Μπορεί η τεχνητή νοημοσύνη να εντοπίσει τα Ponzi σχήματα του Ethereum πριν μετακινηθούν τα κεφάλαια;

Η ανίχνευση απάτης κρυπτονομισμάτων συνήθως ξεκινά αφού τα χρήματα αρχίσουν να μετακινούνται. Οι ερευνητές παρακολουθούν τις συναλλαγές, τα ανταλλακτήρια επισημαίνουν ύποπτες διευθύνσεις και οι ομάδες συμμόρφωσης αναζητούν αναγνωρίσιμα μοτίβα. Αυτή η προσέγγιση είναι απαραίτητη, αλλά είναι επίσης αντιδραστική. Μέχρι η μια διεύθυνση να έχει συσσωρεύσει αρκετό ιστορικό ώστε να φαίνεται επικίνδυνη, οι επενδυτές μπορεί ήδη να έχουν χάσει τα κεφάλαιά τους.

Μια νέα μελέτη παρουσιάζει μια διαφορετική δυνατότητα: την εξέταση της λογικής ενός Ethereum (ETH ) συμβολαίου πριν το ιστορικό των συναλλαγών του γίνει χρήσιμο. Οι ερευνητές από το Πανεπιστήμιο Hohai ανέπτυξαν το PonziFusion, ένα πλαίσιο μηχανικής μάθησης που αναζητά στον κώδικα bytecode των αναπτυγμένων έξυπνων συμβολαίων τα σημασιολογικά και δομικά χαρακτηριστικά ενός σχήματος Ponzi.¹

Η σημαντική διάκριση είναι ο χρονισμός. Το PonziFusion δεν χρειάζεται επαληθευμένο πηγαίο κώδικα ή μακρά ιστορία καταθέσεων και πληρωμών. Αναλύει τι προγραμματίζεται να κάνει ένα συμβόλαιο και πώς οργανώνονται οι διαδρομές εκτέλεσής του, μετακινώντας ενδεχομένως την ασφάλεια προς προεξέταση κινδύνου πριν τη συναλλαγή.

Γιατί τα Ponzi σχήματα του Ethereum είναι δύσκολο να εντοπιστούν

Ένα συμβατικό σχήμα Ponzi χρησιμοποιεί χρήματα νέων συμμετεχόντων για να πληρώσει παλαιότερους συμμετέχοντες, δημιουργώντας την εντύπωση νόμιμων αποδόσεων. Μια έκδοση blockchain μπορεί να κωδικοποιήσει αυτή τη διαδικασία σε ένα έξυπνο συμβόλαιο και να λειτουργήσει χωρίς ορατό ανθρώπινο ενδιάμεσο.

Τα έξυπνα συμβόλαια του Ethereum είναι προγράμματα που εκτελούνται από την Ethereum Virtual Machine. Μόλις αναπτυχθούν, ο κώδικας bytecode τους είναι δημόσια προσβάσιμος και δύσκολο να τροποποιηθεί. Αυτή η διαφάνεια φαίνεται ιδανική για εποπτεία, αλλά ο ακατέργαστος bytecode δεν είναι γραμμένος για ανθρώπινους αναγνώστες. Λείπουν του περιγραφικά ονόματα και η σαφής δομή που βρίσκονται στον πηγαίο κώδικα.

Ο επαληθευμένος πηγαίος κώδικας είναι μακριά από το να είναι καθολικός. Η μελέτη σημειώνει ότι το Ethereum είχε πάνω από 88 εκατομμύρια αναπτυγμένα έξυπνα συμβόλαια μέχρι τον Δεκέμβριο του 2025, ενώ μόνο περίπου 825.000 είχαν δημόσια επαληθευμένο πηγαίο κώδικα στο Etherscan. Ένα σύστημα που εξαρτάται από αναγνώσιμο πηγαίο κώδικα θα άφηνε τα περισσότερα συμβόλαια εκτός της εμβέλειάς του.

