NFT-мошенничество: как ловят на крючок и кто за этим стоит

Автор: Денис Аветисян

Масштабный анализ транзакций в блокчейне показал, что атаки на невзаимозаменяемые токены часто используют сложные схемы и направлены на конкретные кошельки.

🐢

Ищешь ракеты? Это не к нам. У нас тут скучный, медленный, но надёжный, как швейцарские часы, фундаментальный анализ.

Бесплатный Телеграм канал

Анализ мотивов распространения фишинговых атак посредством NFT-эирдропов выявляет уязвимости, эксплуатируемые злоумышленниками для получения несанкционированного доступа к цифровым активам пользователей.

Исследование выявило закономерности в ончейн-транзакциях, позволяющие более эффективно выявлять и предотвращать мошенничество с NFT.

Несмотря на растущую популярность невзаимозаменяемых токенов (NFT), механизмы мошенничества, особенно фишинговые атаки, представляют серьезную угрозу для инвесторов. В работе ‘Beyond the Hype: A Large-Scale Empirical Analysis of On-Chain Transactions in NFT Scams’ представлен масштабный анализ транзакций в блокчейне, выявляющий ключевые особенности мошеннических схем в сфере NFT. Полученные результаты показывают, что фишинговые атаки часто характеризуются взаимодействием с жертвами по нескольким стандартам токенов, направлены на конкретные аккаунты и концентрируются в относительно небольшом сегменте сети. Какие еще поведенческие паттерны могут быть выявлены для повышения эффективности обнаружения и предотвращения мошенничества в сфере Web3?

Временные потоки и возникающие угрозы в NFT-экосистеме

Экосистема невзаимозаменяемых токенов (NFT), базирующаяся на технологии блокчейн, переживает стремительный рост, охватывая все более широкие сферы применения. Изначально зародившись как инновационный способ подтверждения владения цифровым искусством, NFT теперь активно интегрируются в индустрию видеоигр, где представляют собой уникальные игровые предметы и персонажей, а также в финансовый сектор, открывая новые возможности для децентрализованных финансов и коллекционирования. Эта расширяющаяся область применения демонстрирует потенциал NFT как универсального инструмента для представления владения любым цифровым или физическим активом, стимулируя появление новых бизнес-моделей и привлекая внимание как инвесторов, так и творцов. Развитие экосистемы NFT не ограничивается лишь технологическими инновациями, но и влечет за собой изменения в восприятии ценности и собственности в цифровом мире.

Бурный рост экосистемы невзаимозаменяемых токенов (NFT) неизбежно привлекает внимание злоумышленников, что приводит к резкому увеличению числа фишинговых атак, направленных на невнимательных владельцев. Несмотря на то, что доля фишинговых аккаунтов в общей массе составляет лишь 0.94%, именно они оказываются непропорционально активны в совершении вредоносных действий. Данная статистика указывает на то, что злоумышленники, специализирующиеся на фишинге NFT, обладают высокой степенью организации и эффективности, целенаправленно выбирая наиболее ценные активы для кражи и демонстрируя способность обходить стандартные меры безопасности. В связи с этим, анализ активности этих аккаунтов становится критически важным для предотвращения дальнейших потерь и разработки более эффективных стратегий защиты в сфере цифровых активов.

Традиционные методы обеспечения безопасности, разработанные для защиты от известных киберугроз, оказываются недостаточно эффективными в борьбе с быстро эволюционирующими атаками в сфере NFT. Злоумышленники постоянно разрабатывают новые, более изощренные схемы, использующие уязвимости в смарт-контрактах и манипулируя человеческим фактором. Стандартные антивирусные программы и межсетевые экраны не способны эффективно обнаруживать и блокировать эти специфические атаки, поскольку они ориентированы на традиционные типы вредоносного ПО. В связи с этим, возникает острая необходимость в разработке специализированных инструментов и протоколов безопасности, учитывающих уникальные особенности блокчейн-технологий и NFT, а также в повышении осведомленности пользователей о потенциальных рисках и методах защиты от фишинга и других видов кибермошенничества.

Визуализация злонамеренной активности: Сила графов транзакций

Анализ необработанных данных блокчейна представляет значительную сложность из-за их объема и сложной структуры взаимосвязей. Представление транзакций в виде графа транзакций (Transaction Graph) позволяет визуализировать и анализировать эти взаимосвязи более эффективно. В графе транзакций каждая транзакция представляется как узел, а переводы средств между адресами — как ребра, соединяющие эти узлы. Это графическое представление облегчает выявление закономерностей, кластеров и аномалий, которые сложно обнаружить при работе с сырыми данными. Такой подход позволяет исследователям и аналитикам безопасности отслеживать потоки средств, идентифицировать связанные адреса и выявлять потенциально вредоносную активность, что значительно повышает эффективность анализа блокчейн-данных.

