Cybersikkerhet
Kryptosikkerhet krever markedsbevisst phishing‑detektering
Legg til Securities.io blant dine foretrukne kilder på Google
I den moderne tidsalderen hvor de fleste eiendeler og verdifull informasjon er digitalisert, er phishing‑svindel en viktig metode kriminelle bruker for å stjele penger, langt høyere enn «vanlig» fysisk røveri og utpressing, med opptil 25 milliarder dollar i globale tap direkte knyttet til phishing hvert år.
Mer generelt anslås det at svindel‑ og banksvindelordninger har medført tap på 485,6 milliarder dollar på verdensbasis.
Det gjør situasjonen verre at tilbakebetaling av midler er svært lav, så lavt som 5 % for digital phishing og cyber‑svindel (sammenlignet med 20 % for stjålne fysiske eiendeler), ettersom de stjålne midlene umiddelbart hvitvaskes gjennom kryptovalutaer eller lagdelte internasjonale overføringsnettverk.
Denne metoden ser svindlere utgi seg for pålitelige enheter for å lure individer til å avsløre sensitiv informasjon, laste ned skadelig programvare eller overføre penger. Så dette er i sin kjerne en form for sosial manipulering som påvirker menneskelig psykologi og tillit i stedet for å stole kun på teknisk hacking.
Kryptovalutamarkeder er spesielt sårbare for slike angrep, ettersom transaksjoner er irreversible og stjålne krypteringsnøkler kan gi kriminelle tilgang til bokstavelige formuer.
To nylige forskningsartikler analyserte forekomsten og karakteristikkene av phishing i kryptovaluta, nærmere bestemt i Ethereum‑nettverket.
Den første, publisert av forskere ved University of Manchester (UK), American University of Sharjah (UAE) og Renmin University of China, undersøker markedsforholdene når phishing er mest utbredt. Den ble publisert i International Review of Economics & Finance1, og har tittelen “The interplay between crypto market conditions and phishing crimes: Ethereum under the microscope”.
Den andre artikkelen, skrevet av en forsker ved Interdisciplinary Research Center for Finance and Digital Economy, King Fahd University of Petroleum and Minerals, viser at maskinlæringsmodeller kan identifisere phishing‑transaksjoner med høy nøyaktighet ved bruk av kompakte transaksjons‑nivå‑funksjoner. Den ble publisert i Blockchain: Research and Applications2, under tittelen “Enhanced Phishing Transactions Detection on Ethereum Network with Tree-based Ensembles: An Empirical Study”.
Hvordan fungerer phishing?
Phishing kan bruke en rekke målrettingsmetoder: den kan bestå av masseutsendelser og filtrere kun de som faller for svindelen, eller den kan bestå av svært tilpassede meldinger, skreddersydd for å virke legitime for en spesifikk person, vanligvis en høytstående profil i en bestemt organisasjon eller en person med høy nettoformue.
Uansett baserer metoden seg på å etterligne en legitim melding, enten det er en bank‑e‑post, en faktura fra en kjent leverandør osv. Ofte blir offeret omdirigert til et nettsted som ser ut som det legitime, men som egentlig kun er designet for å fange innloggingsdetaljer, passord og annen konfidensiell informasjon.
Nylige fremskritt innen AI har kun forverret truslene, ettersom mer tilpasningsdyktige meldinger eller til og med etterligning av en ekte persons stemme kan brukes for å skape tillit.
Derfor er en av anbefalingene for å beskytte seg mot phishing alltid å inspisere den fullstendige URL‑en til nettadresser før man oppgir passord eller finansielle data, verifisere kilden direkte, og aktivere flerfaktorautentisering (MFA).
Ethereum‑markedsforhold og phishing
Bygge et relevant datasett
Studien brukte månedlige kryptovaluta‑data fra januar 2016 til desember 2022 for å analysere avkastningen av globale phishing‑kriminaltall. 2016‑året ble valgt fordi det er da Ethereum fikk større offentlig oppmerksomhet og opplevde høyere markedsaktivitet, og da Ethereum‑markedsverdien begynte å oppleve betydelig vekst og volatilitet.