Τα συστήματα που βασίζονται σε συναλλαγές έχουν το αντίστροφο πρόβλημα. Μπορούν να εντοπίσουν ύποπτες σχέσεις πληρωμών, κυκλικές μεταφορές ή ανώμαλες αποδόσεις, αλλά μόνο αφού υπάρχει δραστηριότητα. Ένα νεοαναπτυγμένο συμβόλαιο Ponzi μπορεί αρχικά να φαίνεται ακίνδυνο επειδή υπάρχουν πολύ λίγες συναλλαγές για να καθιερωθεί ένα μοτίβο συμπεριφοράς. Αυτό δημιουργεί ένα επικίνδυνο κενό μεταξύ της ανάπτυξης και της ανίχνευσης.

Πώς το PonziFusion Διαβάζει την Πρόθεση του Συμβολαίου

Το PonziFusion συνδυάζει δύο προοπτικές του ίδιου συμβολαίου. Η πρώτη εξετάζει τη σημασιολογία των opcode, δηλαδή τις χαμηλού επιπέδου εντολές που περιέχονται στον bytecode του Ethereum. Αυτές οι εντολές μπορούν να αποκαλύψουν λειτουργίες που αφορούν εισερχόμενη αξία, αλλαγές αποθήκευσης και εξωτερικές κλήσεις. Η δεύτερη εξετάζει το γράφημα ροής ελέγχου του συμβολαίου, μια αναπαράσταση των πιθανών διαδρομών που μπορεί να ακολουθήσει η εκτέλεση του προγράμματος.

Κάθε προοπτική από μόνη της είναι ελλιπής. Τα σημασιολογικά χαρακτηριστικά μπορούν να δείξουν ότι ένα συμβόλαιο μετακινεί κεφάλαια, αλλά δεν εξηγούν τη γενικότερη διάταξη αυτών των λειτουργιών. Τα δομικά χαρακτηριστικά μπορούν να αποκαλύψουν επαναλαμβανόμενα κλαδιά και διαδρομές πληρωμών, αλλά δεν διακρίνουν ένα δόλι σύστημα διανομής από μια νόμιμη χρηματοοικονομική εφαρμογή. Το PonziFusion τα συνδυάζει για να καταγράψει τόσο τι κάνει το συμβόλαιο όσο και πώς οργανώνεται η λογική του.

Το πλαίσιο αφαιρεί πληροφορίες που θα μπορούσαν να θολώσουν το σήμα. Φιλτράρει μη προσβάσιμους ή άσχετους κόμβους ροής ελέγχου και λογική δρομολογητή ρουτίνας, στη συνέχεια συγχωνεύει απλές γραμμικές διαδρομές. Τα χαρακτηριστικά από τις παγκόσμιες διαδρομές και τα τοπικά υπογράφημα συνδυάζονται με ακολουθίες opcode και περνούν σε έναν ταξινομητή τυχαίου δάσους.

Οι ερευνητές αντιμετώπισαν ένα ακόμη κοινό πρόβλημα στην ανίχνευση απάτης: την ανισορροπία κλάσεων. Το σύνολο δεδομένων τους περιελάμβανε πολύ περισσότερα νόμιμα συμβόλαια από σχήματα Ponzi. Χρησιμοποίησαν το SVM‑SMOTE για να δημιουργήσουν συνθετικές αναπαραστάσεις της μειονεκτικής κλάσης στα δεδομένα εκπαίδευσης, διατηρώντας την αρχική ανισορροπία στα σύνολα δοκιμής.

• Τα χαρακτηριστικά opcode περιγράφουν τις λειτουργίες που εκτελεί ένα συμβόλαιο.
• Τα χαρακτηριστικά ροής ελέγχου περιγράφουν πώς συνδέονται αυτές οι λειτουργίες.
• Το φιλτράρισμα μειώνει το θόρυβο πριν την ταξινόμηση.
• Η υπερδειγματοληψία βοηθά το μοντέλο να μάθει από σπάνια παραδείγματα Ponzi.

