[논문 리뷰] Demystifying Scam Tokens on Uniswap Decentralized Exchange.

Pengcheng Xia, Haoyu Wang외 7명|arXiv (Cornell University)|2021. 09. 01.

Blockchain Technology Applications and Security참고 문헌 37인용 수 7

한 줄 요약

이 논문은 유령-연관 히وري스틱과 기계학습을 융합한 하이브리드 접근 방식을 제안하여 Uniswap에서 사기 토큰을 탐지한다. 이는 약 10,000개의 사기 토큰을 식별하였으며, 이는 전체 상장 토큰의 약 50%에 해당하며, 협업된 루프 풀 스캠과 악성 스마트 계약으로 인해 40,165명의 피해자로부터 최소 $16백만의 손실을 유발하였다.

ABSTRACT

The prosperity of the cryptocurrency ecosystem drives the needs 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 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 exchanges 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 40,165 potential victims. Our observations in this paper suggest the urgency to identify and stop scams in the decentralized finance ecosystem.

연구 동기 및 목표

• Uniswap, 주요 탈중앙화 거래소에서 사기 토큰의 보편성과 특성을 조사하기 위해.
• 사기로 인한 재정적 손실 증가에 따라 탈중앙화 금융에서 자동 탐지 메커니즘의 급박한 필요성을 해결하기 위해.
• 사기 토큰과 그 연관 블러드 풀의 구조적 및 행동 패턴을 분석하기 위해.
• 사기 토큰 제작자와 악성 주소 간의 공모 네트워크를 밝혀내기 위해.
• Uniswap 및 광범위한 DeFi 생태계에 사기 토큰이 초래하는 재정적 영향을 정량화하기 위해.

제안 방법

• 플랫폼 내 모든 Uniswap 관련 거래를 수집하고 분석하여 암호화폐 거래의 전경을 그림으로 그렸다.
• 기본적으로 알려진 사기 활동 또는 의심스러운 트랜잭션 패턴과 연결된 토큰을 경고하기 위해 유령-연관 히وري스틱을 적용하였다.
• 거래 및 계약 메타데이터를 기반으로 훈련된 기계학습 모델을 활용하여 사기 토큰 탐지 정확도를 향상시켰다.
• 토큰 생성 패턴, 블러드 풀 행동, 주소 클러스터링 등의 특징을 기반으로 모델을 훈련시켰다.
• 백도어와 임bedded 트릭을 포함한 악성 스마트 계약 패턴을 식별하고 분석하였다.
• 사기 토큰 출시 및 루프 풀을 촉진하는 데 기여한 주소 간의 공모 네트워크를 추적하고 지ap핑하였다.

실험 결과

연구 질문

• RQ1 Uniswap에 상장된 모든 토큰 중에서 사기 토큰의 보편성은 어느 정도인가?
• RQ2 사기 토큰과 그 연관 블러드 풀은 합법적 토큰과 비교해 어떤 구조적 및 행동적 차이를 보이는가?
• RQ3 주소 간의 공모 네트워크는 사기 토큰 출시 및 루프 풀을 촉진하는 데 어떤 역할을 하는가?
• RQ4 Uniswap에서 사기 토큰으로 인해 사용자가 입은 재정적 손실은 얼마나 되는가?
• RQ5 유령-연관과 기계학습 기법을 조합하면 얼마나 정확하게 사기 토큰을 탐지할 수 있는가?

주요 결과

• Uniswap에서 약 10,000개의 사기 토큰이 식별되었으며, 이는 전체 상장 토큰의 약 50%에 해당한다.
• 사기 토큰과 그 블러드 풀은 루프 풀 스캠을 위해 체계적으로 생성되며, 악성 스마트 계약은 종종 내장된 백도어를 포함하고 있다.
• 수천 명의 공모 주소들이 사기 토큰 제작자를 적극적으로 지원하여 협업된 탈출 스캠을 가능하게 하였다.
• Uniswap의 사기 생태계는 최소 $16백만의 수익을 올렸으며, 이는 40,165명의 잠재적 피해자로부터 발생하였다.
• 유령-연관과 기계학습의 조합은 사기 토큰을 정확하게 탐지할 수 있었으며, DeFi의 체계적 취약점을 드러냈다.
• 연구 결과는 탈중앙화 금융에서 사전 탐지 및 완화 메커니즘의 급박한 필요성을 강조한다.