Kyberturvallisuus
Kryptoturvallisuus tarvitsee markkinatietoista phishing-havaintaa
Lisää Securities.io suosikkilähteisiisi Google-palvelussa
Nykyaikana, kun suurin osa omaisuudesta ja arvokkaasta tiedosta on digitalisoitu, phishing-huijaukset ovat merkittävä tapa, jolla rikolliset varastavat rahaa, paljon enemmän kuin “normaali” fyysinen ryöstö ja kiristys, ja niihin liitetään vuosittain jopa 25 miljardia dollaria maailmanlaajuisia menetyksiä.
Laajemmin arvioidaan, että petokset ja pankkipetosohjelmat ovat aiheuttaneet maailmanlaajuisesti 485,6 miljardia dollarin menetykset.
Tilannetta pahentaa se, että varojen palauttaminen on erittäin vähäistä, vain 5 % digitaalisen phishingin ja kyberpetosten osalta (verrattuna 20 %:iin varastetuista fyysisistä omaisuuksista), koska varastetut varat pestään välittömästi kryptovaluuttojen tai monivaiheisten kansainvälisten siirtoverkostojen kautta.
Tässä menetelmässä huijarit esiintyvät luotettavina tahoina houkutellakseen yksilöitä paljastamaan arkaluonteista tietoa, lataamaan haittaohjelmia tai siirtämään varoja. Tämä on siis pohjimmiltaan sosiaalisen manipuloinnin muoto, joka vaikuttaa ihmisen psykologiaan ja luottamukseen sen sijaan, että perustuisi pelkästään teknisiin hakkerointimenetelmiin.
Kryptovaluuttamarkkinat ovat erityisen alttiita tällaisille hyökkäyksille, sillä tapahtumat ovat peruuttamattomia ja varastetut salausavaimet voivat antaa rikollisille pääsyn kirjaimellisiin omaisuuksiin.
Kaksi äskettäistä tutkimuspaperia analysoi phishingin yleisyyttä ja ominaisuuksia kryptovaluutoissa, tarkemmin sanottuna Ethereum-verkossa.
Ensimmäinen, jonka ovat julkaisseet Manchesterin yliopiston (UK), Sharjahin amerikkalaisen yliopiston (UAE) ja Renmin University of China -tutkijat, tutkii markkinaolosuhteita, jolloin phishing on yleisintä. Se julkaistiin International Review of Economics & Finance1 -lehdessä, ja sen otsikko on “The interplay between crypto market conditions and phishing crimes: Ethereum under the microscope”.
Toinen artikkeli, jonka on kirjoittanut Interdisciplinary Research Center for Finance and Digital Economy, King Fahd University of Petroleum and Minerals -tutkija, osoittaa, että koneoppimismallit voivat tunnistaa phishing-transaktiot korkealla tarkkuudella käyttäen kompakteja transaktiotason ominaisuuksia. Se julkaistiin Blockchain: Research and Applications2 -lehdessä otsikolla “Enhanced Phishing Transactions Detection on Ethereum Network with Tree-based Ensembles: An Empirical Study”.
Miten phishing toimii?
Phishing voi käyttää monenlaisia kohdistusmenetelmiä: se voi koostua massaviestinnästä ja suodattaa vain ne, jotka sortuvat huijaukseen, tai se voi olla erittäin räätälöityjä viestejä, jotka on muokattu vaikuttamaan laillisilta tietylle henkilölle, yleensä korkean aseman omaavalle profiilille tietyssä organisaatiossa tai varakkaalle henkilölle.
Joka tapauksessa menetelmä perustuu laillisen viestin jäljittelemiseen, olipa kyse pankin sähköpostista, tunnettua toimittajaa koskevasta laskusta jne. Usein uhri ohjataan verkkosivustolle, joka näyttää lailliselta, mutta on itse asiassa suunniteltu ainoastaan kirjautumistietojen, salasanojen ja muun luottamuksellisen tiedon keräämiseen.
Viimeaikaiset edistysaskeleet tekoälyssä ovat vain pahentaneet uhkia, sillä yhä sopeutuvampia viestejä tai jopa todellisen henkilön äänen jäljittelyä voidaan käyttää luottamuksen herättämiseen.
Siksi yksi suosituksista phishingin torjumiseksi on aina tarkistaa verkkosivun koko URL-osoite ennen salasanojen tai taloustietojen syöttämistä, varmistaa lähde suoraan ja ottaa käyttöön monivaiheinen tunnistautuminen (MFA).
Ethereum-markkinaolosuhteet & Phishing
Relevantin aineiston rakentaminen
Tutkimuksessa käytettiin kuukausittaisia kryptovaluuttatietoja tammikuusta 2016 joulukuuhun 2022 analysoimaan globaalien phishing-rikosten määrän kehitystä. Vuosi 2016 valittiin, koska silloin Ethereum sai enemmän julkista huomiota ja markkinatoiminta kasvoi, ja Ethereum-markkina-arvo alkoi kokea merkittävää kasvua ja volatiliteettia.
