TokenScout: раннее обнаружение мошеннических токенов Ethereum с помощью обучения на временных графах
<scp>TokenScout:</scp> Early Detection of Ethereum Scam Tokens via Temporal Graph Learning
2024-12-02
SCID: 54.1/tuetpg7e
Discuss with AI
скам-токены EthereumTokenScoutраннее обнаружениеrugpullsвременное обучение на графах
Figures from the paper
Abstract (AI)
Децентрализованные финансы продемонстрировали стремительный рост, преобразив сферу финансовых транзакций и управления активами благодаря технологии блокчейна. Однако этот быстрый рост сопровождается существенными проблемами, прежде всего распространением мошеннических токенов, создающих значительные угрозы безопасности для инвестиций и торговли криптовалютами. Существующие методы обнаружения мошеннических токенов, главным образом основанные на анализе кода смарт-контрактов или шаблонов транзакций, с трудом выявляют всё более изощрённые тактики мошенников. Например, методы анализа контрактов не способны обнаруживать мошеннические схемы, не содержащие явно вредоносного кода, такие как большинство схем rug pull, тогда как методы, основанные на анализе транзакций, обычно не позволяют заблаговременно выявлять потенциальные риски.
Key Findings
1
Методы анализа кода смарт-контрактов пропускают мошенничество без явно вредоносного кода, включая большинство схем rug pull.
2
Скам-токены создают растущие угрозы безопасности в децентрализованных финансах по мере расширения использования и торговли криптовалютами.
3
TokenScout представляет подход к раннему обнаружению на основе временного обучения на графах, направленный на устранение ограничений методов анализа контрактов и транзакций.
4
Методы анализа транзакций обычно не обеспечивают достаточной заблаговременности для раннего выявления потенциальных рисков скам-токенов.
Research Object
Скам-токены Ethereum
Research Subject
Раннее выявление скам-токенов и потенциальных рисков rugpull с помощью временного графового обучения при ограничениях анализа кода смарт-контрактов и шаблонов транзакций
Publication Details
Publication Date
2024-12-02
Journal
Publisher
ISSN
Cited by
43
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest