Vai al contenuto
Crypto.world

The Ledger

FPTracer individua il 98,6% degli indirizzi Ethereum etichettati come coinvolti nel riciclaggio

Uno studio presentato ad arXiv il 23 ottobre riferisce che FPTracer ha individuato il 98,6% degli indirizzi etichettati come coinvolti nel riciclaggio in 10 casi su Ethereum. Il sistema ha inoltre rilevato attività sui bridge e segnalato possibili flussi in uscita da Tornado Cash in un’analisi di 20 casi.

FPTracer individua il 98,6% degli indirizzi Ethereum etichettati come coinvolti nel riciclaggio

Il sistema FPTracer di un gruppo di ricerca ha individuato il 98,6% degli indirizzi etichettati come coinvolti nel riciclaggio in una valutazione dei metodi di tracciamento su Ethereum condotta su 10 casi, secondo uno studio presentato ad arXiv il 23 ottobre. Il risultato misura la quota di indirizzi individuati nei casi per cui erano disponibili tracce di riciclaggio etichettate; non significa, di per sé, che il sistema rilevi il 98,6% di tutti i casi di riciclaggio tra blockchain diverse.

Che cosa misura il 98,6%

Lo studio valuta FPTracer su 20 episodi reali di riciclaggio avvenuti dal 2019 al 2025, con perdite segnalate per un totale di circa 5,47 miliardi di dollari. Per confrontare i metodi di tracciamento degli indirizzi, i ricercatori utilizzano 10 di questi casi presenti anche in un dataset già esistente di tracce di riciclaggio annotate. FPTracer ha individuato il 98,6% degli indirizzi etichettati e raggiunto il 94,2% delle destinazioni etichettate: i valori di recall più alti tra i metodi confrontati.

Nei 10 casi con tracce di riciclaggio etichettate, FPTracer ottiene il recall più alto tra i metodi confrontati, individuando il 98,6% degli indirizzi etichettati come coinvolti nel riciclaggio e il 94,2% delle destinazioni etichettate come tali.

Huan Xing, Gaohe Jin, Bang Fu, Yue Li, Baoning Niu e Xing Fan, Taiyuan University of Technology

Il confronto comprendeva XBlockFlow, che ha registrato un recall del 90,2% per gli indirizzi e dell’84,7% per le destinazioni, e AMLGuard-Public, con valori rispettivamente del 95,3% e dell’87%. Gli autori definiscono il recall come la quota di indirizzi etichettati come coinvolti nel riciclaggio che vengono individuati; il recall delle destinazioni misura la quota di destinazioni etichettate raggiunte durante il tracciamento. Questi risultati descrivono la capacità di individuare gli elementi rispetto alle etichette di riferimento dello studio, non la frequenza con cui una segnalazione relativa a un indirizzo sconosciuto risulta corretta.

FPTracer segue i percorsi degli asset all’interno delle transazioni

Il metodo di FPTracer parte da un problema dei registri delle transazioni Ethereum: una transazione DeFi complessa può generare molti trasferimenti tra contratti, rendendo difficile vedere come il valore passi dalla fonte al destinatario effettivo. Il sistema costruisce un Context-Aware Transfer Tree, o CATT, che colloca i trasferimenti all’interno delle chiamate ai contratti annidate che li hanno prodotti. Collega poi i trasferimenti in percorsi seguiti dagli asset, utilizzando l’ordine di esecuzione, gli indirizzi, i tipi di token e la continuità del valore.

Questi percorsi ricostruiti guidano l’espansione della rete di riciclaggio. Un classificatore separato esamina le evidenze relative ai flussi degli asset e all’esecuzione, tra cui i registri degli eventi e le modifiche allo stato di memorizzazione, per individuare le transazioni che sembrano destinate a spostare asset tra blockchain diverse, senza basarsi soltanto su un elenco precompilato di firme dei bridge. Per i mixer, FPTracer utilizza le evidenze della rete a monte per segnalare possibili attività sul versante dei prelievi; lo studio presenta questi risultati come candidati, non come collegamenti deterministici tra depositi e prelievi.

I risultati sui bridge hanno un limite legato ai dati di riferimento

Per il classificatore dei depositi sui bridge a livello di singola transazione, il gruppo ha assemblato un benchmark di 8.533 transazioni di deposito tra blockchain diverse provenienti da 28 protocolli bridge e 8.441 transazioni diverse dai depositi. Nei test in cui alcuni protocolli bridge sono stati esclusi dall’addestramento, gli autori riferiscono che tutti i classificatori, tranne un albero decisionale, hanno ottenuto punteggi F1 superiori al 97%, mentre i risultati variavano maggiormente a seconda dei bridge esclusi. XGBoost, scelto per l’analisi a livello dei singoli casi, ha registrato un recall del 97,23% in questa valutazione condotta su bridge esclusi dall’addestramento.

Nei 20 episodi di riciclaggio, FPTracer ha individuato tutte le coppie legate all’uso dei bridge documentate nei resoconti raccolti dai ricercatori, più altre 30 coppie. Il gruppo afferma di aver verificato manualmente queste coppie aggiuntive tracciando gli asset fino agli indirizzi etichettati come coinvolti nel riciclaggio ed esaminando gli explorer dei bridge, i contratti e le evidenze delle transazioni. Gli autori avvertono inoltre che i resoconti pubblici non forniscono dati di riferimento completi sull’uso dei bridge: la copertura riportata è quindi limitata dalla documentazione a loro disposizione.

I possibili prelievi da Tornado Cash restano piste da approfondire

Secondo lo studio, FPTracer ha individuato depositi su Tornado Cash in 18 dei 20 casi e ha generato possibili candidati sul versante dei prelievi in sette. Poiché il mixer interrompe il collegamento osservabile on-chain tra depositi e prelievi, gli autori non hanno potuto stabilire una corrispondenza definitiva sulla base della sola blockchain. Analisi pubbliche degli episodi hanno fornito riscontri per 222 dei 442 candidati nel caso KucoinHacker e per 47 degli 82 nel caso LiquidHacker; lo studio non classifica gli altri candidati come falsi positivi.

Questa distinzione delimita la conclusione pratica dello studio: FPTracer può ricostruire una parte maggiore dei flussi tracciabili attraverso le transazioni DeFi, individuare i depositi sui bridge e far emergere potenziali attività successive all’uso dei mixer da sottoporre all’esame degli investigatori. Il dato sul recall messo in evidenza proviene da 10 casi di riciclaggio etichettati, mentre i risultati relativi a bridge e mixer si basano in parte su verifiche manuali e su resoconti pubblici incompleti.

Fonti

  1. Fonte originale · Preprint Tracing Money Laundering Across DeFi, Bridges, and Mixers on Ethereum arXiv:2610.32210

Notizie correlate

Esplora

Altri articoli