Phishing on on eniten esiintyvä huijaustyyppi kryptotilassa, muodostaa yli puolet kaikista. Ethereum-decentralisoitujen sovellusketjujen alueella suurin osa näistä huijauksista tapahtui.
The researchers compared these statistics on phishing to six Ethereum financial metrics gathered from transactions executed on the Kraken cryptocurrency exchange:
- Kokonaistransaktioiden määrä.
- Keskimääräinen hinta per transaktio.
- Keskimääräinen transaktion määrä.
- Kauppojen kokonaistokenien määrä.
- Kyle’s lambda: Hinnan muutoksen suhde tilausvolyymiin, eli kuinka paljon suuri kauppa vaikuttaa omaisuuden hintaan.
- Implisiittinen transaktiokustannus.
Enemmän kaupankäyntiä tarkoittaa enemmän phishingia
Kun tarkastellaan näiden Ethereum-markkinatilastojen ja phishingin välistä korrelaatiota: phishing-rikosten merkittävät nousut ovat vahvasti yhteydessä Ethereum-transaktioiden määrän, keskimääräisen transaktioprijan ja transaktiomäärän merkittäviin nousuihin.
Ei ole yllättävää, että transaktiokustannukset ovat negatiivisesti yhteydessä phishing-toimintaan, sillä huijarit pyrkivät välttämään menetyksiä jokaisesta varastetusta transaktiosta.
Kuitenkin alhaisempi likviditeetti oli yhteydessä enemmän phishingiin, koska se pakottaa käyttäjät etsimään vaihtoehtoisia, mahdollisesti epävarmoja tapoja säästää kustannuksissa tai nopeuttaa transaktioita.
Yksi keskeinen syy tähän korrelaatioon, jonka tutkijat epäilevät, on se, että suurempi kaupankäynti heijastaa lisääntynyttä kiinnostusta ja sitoutumista. Tämä puolestaan luo laajemman joukon mahdollisia phishing-kohteita, jotka todennäköisemmin ovat alentaneet varovaisuuttaan.
Samoin pelko menettää mahdolliset taloudelliset voitot (FOMO) voi saada yksilöt olemaan alttiimpia, mikä johtaa hätiköityihin päätöksiin.
Kaiken kaikkiaan tämä luo kaksi kanavaa, joiden kautta Ethereum-markkinoiden olosuhteet vaikuttavat phishingiin. Ensimmäinen on, että alhaisemmat kustannukset luovat suuremman voiton, mikä kannustaa rikollisia lisäämään phishing-yrityksiään.
“Kun likviditeetti on syvä ja implisiittiset kustannukset alhaiset, rikolliset voivat siirtää tai muuntaa varastettuja omaisuuksia alhaisemmilla toteutuskustannuksilla, mikä lisää phishingin nettotuottoa.”
Toinen on tieto siitä, että voimakkaat hinnannousut, volatiliteetti ja kaupankäyntivolyymi voivat houkutella kokemattomia tai vähemmän informoituja sijoittajia markkinoille, jotka ovat alttiimpia spekulatiivisille kertomuksille, kiireellisyyden tunteelle ja FOMO:lle.
“Tässä mielessä markkinasentimentti ja -huomi toimivat käyttäytymisen välittäjinä, sillä ne eivät suoraan aiheuta phishingiä, mutta ne voivat lisätä phishing-yritysten onnistumisen todennäköisyyttä lisäämällä mahdollisten uhriiden määrää ja alttiutta.”
Poliittiset vaikutukset
Koska phishing-toiminnot eivät toimi tyhjiössä, vaan reagoivat markkinaolosuhteisiin, myös talousrikoksiin liittyvät politiikat tulisi sovittaa. Ensimmäinen askel olisi tunnustaa nämä yhteydet ja reagoida niihin asianmukaisesti.
“Sääntelyviranomaiset ja kryptovaluutan vaihtopalvelut voisivat tehostaa valvontamekanismejaan merkittävän markkinatoiminnan tai volatiliteetin aikana, omaksuen proaktiivisia strategioita tunnistaakseen ja häiritäkseen mahdollisia phishing-kampanjoita ennen kuin ne vaikuttavat uhreihin.”
Toinen tekijä on se, että transaktiokustannukset eivät ole pelkästään kustannuksia, vaan myös pelote rikollista toimintaa vastaan. Siksi vaikka yleiset korkeat transaktiokustannukset eivät ole toivottavia, kohdennetut verot epäilyttäviin suurtaajuustransaktioihin voivat olla erittäin hyödyllisiä.
