Vai al contenuto
Crypto.world

Ricerca

ScamSweeper: individuare gli account illegali nelle truffe Web3 attraverso l’analisi delle transazioni

Le applicazioni web3 sono cresciute negli ultimi tempi, soprattutto sulla piattaforma Ethereum, e hanno iniziato a diventare un bersaglio per i truffatori.

ScamSweeper: individuare gli account illegali nelle truffe Web3 attraverso l’analisi delle transazioni
arXiv
2512.15030
Pubblicato
2025-12-17
Autori
Xiaoqi Li, Wenkai Li, Zhijie Liu, Meikang Qiu, Zhiquan Liu, Sen Nie, Zongwei Li, Shi Wu, Yuqing Zhang

Abstract degli autori

Le applicazioni web3 sono cresciute negli ultimi tempi, soprattutto sulla piattaforma Ethereum, e hanno iniziato a diventare un bersaglio per i truffatori. Le truffe web3 imitano i servizi offerti dalle piattaforme legittime e simulano attività regolari per ingannare gli utenti. Gli studi precedenti, tuttavia, si sono concentrati soprattutto sulla deanonimizzazione e sui nodi di phishing, trascurando le caratteristiche distintive delle truffe web3. Inoltre, gli attuali strumenti per individuare gli account di phishing utilizzano l’apprendimento su grafi o algoritmi di campionamento per ricavare le caratteristiche dei grafi. Le reti di transazioni su larga scala con attributi temporali seguono però una distribuzione a legge di potenza, il che rende difficile individuare le truffe web3. Per superare queste difficoltà presentiamo ScamSweeper, un nuovo framework che pone l’accento sull’evoluzione dinamica dei grafi delle transazioni per individuare le truffe web3 su Ethereum. ScamSweeper campiona la rete mediante un cammino aleatorio strutturale e temporale, un metodo ottimizzato di esplorazione per campionamento che tiene conto sia degli attributi temporali sia delle informazioni strutturali. Un codificatore di grafi orientati genera quindi le caratteristiche di ciascun sottografo in diversi intervalli temporali, ordinandole in sequenza. Un Transformer variazionale estrae inoltre l’evoluzione dinamica dalla sequenza dei sottografi. Abbiamo anche raccolto un dataset di transazioni su larga scala, composto da account legati a truffe web3, account di phishing e account normali, relativi ai primi 18 milioni di altezze di blocco su Ethereum. Abbiamo poi analizzato in modo approfondito le differenze relative a vari attributi, tra cui nodi, archi e distribuzione dei gradi. I nostri esperimenti indicano che ScamSweeper supera SIEGE, Ethident e PDTGA nell’individuazione delle truffe web3, ottenendo un miglioramento di almeno il 17,29% nel punteggio F1 ponderato rispetto al valore di base di 0,59. Inoltre, nell’individuazione dei nodi di phishing, ScamSweeper ottiene un miglioramento di almeno il 17,5% nel punteggio F1 rispetto a DGTSG e BERT4ETH, a partire da 0,80.

Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.

Leggi il paper originale su arXiv