Τι Δείχνουν τα Αποτελέσματα της Ανίχνευσης Απάτης στο Ethereum

Η μελέτη αξιολόγησε 6,166 μοναδικά συμβόλαια Ethereum που προέρχονται από τρία ανοιχτά σύνολα δεδομένων. Μόνο 389 ταξινομήθηκαν ως σχήματα Ponzi, καθιστώντας την απόδοση precision‑recall ιδιαίτερα σημαντική. Ένα μοντέλο μπορεί να φαίνεται ακριβές σε ένα ανισομερώδες σύνολο δεδομένων απλώς προβλέποντας ότι σχεδόν όλα είναι νόμιμα.

Το PonziFusion ξεπέρασε όλες τις έξι μεθόδους σύγκρισης όσον αφορά την ακρίβεια, την ανάκληση, το F1-score, το AUC-ROC και το AUC-PR. Η ακρίβειά του 0,9297 υποδεικνύει ότι τα συμβόλαια που επισημάνθηκαν ως σχήματα Πόνζι ήταν συνήθως απάτες. Αυτό έχει λειτουργική σημασία, επειδή οι υπερβολικές ψευδείς συναγερμοί μπορούν να κάνουν ένα σύστημα φιλτραρίσματος άχρηστο.

Η ανάκλησή του 0,7550 απαιτεί μεγαλύτερη προσοχή. Το μοντέλο ανίχνευσε περίπου τρία τέταρτα των συμβολαίων Πόνζι, πράγμα που σημαίνει επίσης ότι παρέλειψε περίπου ένα τέταρτο. Συνεπώς, το PonziFusion πρέπει να θεωρείται περισσότερο ως στρώση κατάταξης κινδύνου παρά ως οριστικός κριτής. Ένας προειδοποιητικός συναγερμός μπορεί να ενεργοποιήσει πιο βαθιά ανάλυση, προσομοίωση συναλλαγών ή χειροκίνητη αξιολόγηση, ενώ ένα καθαρό αποτέλεσμα δεν πρέπει να θεωρείται απόδειξη ασφάλειας.

Γιατί η προ-συναλλαγική ανίχνευση θα μπορούσε να αλλάξει την ασφάλεια των κρυπτονομισμάτων

Η ευρύτερη αξία της έρευνας δεν περιορίζεται στην ταυτοποίηση κλασικών συμβολαίων Πόνζι. Δείχνει πώς η στατική ανάλυση συμβολαίων θα μπορούσε να ενσωματωθεί στη διαδικασία λήψης αποφάσεων πριν ένα πορτοφόλι υπογράψει μια συναλλαγή.

Ένα πορτοφόλι θα μπορούσε να συγκρίνει μια αιτούμενη αλληλεπίδραση με μια βαθμολογία κινδύνου του bytecode. Μια ανταλλακτική πλατφόρμα θα μπορούσε να φιλτράρει νεοκαταχωρημένα tokens πριν ενεργοποιήσει τις καταθέσεις. Μια πλατφόρμα συμμόρφωσης θα μπορούσε να δώσει προτεραιότητα σε συμβόλαια για διερεύνηση χωρίς να περιμένει τα θύματα να δημιουργήσουν ένα αναγνωρίσιμο ίχνος. Αυτοί οι μηχανισμοί θα συμπλήρωναν την αναλυτική συμπεριφορά παρά θα την αντικαθιστούσαν.

Η απάτη στα κρυπτονομίσματα εκτείνεται σε πολλαπλά επίπεδα. Η κοινωνική μηχανική πείθει το θύμα να ενεργήσει, οι διεπαφές κρύβουν τον προορισμό, τα συμβόλαια εκτελούν τη λογική και οι συναλλαγές μεταφέρουν τα περιουσιακά στοιχεία. Η κάλυψη της Securities.io για το παγκόσμια καταστολή της απάτης με κρυπτονομίσματα δείχνει πόσο διεθνές έχει γίνει το πρόβλημα. Η εξέτασή της του ανίχνευση ηλεκτρονικού ψαρέματος στο Ethereum με συνεκτίμηση της αγοράς δείχνει επίσης ότι η δραστηριότητα των απατών μεταβάλλεται ανάλογα με τις συνθήκες της αγοράς.