“Korkeat transaktiokustannukset näyttävät estävän phishing-toimintaa, mikä viittaa siihen, että sääntelijät voisivat tutkia politiikkoja tai mekanismeja, jotka vaikuttavat transaktiokustannuksiin strategisesti vähentääkseen laittomia toimia vaikuttamatta haitallisesti lailliseen markkinatoimintaan.”
Lopuksi, yleisön tietoisuuskampanjat tulisi sovittaa tiiviisti markkinadynamiikkaan, erityisesti Ethereum-markkinoiden kohonneen toiminnan tai merkittävien hintaliikkeiden aikana.
“Koulutustoimet, yhdistettynä ajankohtaisiin julkisiin varoituksiin mahdollisista phishing-uhkista, voivat merkittävästi vähentää uhriutumista lisäämällä tietoisuutta sijoittajien ja kauppiaiden keskuudessa.”
Kryptovaluutta-phishingin havaitseminen tekoälyn avulla
Koneoppimismallien valinta
Tässä tutkimuksessa tutkijat käyttivät koneoppimisalgoritmeja testatakseen niiden kykyä havaita kryptohuijauksia. Tarkemmin sanottuna arvioitiin puupohjaisten ensemble-mallien (algoritmit, jotka yhdistävät useiden yksittäisten päätöspuiden ennusteet) tehokkuutta phishing-hyökkäysten havaitsemisessa Ethereum-verkossa.
Tämä sisälsi seitsemän puupohjaista ensemble-mallia: Random Forest, Extra Trees, AdaBoost, CatBoost, Gradient Boosting, XGBoost ja Hist Gradient Boosting.
He käyttivät 71 250 todellista Ethereum-transaktiota vuosilta 2017–2019, jonka toinen tutkija toimitti, joista 22 % olivat poikkeavia. Poikkeavat (petos) transaktiot kerättiin avoimen lähdekoodin työkalusta EtherscanDB.
Mitä dataa on hyödyllistä petosten havaitsemiseen?
Tästä analyysistä nousee esiin muutamia tosiasioita.
Ensimmäinen on, että jotkut datan ominaisuudet olivat erittäin hyödyllisiä phishingin havaitsemiseen, kuten lohkon aikaleima ja numero sekä gas ja gas-hinta, kun taas jotkut muut olivat käytännössä merkityksettömiä, kuten transaktiotunnus tai lohkon hash.
Toinen on, että jotkut mallit ovat huomattavasti tehokkaampia ja nopeampia petosten havaitsemisessa. Jopa jotkut kestävät jopa viisi kertaa pidempään.
Kuitenkin tämä nopeus ja laskennallinen tehokkuus voivat kulkea käsi kädessä alhaisemman tarkkuuden kanssa, sillä Gradient Boosting oli hitain, mutta myös malli, joka saavutti vahvimman kokonaishavaitsemissuorituskyvyn.
Käytännössä voidaan löytää kompromissi laskentaintensiteetin ja petosten havaitsemisen tehokkuuden välillä.
“Kompaktin ominaisuuksien esityksen käyttö osoittaa, että tehokas phishing-havainnointi voidaan saavuttaa vähäisemmällä laskentakuormituksella, mikä parantaa skaalautuvuutta.”
Kohti turvallisempia kryptovaluuttamarkkinoita
Kryptovaluutat ovat olleet sekä huijausten kohteena että rikollisten tapa puhdistaa laittomasti hankittuja voittoja, mikä on pitkään ollut tahrana alan maineelle.
Kiitos tällaiseen akateemiseen tutkimukseen, voidaan saavuttaa syvempi ymmärrys markkinadynamiikasta sekä kyky havaita ja estää phishing-hyökkäyksiä.
Yhdessä löydökset viittaavat tulevaisuuteen, jossa pörssit, lompakot, sääntelijät ja lohkoketju-analytiikkayritykset käsittelevät phishingin ehkäisyä dynaamisena riskienhallintaongelmana, joka on sidottu markkinaolosuhteisiin.
Tämän tulisi myös olla tärkeä muistaa kaikille kryptokäyttäjille, että helppo polku tai äkillinen tarve tunnistautumiseen tai salasanaan tulisi suhtautua äärimmäiseen epäluuloon, erityisesti markkinakukoissa ja korkean volatiliteetin jaksoissa.
Viitteet Viitattu
1. Yuanyuan Zhang, et al. The interplay between crypto market conditions and phishing crimes: Ethereum under the microscope. International Review of Economics & Finance. Syyskuu 2026. Artikkeli: 105497. Volyymi 110. 10.1016/j.iref.2026.105497
2. Shikah J. Alsunaidi and Hamoud Aljamaan. Enhanced Phishing Transactions Detection on Ethereum Network with Tree-based Ensembles: An Empirical Study. Blockchain: Research and Applications. 12 Kesäkuu 2026, 100506. https://doi.org/10.1016/j.bcra.2026.100506