Phishing er med langt den mest utbredte typen svindel i kryptoverdenen, og utgjør mer enn halvparten av totalen. De desentraliserte app‑kjedene på Ethereum er der den enorme majoriteten av disse svindlene foregikk.
Forskerne sammenlignet disse phishing‑statistikkene med seks Ethereum‑finansielle måleparametre hentet fra transaksjoner utført på kryptobørsen Kraken:
- Totalt antall transaksjoner.
- Gjennomsnittspris per transaksjon.
- Gjennomsnittlig transaksjonsmengde.
- Aggregert mengde av handlete tokens.
- Kyle’s lambda: Forholdet mellom prisendring og ordrevolum, eller hvor mye en stor handel påvirker en eiendels pris.
- Implisitte transaksjonskostnader.
Mer handel betyr mer phishing
Ved å se på korrelasjonen mellom disse Ethereum‑markedsstatistikkene og phishing, dukket en klar sammenheng opp: store økninger i phishing‑kriminaltall er sterkt knyttet til store økninger i Ethereum‑transaksjonsaktivitet, gjennomsnittlig transaksjonspris og transaksjonsmengde.
Ikke overraskende er transaksjonskostnader negativt assosiert med phishing‑aktivitet, ettersom svindlere ønsker å unngå tap på hver stjålet transaksjon.
Derimot var lavere likviditet knyttet til mer phishing, fordi det får brukere til å søke alternative, potensielt usikre metoder for å spare på kostnader eller fremskynde transaksjoner.
En nøkkelårsak til denne korrelasjonen, som forskerne mistenker, er at høyere handelsaktivitet reflekterer økt interesse og engasjement. Dette skaper igjen en større pool av potensielle phishing‑mål som er mer sannsynlig å ha senket sin årvåkenhet.
På samme måte kan frykten for å gå glipp av potensielle økonomiske gevinster (FOMO) også få individer til å bli mer sårbare, noe som fører til hastige beslutninger.
Alt i alt skaper dette to kanaler gjennom hvilke forhold i Ethereum‑markedene påvirker phishing. Den første er at lavere kostnader bare gir større fortjeneste, og dermed motiverer kriminelle til å øke sine phishing‑forsøk.
«Når likviditeten er dyp og implisitte kostnader er lave, kan lovbrytere flytte eller konvertere stjålne eiendeler med lavere gjennomføringskostnader, noe som øker nettoavkastningen fra phishing.»
Den andre er kunnskapen om at skarpe prisøkninger, volatilitet og handelsvolum kan tiltrekke uerfarne eller mindre informerte investorer inn i markedet, som da er mer utsatt for spekulative narrativer, hastverk og frykt for å gå glipp av muligheter.
«I denne forstand fungerer markedssentiment og oppmerksomhet som atferdsmessige mellommenn; de forårsaker ikke phishing direkte, men de kan øke sannsynligheten for suksessfulle phishing‑forsøk ved å øke antall og mottakelighet blant potensielle ofre.»
Politiske implikasjoner
Fordi phishing‑operasjoner ikke opererer i et vakuum, men reagerer på markedsforhold, bør også politikk knyttet til økonomisk kriminalitet ta hensyn til dette. Et første steg ville være å anerkjenne disse relasjonene og reagere deretter.
«Reguleringsmyndigheter og kryptobørser kan styrke sine overvåkningsmekanismer i perioder med betydelig markedsaktivitet eller volatilitet, ved å adoptere proaktive strategier for å identifisere og avbryte potensielle phishing‑kampanjer før de påvirker ofre.»
Et annet element er at transaksjonskostnader kanskje ikke bare er kostnader, men også en avskrekking mot kriminell aktivitet. Så selv om generelle høye transaksjonskostnader ikke er ønskelige, kan målrettede avgifter på mistenkelige høy‑frekvens‑transaksjoner hjelpe betydelig.
