Vai al contenuto
Crypto.world

The Ledger

Ricercatori testano la proof-of-reserves per individuare i wallet degli exchange

Uno studio di sei ricercatori di Dunamu utilizza le informazioni divulgate tramite proof-of-reserves per etichettare gli indirizzi Ethereum degli exchange e testa un classificatore di machine learning su 3 milioni di indirizzi. Il modello ottiene risultati elevati sugli exchange esclusi dall’addestramento, ma mostra un richiamo disomogeneo su insiemi separati di wallet, limitandone l’uso a una selezione preliminare anziché a un’attribuzione definitiva.

Ricercatori testano la proof-of-reserves per individuare i wallet degli exchange

Un classificatore sviluppato da sei ricercatori di Dunamu ha ottenuto una macro PR-AUC di 0,9594 quando è stato testato su indirizzi Ethereum di exchange che non aveva visto durante l’addestramento, ma il suo richiamo è sceso al 59,90% su un gruppo separato di wallet di exchange più piccoli. I risultati, contenuti in uno studio presentato ad arXiv il 30 ottobre, mostrano sia le potenzialità sia la capacità disomogenea di individuazione degli indirizzi degli exchange centralizzati (CEX) mediante i comportamenti on-chain.

I ricercatori utilizzano le informazioni divulgate tramite proof-of-reserves (PoR) per etichettare i wallet noti degli exchange, quindi addestrano un modello a esaminare altri indirizzi sulla base degli schemi delle transazioni. Il risultato migliore proviene da un test strutturato che esclude un exchange alla volta; quello più debole riguarda un diverso insieme di indirizzi e una diversa metrica. I valori non sono direttamente confrontabili, ma insieme mostrano perché gli autori descrivono il metodo come uno strumento di selezione preliminare anziché come un modo definitivo per attribuire la proprietà.

Le etichette PoR alla base di un dataset di 3 milioni di indirizzi

Il team ha raccolto 3.033.857 indirizzi Ethereum: 1.580.155 etichettati come wallet di exchange e 1.453.702 appartenenti a cinque categorie non legate agli exchange. Queste categorie comprendono utenti di bridge e di protocolli di prestito, pool di liquidità di exchange decentralizzati, soggetti che hanno effettuato registrazioni su Ethereum Name Service e indirizzi di fondazioni. Le etichette degli exchange provengono dalle informazioni PoR pubbliche raccolte da 15 piattaforme.

La componente del dataset relativa agli exchange è fortemente concentrata: Binance rappresenta 1.468.505 dei 1.580.155 indirizzi di exchange. I ricercatori hanno riunito 11 exchange con un numero relativamente basso di indirizzi divulgati in una categoria «Altri», anziché usarli nel test principale che esclude un exchange alla volta. Hanno raccolto i dati Ethereum fino al blocco 25.046.605, datato 7 maggio 2026.

A partire da questi dati, il team ha calcolato 58 caratteristiche relative ad attività come l’uso di gas, i trasferimenti ERC-20, le transazioni interne, le controparti e i flussi di ETH. Un processo di selezione basato esclusivamente sulla validazione ha ridotto a 17 le caratteristiche fornite in input al modello. Lo studio confronta LightGBM con la regressione logistica su finestre di osservazione da 30 a 730 giorni.

Storici più lunghi migliorano il risultato sugli exchange esclusi

Nella valutazione principale, i ricercatori hanno escluso un exchange alla volta — Binance, Bitget, OKX o Korbit — in modo che gli indirizzi di quell’exchange non comparissero nello sviluppo del modello. Con 17 caratteristiche e uno storico di 730 giorni, LightGBM ha raggiunto una macro PR-AUC di 0,9594, rispetto allo 0,7697 della regressione logistica. La macro PR-AUC riassume precisione e richiamo nei test sugli exchange esclusi; non è la quota di tutti i wallet identificati correttamente.

La durata dello storico di osservazione ha inciso sui risultati. Con sole quattro caratteristiche selezionate e uno storico di 30 giorni, la macro PR-AUC di LightGBM era di 0,6003; estendendo la finestra a 730 giorni, è salita a 0,9052. Con la finestra più lunga e l’insieme completo di caratteristiche, il richiamo variava dal 90,14% al 96,28% nei quattro exchange esclusi, quando la soglia decisionale era calibrata su un tasso di falsi positivi dell’1% nei dati di validazione.

«Questi risultati supportano l’uso di una selezione preliminare interpretabile degli indirizzi CEX per il monitoraggio della blockchain, mentre il dataset di caratteristiche reso disponibile consente ulteriori ricerche riproducibili».

Seongchan Park et al., Dunamu

I wallet esterni rivelano una copertura disomogenea

I ricercatori hanno testato anche due ulteriori insiemi, non utilizzati per lo sviluppo o il test del modello. Uno conteneva 209 indirizzi collegati a PoR di exchange più piccoli; l’altro conteneva 656 indirizzi di exchange raccolti manualmente dagli elenchi dei maggiori detentori di 45 token su Etherscan e Arkham. Le etichette di quest’ultimo insieme erano meno dirette delle informazioni PoR, afferma lo studio, ma includevano annotazioni sul ruolo dei wallet.

Alla soglia di falsi positivi dell’1% calibrata sui dati di validazione, il modello ha individuato il 90,34% degli indirizzi nell’insieme esterno di 656 indirizzi, ma solo il 59,90% del gruppo di exchange più piccoli «Altri». I risultati variavano anche da exchange a exchange: il richiamo era del 98,68% per Gate e dell’84,31% per Coinbase, contro il 56,25% per KuCoin e il 50,00% per Bitkub. Nella stessa valutazione, il modello ha ottenuto risultati migliori sui wallet hot e di deposito rispetto agli indirizzi cold o non specificati.

Gli autori non arrivano a un’attribuzione definitiva

I comportamenti relativi al gas, l’attività ERC-20 e le transazioni interne hanno contribuito maggiormente alle previsioni del modello. La rimozione delle caratteristiche relative all’uso di gas e alle commissioni ha provocato il calo maggiore della macro PR-AUC, mentre anche la rimozione delle caratteristiche relative all’attività ERC-20 o alle transazioni interne ha ridotto le prestazioni. Gli autori avvertono che questi segnali descrivono il comportamento del modello all’interno del loro dataset, non caratteristiche intrinseche comuni a ogni exchange.

Lo studio riguarda la mainnet di Ethereum e dipende dagli indirizzi degli exchange divulgati pubblicamente e da cinque gruppi selezionati non legati agli exchange. Gli autori affermano che l’aggiunta di altri tipi di wallet, tra cui quelli di custodi, operatori di pagamento e conti istituzionali, potrebbe rappresentare meglio l’attività non legata agli exchange. Rilevano inoltre che le prestazioni variano in base all’exchange e al ruolo del wallet e affermano che il classificatore dovrebbe aiutare a stabilire quali indirizzi esaminare prioritariamente, non sostituire le etichette degli exchange curate manualmente.

Fonti

  1. Fonte originale · Preprint On-Chain Behavioral Signatures for Classifying Centralized Exchange Addresses on Ethereum Using Proof-of-Reserves arXiv:2610.41888

Notizie correlate

Esplora

Altri articoli