Представление транзакций в виде графа, в сочетании с процедурами очистки данных (Data Sanitization), позволяет выявлять скрытые закономерности и аномалии, недоступные при анализе необработанных данных блокчейна. Очистка данных включает в себя нормализацию адресов, фильтрацию транзакций, связанных с известными сервисами, и удаление дубликатов. Визуализация в виде графа позволяет отобразить связи между адресами, выявить кластеры подозрительной активности и отследить перемещение средств между различными участниками сети. Это значительно упрощает идентификацию схем мошенничества, отмывания денег и других нелегальных действий, которые в противном случае могли бы остаться незамеченными при анализе отдельных транзакций.

Анализ графов транзакций предоставляет возможность проактивного обнаружения и предотвращения атак фишинга на NFT. Согласно проведенным исследованиям, аккаунты, участвующие в фишинговых схемах, задействованы в 8.36% всех транзакций. Использование методов графового анализа позволяет выявлять связи между этими аккаунтами и другими участниками сети, что дает возможность идентифицировать и блокировать потенциальные атаки до того, как они приведут к потере средств. Данный подход основан на выявлении аномальных паттернов взаимодействия и позволяет отслеживать перемещение средств между фишинговыми аккаунтами и кошельками пользователей.

Расшифровка анатомии фишинговой атаки

Анализ графов транзакций выявляет два основных типа узлов: узлы-аккумуляторы (Convergence Nodes), которые получают средства, и узлы-распределители (Distribution Nodes), осуществляющие отправку средств. Узлы-аккумуляторы, как правило, представляют собой начальные точки для незаконно полученных средств, в то время как узлы-распределители используются для дальнейшей пересылки или обналичивания этих средств, маскируя их первоначальный источник. Идентификация и анализ этих типов узлов критически важны для отслеживания движения средств в рамках фишинговых атак и выявления ключевых участников сети злоумышленников.

Наблюдения показывают, что узлы с высокой степенью входящих и исходящих связей (Bidirectional Hubs) часто указывают на центральную роль в мошеннических операциях. Высокая степень входящих связей (in-degree) свидетельствует о поступлении средств от множества источников, а высокая степень исходящих связей (out-degree) указывает на перенаправление этих средств в различные направления. Такая структура позволяет злоумышленникам консолидировать и скрывать потоки средств, усложняя отслеживание и идентификацию истинных получателей. Анализ сетевых графов демонстрирует, что Bidirectional Hubs являются ключевыми элементами в инфраструктуре фишинговых атак и служат для координации и сокрытия незаконной деятельности.

Анализ смешанных графов, включающих как легитимные, так и фишинговые аккаунты, позволяет выявить структуру сети злоумышленников и методы маскировки их действий. Наблюдения показали, что в крупных графах смешанные узлы встречаются в 10.55% случаев, в то время как в малых графах их доля составляет лишь 2.74%. Данный разрыв указывает на то, что крупные атаки характеризуются более сложной структурой и активным использованием легитимных аккаунтов для сокрытия незаконной деятельности и повышения правдоподобия транзакций.

Анализ смешанных графов, включающих как легитимные, так и фишинговые аккаунты, показал, что злоумышленники активно используют транзакции с несколькими протоколами для маскировки потока средств. В смешанных графах 3.38% транзакций используют несколько протоколов, что значительно выше, чем в обычных графах, где этот показатель составляет 2.27%. Данная практика позволяет затруднить отслеживание и анализ финансовых операций, связанных с мошеннической деятельностью, и усложняет идентификацию источника и получателя средств.

Укрепление обороны с помощью внешней разведки

Интеграция данных, получаемых с платформ, таких как Chainabuse и ScamSniffer, значительно повышает эффективность выявления фишинговых адресов. Эти сервисы собирают и анализируют информацию о мошеннических операциях и известных вредоносных кошельках, предоставляя актуальные списки, которые могут быть использованы для автоматической проверки транзакций и адресов. Благодаря этому, системы безопасности способны оперативно блокировать взаимодействие с подтвержденными мошенническими ресурсами, предотвращая утечку средств и компрометацию личных данных. Использование этих внешних источников информации позволяет существенно снизить риск стать жертвой фишинговых атак и повысить общую безопасность пользователей в сфере цифровых активов.