«Økte transaksjonskostnader ser ut til å avskrekke phishing‑aktivitet, noe som indikerer at regulatorer kan utforske politikk eller mekanismer som strategisk påvirker transaksjonskostnader for å dempe ulovlig aktivitet uten å påvirke legitime markedsoperasjoner negativt.»
Til slutt bør offentlige bevissthetskampanjer synkroniseres tett med markedsdynamikken, spesielt i perioder med økt Ethereum‑markedsaktivitet eller betydelige prisbevegelser.
«Utdanningsinnsats, kombinert med rettidige offentlige varsler om potensielle phishing‑trusler, kan vesentlig redusere offer‑rater ved å øke bevisstheten blant investorer og tradere.»
Oppdage kryptofishing med AI
Velge maskinlæringsmodeller
I denne studien brukte forskerne maskinlæringsalgoritmer for å teste deres evne til å oppdage kryptosvindel. Eller mer presist, for å vurdere effektiviteten til tre‑baserte ensemble‑modeller (algoritmer som samler prediksjoner fra flere individuelle beslutningstrær) i å oppdage phishing‑angrep på Ethereum‑nettverket.
Dette inkluderte syv tre‑baserte ensemble‑modeller: Random Forest, Extra Trees, AdaBoost, CatBoost, Gradient Boosting, XGBoost og Hist Gradient Boosting.
De brukte et datasett med 71 250 ekte Ethereum‑transaksjoner fra 2017 til 2019, levert av en annen forsker, hvor 22 % var anomale. Unormale (svindel)‑transaksjoner ble samlet inn fra det åpne verktøyet EtherscanDB.
Hvilke data er nyttige for svindeldeteksjon?
Fra denne analysen fremkommer noen fakta.
Den første er at noen funksjoner i dataene var svært nyttige for phishing‑deteksjon, som blokkens tidsstempel og nummer, samt gas og gas‑pris, mens andre i hovedsak var irrelevante, som transaksjons‑indeks eller blokk‑hash.
Den andre er at noen modeller er betydelig mer effektive og raskere til å oppdage svindel. Til det punktet at noen tar opptil fem ganger så lang tid.
Imidlertid kan denne hastigheten og beregnings‑effektiviteten gå på bekostning av presisjon, ettersom Gradient Boosting var den tregeste, men også modellen som oppnådde den sterkeste samlede deteksjons‑ytelsen.
I praksis kan man finne en balanse mellom beregningsintensitet og svindeldeteksjonseffektivitet.
«Bruken av en kompakt funksjonsrepresentasjon viser at effektiv phishing‑deteksjon kan oppnås med redusert beregningsbelastning, noe som forbedrer skalerbarheten.»
Mot tryggere kryptovalutamarkeder
Krypto har både vært målet for svindel og en måte for kriminelle å hvitvaske sine ill‑ervervede gevinster, et faktum som i lang tid har vært en skamplett på sektorens omdømme.
Takket være mer akademisk forskning som disse studiene, kan både en dypere forståelse av markedsdynamikk og evnen til å oppdage og blokkere phishing‑angrep oppnås.
Sammen peker funnene mot en fremtid hvor børser, lommebøker, regulatorer og blokk‑kjede‑analysefirmaer behandler phishing‑forebygging som et dynamisk risikostyringsproblem knyttet til markedsforhold.
Dette bør også huskes av alle kryptobrukere: den enkle veien eller et plutselig krav om identifikasjon eller passord bør behandles med største mistanke, spesielt under markedsboomer og perioder med høy volatilitet.
Refererte studier
1. Yuanyuan Zhang, et al. Sammenhengen mellom kryptomarkedsforhold og phishing‑forbrytelser: Ethereum under mikroskopet. International Review of Economics & Finance. september 2026. Article: 105497. Volume 110. 10.1016/j.iref.2026.105497
2. Shikah J. Alsunaidi and Hamoud Aljamaan. Forbedret phishing‑transaksjonsdeteksjon på Ethereum‑nettverket med tre‑baserte ensembler: En empirisk studie. Blockchain: Research and Applications. 12 juni 2026, 100506. https://doi.org/10.1016/j.bcra.2026.100506
