勿对我撤池：零维骗局检测
密码学与安全
2022-01-20 v1 机器学习
统计金融
摘要
Uniswap 与其他 DEX 一样，今年备受关注，因为它是一个非托管且公开可验证的交易所，允许用户在无需可信第三方的情况下交易数字资产。然而，其简易性与缺乏监管也使得通过上线无价值代币来实施首次代币发行骗局变得容易。这种行骗方式被称为 rug pull（拉地毯），一种在传统金融中已存在但在 DeFi 中更为突出的现象。诸如 [34,37] 等项目已为检测 EVM 兼容链上的 rug pull 做出贡献。然而，在 Uniswap 上检测与刻画骗局代币的首个纵向学术步骤由 [44] 迈出。作者收集了与 Uniswap V2 交易所相关的所有交易，并提出一种机器学习算法将代币标注为骗局。但该算法仅能在骗局执行后准确检测，价值有限。本文将其数据集扩充 20K 个代币，并提出一种将代币标注为骗局的新方法。在手动分析数据后，我们设计了 Uniswap 协议中不同恶意操作的分类理论。我们提出多种基于机器学习的算法，结合与代币传播和智能合约启发式相关的新的相关特征，以在潜在 rug pull 发生前检测之。总体上，所提模型取得相近结果。最佳模型在恶意操作前区分非恶意代币与骗局时获得了 0.9936 的准确率、0.9540 的召回率与 0.9838 的精确率。
引用
@article{arxiv.2201.07220,
title = {Do not rug on me: Zero-dimensional Scam Detection},
author = {Bruno Mazorra and Victor Adan and Vanesa Daza},
journal= {arXiv preprint arXiv:2201.07220},
year = {2022}
}