Το PonziFusion προσθέτει ένα διαφορετικό σήμα: το ίδιο το πρόγραμμα. Ο συνδυασμός κινδύνου επιπέδου συμβολαίου, συμπεριφοράς συναλλαγών, πληροφοριών διευθύνσεων και προειδοποιήσεων διεπαφής χρήστη θα μπορούσε να προσφέρει πολύ ισχυρότερη άμυνα από οποιαδήποτε μεμονωμένη μέθοδο.

Τα όρια της ανάγνωσης απάτης από το bytecode

Οι επιτιθέμενοι θα προσαρμοστούν εάν η στατική φιλτράριση γίνει ευρέως διαδεδομένη. Μπορούν να εισάγουν νεκρό κώδικα, να διασπάσουν απλές λειτουργίες σε πολλά τμήματα, να δημιουργήσουν ψεύτικα κλαδιά ή να ισοπεδώσουν τη ροή ελέγχου ώστε η αρχική δομή να είναι δύσκολο να ανακτηθεί. Το PonziFusion μπορεί να μειώσει κάποιο βασικό θόρυβο, αλλά οι ερευνητές αναγνωρίζουν ότι η προχωρημένη απόσυρση παραμένει πρόκληση.

Το πλαίσιο εξαρτάται επίσης εν μέρει από προκαθορισμένους κανόνες που εντοπίζουν λειτουργίες σχετικές με τη διαχείριση κεφαλαίων. Ένα νέο σχήμα που χρησιμοποιεί άγνωστες εντολές ή έμμεσους μηχανισμούς πληρωμής θα μπορούσε να κάνει το φίλτρο να απορρίψει σημαντικά αποδεικτικά στοιχεία. Επιπλέον, το μοντέλο αντιμετωπίζει τα σχήματα Πόνζι ως μία κατηγορία, παρόλο που οι δομές τους μπορεί να είναι σε σχήμα αλυσίδας, δέντρου, καταρράκτη ή υβριδικές.

Αυτοί οι περιορισμοί δείχνουν προς ένα πολυεπίπεδο μέλλον. Η στατική ανάλυση μπορεί να φιλτράρει συμβόλαια, η προσομοίωση μπορεί να δοκιμάσει τη συμπεριφορά τους και η παρακολούθηση συναλλαγών μπορεί να εντοπίσει εξελισσόμενα δίκτυα πληρωμών. Οι ερευνητές μπορούν να εστιάσουν στα συμβόλαια όπου αυτά τα σήματα συγκλίνουν.

Αυτή η πολυεπίπεδη προσέγγιση είναι ιδιαίτερα σημαντική καθώς η αρχιτεκτονική blockchain γίνεται πιο πολύπλοκη. Η πρόσφατη ανάλυση του Securities.io για την αρχιτεκτονική blockchain για την κβαντική εποχή επισημαίνει πώς οι υποθέσεις ασφαλείας πρέπει να εξελίσσονται μαζί με την υποκείμενη υποδομή. Η ανίχνευση απάτης αντιμετωπίζει την ίδια απαίτηση: οι άμυνες πρέπει να είναι σε θέση να προσαρμόζονται καθώς οι σχεδιάσεις συμβολαίων και οι τεχνικές των επιτιθέμενων αλλάζουν.

Επένδυση στην ευφυΐα blockchain μέσω της Mastercard

Για επενδυτές που αναζητούν έκθεση στην ασφάλεια ψηφιακών περιουσιακών στοιχείων αντί για ένα σπεκουλατικό security token, η Mastercard προσφέρει μια σχετική σύνδεση με το δημόσιο χρηματιστήριο. Η εταιρεία εξαγόρασε την CipherTrace, μια επιχείρηση ευφυΐας κρυπτονομισμάτων που παρέχει προστασία από απάτες, εργαλεία κατά της νομιμοποίησης εσόδων από παράνομες δραστηριότητες και έρευνες blockchain για τράπεζες, ανταλλακτήρια και άλλους οργανισμούς.

