[논문 리뷰] Trade or Trick? Detecting and Characterizing Scam Tokens on Uniswap Decentralized Exchange

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

Blockchain Technology Applications and Security참고 문헌 39인용 수 17

한 줄 요약

이 논문은 유죄-연관 히ュ리스틱과 기계학습을 융합한 하이브리드 탐지 프레임워크를 제안하여 Uniswap V2에서 스캠 토큰을 식별한다. 이로 인해 10,000개 이상의 스캠 토큰(등록된 토큰의 약 50%)가 드러나며, 이는 최소 $1600만 미만의 피해를 입힌 39,762명의 피해자에게 영향을 준 조직적인 루프 풀 스캠과 공모 네트워크를 드러낸다.

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.

연구 동기 및 목표

• Uniswap와 같은 등록 요건이 없는 대표적인 탈중앙화 거래소에서 스캠 토큰을 체계적으로 탐지하고 특성화하는 것.
• DeFi 생태계에서 스캠 토큰의 보편성, 작동 방식, 재정적 영향을 이해하는 것.
• 대규모 손실이 발생하기 이전에 조기에 스캠 토큰을 식별할 수 있는 확장성 있고 정확한 탐지 방법을 개발하는 것.
• 공모 주소와 악성 스마트 계약 패턴이 루프 풀 스캠을 촉진하는 데 기여하는 방식을 폭 드러내는 것.
• 제안된 탐지 기법을 활용해 DeFi에서 명성 시스템을 도입하여 향후 스캠 위험을 완화할 것을 주장하는 것.

제안 방법

• 저자들은 모든 Uniswap V2 거래 데이터를 수집하고 분석하여 거래 환경을 맵핑하고 의심스러운 패턴을 식별한다.
• 기존에 알려진 스캠 주소나 풀과 연결된 토큰을 고위험으로 표시하는 유죄-연관 히ュ리스틱을 적용한다.
• 행위적 및 블록체인 기반 특징을 사용하여 수작업으로 레이블링된 스캠 및 정상 토큰 기반 벤치마크 데이터셋을 기반으로 기계학습 모델을 훈련시킨다.
• 정확도를 높이고 임의의 경고를 줄이기 위해 히ュ리스틱 확장과 기계학습 검증을 결합한 탐지 파이프라인을 구현한다.
• 특징으로는 토큰 생성 패턴, 유동성 풀 행동, 거래 빈도, 백도어나 전송 제한과 같은 스마트 계약 이상 징후가 포함된다.
• 정확성을 확보하기 위해 수동 분석을 수행하고 알려진 스캠 사례와 교차 확인하여 검증한다.

실험 결과

연구 질문

• RQ1 Uniswap V2의 개방형 등록 정책를 고려할 때, 스캠 토큰의 실제 규모와 보편성은 어느 정도인가?
• RQ2 스캠 토큰은 기술적으로 어떻게 작동하며, 스마트 계약과 유동성 풀에서 공통적인 패턴은 무엇인가?
• RQ3 가짜 주소와 유동성 조작을 포함한 공모 네트워크를 통해 스캠 토큰이 얼마나 조율되어 있는가?
• RQ4 피해자들은 어떤 재정적 손실을 입었으며, 조기 탐지로 이러한 영향을 어떻게 완화할 수 있는가?
• RQ5 히ュ리스틱과 기계학습 기법을 융합한 하이브리드 접근 방식이 스캠 토큰을 광범위한 피해 발생 이전에 효과적으로 탐지할 수 있는가?

주요 결과

• Uniswap V2에서 스캠 토큰 10,000개 이상과 관련된 유동성 풀이 식별되었으며, 이는 전체 등록 토큰의 약 50%에 해당한다.
• 모든 스캠 토큰과 풀은 루프 풀 공격을 위해 특별히 생성되었으며, 많은 경우 백도어나 전송 제한과 같은 악성 코드를 내장하고 있다.
• 수천 개의 공모 주소가 스캠 캠페인에 적극적으로 참여하며 자금 세탁과 출금 스캠을 촉진한 것이 관찰되었다.
• 스캠 생태계는 피해자 39,762명으로부터 최소 $1600만의 수익을 올렸으며, 이는 매우 조직적이고 수익성이 높은 운영임을 시사한다.
• 제안된 탐지 방법은 스캠 토큰을 조기에 식별하여 높은 정확도와 실용적인 적용 가능성을 입증했다.
• 이 연구는 스캠 확산의 근본 원인이 탈중앙화 플랫폼에서의 규제와 감시의 부재에 있음을 드러내며, 유사한 위험이 다른 DEX와 DeFi 프로젝트에도 존재할 수 있음을 시사한다.