 동기 및 목표

• NFT 생태계에서 아직 종합적 분석이 부족했던 주요 사기 유형인 NFT 루그 풀을 체계적으로 조사하기 위해.
• 블록체인 및 오프체인 데이터를 기반으로 한 규칙 기반 탐지 기법을 활용해 신뢰할 수 있는 대규모 데이터셋을 구축함으로써, NFT 루그 풀의 실제 보급률을 측정하기 위해.
• 기본적인 펌프-앤행덕 스킴을 뛰어넘어, 백도어 악용 및 시장 조작과 같은 고도화된 기법을 사용하는 사기 기법을 밝혀내기 위해.
• 자금이 탈취되기 전에 잠재적 루그 풀 프로젝트를 사전에 경고할 수 있는 실시간 예측 모델을 개발하기 위해.
• 2022년 11월 이래로 이더리움에서 실시간으로 운영된 프로토타입 경고 시스템을 구현하여, 7,821개의 NFT 프로젝트에 대해 성공적으로 경고를 발령했고, 높은 확인률을 확보하기 위해.

제안 방법

• 초기 기준값으로서 253건의 알려진 NFT 루그 풀을 커뮤니티 기반 데이터를 활용해 확보하여 시뮬레이션 증상 분석을 수행함.
• 14가지 핵심 증상(예: 갑작스러운 토큰 이체, 비정상적인 믹싱 패턴 등)을 기반으로 한 엄격한 규칙 기반 탐지기구를 설계하여, 173만 개의 이더리움 NFT 프로젝트에서 7,487건의 추가 루그 풀 프로젝트를 탐지함.
• 스마트 계약 및 거래 데이터를 대상으로 맞춤형 분석 도구를 사용해, 명시적 백도어 악용 및 암묵적 시장 조작을 포함한 8가지의 구분된 사기 기법을 분류 및 분석함.
• 거래 빈도, 월렛 행동, 소셜 미디어 활동 등 73개의 블록체인 및 오프체인 특징을 활용해, 초기 경고 신호를 탐지하는 기계학습 예측 모델을 구축함.
• 2022년 11월 이래로 이더리움에서 실시간 프로토타입 시스템을 구현하여 지속적으로 이상 징후가 있는 프로젝트를 모니터링하고 경고를 발령함.
• 외부 증거와의 교차 검증 및 사후 확인을 통해 7,821개의 프로젝트에 대해 결과를 검증하였으며, 확장된 기준값을 초월함.

Figure 1: The activity of AniMoon on OpenSea.

실험 결과

연구 질문

• RQ1 NFT 루그 풀을 특징짓는 주요 블록체인 및 오프체인 증상은 무엇인가?
• RQ2 이더리움 NFT 생태계에서 NFT 루그 풀은 얼마나 보편적인가? 이러한 사기의 실제 규모는 어떠한가?
• RQ3 펌프-앤행덕 스킴을 뛰어넘어 루그 풀 범행자가 사용하는 고도화된 기만 기법은 무엇인가?
• RQ4 사전 단계의 신호를 활용해 사기 발생을 사전에 예측할 수 있는가?
• RQ5 실시간 경고 시스템은 실질적으로 NFT 루그 풀을 식별하고 완화하는 데 얼마나 효과적인가?

주요 결과

• 규칙 기반 방법을 통해 7,487건의 NFT 루그 풀 프로젝트를 식별하였으며, 이는 기존 커뮤니티 유지 데이터셋 대비 30배 이상 증가한 규모이다.
• 7,487건의 루그 풀 프로젝트 중 84%는 기본적인 펌프-앤행덕 행동을 뛰어넘어, 숨겨진 백도어나 시장 조작과 같은 고도화된 기법을 최소 한 가지 이상 사용했다.
• 예측 모델은 루그 풀 발생 96시간 이상 전에 90%의 NFT 사기 이벤트에 대해 경고를 발령하여 강력한 조기 탐지 능력을 입증했다.
• 배포된 프로토타입 시스템은 실제 운영에서 7,821개의 NFT 프로젝트에 대해 경고를 발령했으며, 대부분의 사례가 이후 증거를 통해 사기로 확인되었다.
• 연구 결과에 따르면, 84%의 루그 풀 사례에서 의도적인 기술적 또는 시장 조작이 이루어졌으며, 이는 고도의 사전 계획성과 전략적 복잡성을 반영한다.
• 확인된 7,487건의 루그 풀 데이터셋은 향후 NFT 사기 및 보안 분야 연구를 위한 가장 큰 공개 기준 데이터셋으로서의 가치를 지닌다.

Figure 2: The whole process of AniMoon rug pull.