Для повышения надежности защиты цифровых активов активно используется верификация деталей транзакций посредством блокчейн-обозревателей, таких как Etherscan. Этот подход позволяет детально отслеживать перемещение средств, проверять подлинность контрактов и идентифицировать потенциально вредоносные операции. Внимательное изучение истории транзакций, данных об отправителе и получателе, а также связанных смарт-контрактов предоставляет ценную информацию для оценки рисков. Такой анализ не только помогает предотвратить взаимодействие с мошенническими адресами, но и позволяет выявить закономерности, указывающие на манипуляции с ценами или другие недобросовестные практики, существенно укрепляя безопасность владельцев цифровых активов.

Анализ графов, в сочетании с данными из внешних источников, таких как Chainabuse и ScamSniffer, позволяет выявлять потенциально опасные транзакции еще до их завершения. Этот подход основывается на построении сети взаимосвязей между адресами кошельков и транзакциями, что позволяет обнаружить закономерности, характерные для мошеннических схем. Например, если кошелек, ранее идентифицированный как участвующий в фишинге, начинает взаимодействовать с другими кошельками, система немедленно сигнализирует о повышенном риске. Использование данных из блокчейн-эксплореров, таких как Etherscan, для подтверждения деталей транзакций, дополнительно усиливает точность анализа. Таким образом, проактивное выявление подозрительной активности позволяет эффективно защитить владельцев NFT от атак, связанных с Rug Pulls и Wash Trading, минимизируя финансовые потери и обеспечивая безопасность цифровых активов.

Комплексный подход к анализу данных, объединяющий информацию из различных источников, позволяет значительно снизить ущерб от схем мошенничества, таких как Rug Pulls и Wash Trading. Использование платформ для отслеживания злонамеренной активности в сочетании с анализом блокчейн-транзакций, в том числе через инструменты вроде Etherscan, создает многоуровневую систему защиты. Такой метод позволяет не просто выявлять уже совершенные мошеннические действия, но и прогнозировать потенциальные риски, идентифицируя подозрительные транзакции до того, как они приведут к финансовым потерям для владельцев NFT. В результате, данный подход не только минимизирует текущий ущерб, но и способствует повышению общей безопасности и стабильности рынка невзаимозаменяемых токенов.

Исследование показывает, что мошеннические схемы в сфере NFT не являются хаотичными, а представляют собой сложные взаимодействия между различными протоколами. Это подтверждает тезис о неизбежности старения любой системы, ведь даже тщательно продуманные протоколы со временем становятся уязвимыми для эксплуатации. Авторы работы выявили, что атаки концентрируются на конкретных аккаунтах, что говорит о целенаправленном характере мошенничества, а не о случайных попытках. Как заметил Линус Торвальдс: «Плохой код подобен раку, он распространяется и уничтожает все вокруг». Подобное сравнение отражает суть проблемы: мошеннические схемы, подобно вирусу, проникают в систему и используют её слабые места для достижения своих целей, демонстрируя, что стабильность системы — это лишь иллюзия перед лицом времени и новых угроз.

Куда Ведет Дорога?

Представленный анализ транзакций в сети, касающийся мошенничества с невзаимозаменяемыми токенами, лишь подчеркивает закономерность: любая система, даже децентрализованная, подвержена энтропии. Выявленная тенденция к взаимодействию с множеством протоколов, а не к координации между злоумышленниками, не является неожиданностью. Скорее, это отражение фундаментальной истины: стабильность — иллюзия, кэшированная временем. Атакующие не строят сложные союзы, они эксплуатируют существующую архитектуру, её неизбежные задержки и уязвимости.

Дальнейшие исследования должны сместить фокус с обнаружения отдельных атак на понимание динамики распространения уязвимостей в сети. Необходимо учитывать, что любой аптайм — это лишь временное состояние. Анализ не должен ограничиваться изучением смарт-контрактов стандарта ERC, но и учитывать более широкую картину взаимодействия протоколов и их влияние на безопасность. Задержка — это налог, который платит каждый запрос, и эта задержка может стать вектором атаки.

В конечном счете, вопрос не в том, как предотвратить все атаки, а в том, как создать системы, способные адаптироваться к неизбежному старению и деградации. Все системы стареют — вопрос лишь в том, делают ли они это достойно. Изучение этих процессов, а не просто фиксация симптомов, представляется более перспективным направлением для дальнейших исследований.

Оригинал статьи: https://arxiv.org/pdf/2512.01577.pdf

Связаться с автором: https://www.linkedin.com/in/avetisyan/

Смотрите также:

2025-12-03 06:11