RPHunter：通过代码与交易融合分析揭示加密代币中的 rug pull 诈骗
软件工程
2025-07-09 v3
摘要
rug pull诈骗已成为加密货币领域持续威胁，造成重大经济损失。典型场景涉及诈骗者部署蜂巢合约吸引投资，限制代币交易并挥金如土，使投资者持有无价值的代币。现有方法要么依赖预定义模式检测代码风险，要么利用统计交易数据训练检测模型。然而，现实中的rug pull方案常涉及恶意代码与可疑交易行为的复杂交互。这类仅关注单一方面的方法在有效检测此类方案方面不足。本文提出RPHunter，一种集成代码与交易的rug pull检测新方法。首先，RPHunter建立声明性规则并进行流程分析，提取代码风险信息，构建语义风险代码图（SRCG）。同时，为利用交易信息，RPHunter将动态代币交易活动形式化为代币流行为图（TFBG），其中节点与边从网络结构与市场操纵视角进行特征化。最后，RPHunter采用图神经网络从SRCG与TFBG中提取互补特征，通过注意力融合模型增强rug pull检测。我们手动分析了645起rug pull事件，构建基准数据集。在该数据集上评估RPHunter，实现精确率95.3%、召回率93.8%和F1分数94.5%，显著优于现有方法。此外，在真实场景中应用RPHunter，已识别4801个rug pull代币，精确率达90.7%。
关键词
引用
@article{arxiv.2506.18398,
title = {RPHunter: Unveiling Rug Pull Schemes in Crypto Token via Code-and-Transaction Fusion Analysis},
author = {Hao Wu and Haijun Wang and Shangwang Li and Yin Wu and Ming Fan and Wuxia Jin and Ting Liu},
journal= {arXiv preprint arXiv:2506.18398},
year = {2025}
}