Οι υπάρχουσες δυνατότητες της Mastercard εστιάζουν έντονα στην ανάθεση συναλλαγών blockchain και στην ευφυΐα κινδύνου. Το PonziFusion αντιμετωπίζει ένα συμπληρωματικό στάδιο αξιολογώντας τη λογική των συμβολαίων πριν είναι διαθέσιμο ιστορικό συναλλαγών. Δεν υπάρχει δηλωμένη εμπορική σχέση μεταξύ της Mastercard και των ερευνητών, αλλά η μελέτη δείχνει πώς η μηχανική μάθηση επιπέδου συμβολαίου θα μπορούσε να επεκτείνει το πεδίο των πλατφορμών ευφυΐας blockchain.

Η Mastercard έχει περιγράψει την CipherTrace ως μέρος μιας ολοκληρωμένης προσφοράς που συνδυάζει δυνατότητες τεχνητής νοημοσύνης, κυβερνοτεχνολογίας και blockchain. Εάν οι ρυθμιζόμενοι θεσμοί συνεχίσουν να υιοθετούν περιουσιακά στοιχεία με διακριτικά και υπηρεσίες κρυπτονομισμάτων, η ζήτηση θα πρέπει να αυξηθεί για εργαλεία που αξιολογούν αντισυμβαλλόμενους, συναλλαγές και τα συμβόλαια που τις διέπουν. Η Mastercard προσφέρει διαφοροποιημένη έκθεση σε αυτή την τάση μέσω μιας ευρύτερης επιχείρησης πληρωμών και κυβερνοασφάλειας, αντί για εξάρτηση από ένα μοντέλο ανίχνευσης.

Από την παρακολούθηση κλεμμένων κεφαλαίων στην πρόληψη έκθεσης

Το PonziFusion δεν λύνει την απάτη στο Ethereum, και το ποσοστό ανάκλησής του δείχνει σαφώς ότι δεν μπορεί να λειτουργήσει με ασφάλεια ως η μοναδική γραμμή άμυνας. Η σημασία του έγκειται στο ότι αποδεικνύει ότι χρήσιμα σήματα απάτης μπορούν να εξαχθούν από αδιαφανές bytecode πριν ένα συμβόλαιο δημιουργήσει μακρά ιστορική συμπεριφορά.

Αυτό αλλάζει τη σειρά προστασίας. Αντί να περιμένουν για απώλειες, να εντοπίζουν τα κεφάλαια και να επισημαίνουν τις διευθύνσεις, οι πλατφόρμες θα μπορούσαν να αξιολογούν τον κίνδυνο του συμβολαίου κατά την ανάπτυξη ή αμέσως πριν από την αλληλεπίδραση. Τα πιο ισχυρά συστήματα θα συνδυάζουν αυτήν την έγκαιρη προειδοποίηση με προσομοιώσεις, ανάλυση συναλλαγών και συνεχώς ενημερωμένη πληροφορία απειλών.

Για το Ethereum και την ευρύτερη οικονομία έξυπνων συμβολαίων, η εμπιστοσύνη θα εξαρτηθεί λιγότερο από το αν κάθε χρήστης μπορεί να διαβάσει τον κώδικα και περισσότερο από το αν η υποδομή ασφαλείας μπορεί να μετατρέπει τον κώδικα σε κατανοητό σήμα κινδύνου. Το PonziFusion είναι ένα πρώιμο αλλά αξιόπιστο βήμα προς αυτόν τον στόχο.

Αναφορές:

¹ Lei, J., Tong, Y., Ji, S., Wang, X., Huang, C., & Zhang, P. (2026). PonziFusion: Ανίχνευση Ponzi scheme μέσω της συγχώνευσης σημασιολογικών και δομικών χαρακτηριστικών συμβολαίων. Blockchain: Research and Applications, 100565. https://doi.org/10.1016/j.bcra.2026.100565