Cybersäkerhet
Kryptosäkerhet behöver marknadsmedveten phishingdetektering
Lägg till Securities.io bland dina föredragna källor på Google
I den moderna eran där de flesta tillgångar och värdefull information är digitaliserade är phishingbedrägerier ett viktigt sätt för kriminella att stjäla pengar, mycket högre än “vanlig” fysisk rån & utpressning, med upp till 25 miljarder dollar i globala förluster som direkt hänförs till phishing varje år.
Mer generellt uppskattas bedrägerier och bankbedrägerier ha resulterat i förluster på 485,6 miljarder dollar världen över.
Till det blir ännu värre är återvinning av medel mycket låg, så lite som 5 % för digital phishing och cyberbedrägeri (jämfört med 20 % för stulna fysiska tillgångar), eftersom de stulna medlen omedelbart tvättas genom kryptovalutor eller lager av internationella överföringsnätverk.
Denna metod ser bedragare maskera sig som pålitliga enheter för att lura individer att avslöja känslig information, ladda ner skadlig kod eller överföra pengar. Således är det i grunden en form av social ingenjörskonst som manipulerar mänsklig psykologi och förtroende snarare än att enbart förlita sig på tekniska hackningsmetoder.
Kryptovalutamarknader är särskilt sårbara för sådana attacker, eftersom transaktioner är irreversibla och stulna krypteringsnycklar kan ge kriminella tillgång till bokstavliga förmögenheter.
Två nyligen publicerade forskningsartiklar analyserade förekomsten och egenskaperna av phishing inom kryptovalutor, mer specifikt i Ethereum-nätverket.
Den första, publicerad av forskare vid University of Manchester (UK), American University of Sharjah (UAE) och Renmin University of China, undersöker marknadsförhållandena när phishing är mest utbrett. Den publicerades i International Review of Economics & Finance1 och har titeln “Samspelet mellan kryptomarknadsförhållanden och phishingbrott: Ethereum under mikroskopet”.
Den andra artikeln, skriven av en forskare vid Interdisciplinary Research Center for Finance and Digital Economy, King Fahd University of Petroleum and Minerals, visar att maskininlärningsmodeller kan identifiera phishingtransaktioner med hög noggrannhet genom att använda kompakta transaktionsnivåfunktioner. Den publicerades i Blockchain: Research and Applications2 under titeln “Förbättrad detektering av phishingtransaktioner på Ethereum-nätverket med trädbaserade ensembler: En empirisk studie”.
Hur fungerar phishing?
Phishing kan använda en mängd olika målmetoder: det kan bestå av massmeddelanden och filtrera endast för de personer som faller för bedräget, eller det kan bestå av mycket skräddarsydda meddelanden, anpassade för att framstå som legitima för en specifik individ, vanligtvis en högstående profil i en viss organisation eller en person med hög nettoförmögenhet.
I vilket fall som helst förlitar sig metoden på att imitera ett legitimt meddelande, vare sig det är ett bankmail, en faktura från en känd leverantör osv. Ofta kommer offret att omdirigeras till en webbplats som ser ut som den legitima men som egentligen bara är avsedd att samla in inloggningar, lösenord och annan konfidentiell information.
De senaste framstegen inom AI har bara gjort hoten värre, eftersom mer anpassningsbara meddelanden eller till och med imitation av en verklig persons röst kan användas för att skapa förtroende.
Det är därför en av rekommendationerna för att skydda mot phishing är att alltid granska hela URL:en för webbadresser innan man anger lösenord eller finansiella data, att verifiera källan direkt och att aktivera multifaktorautentisering (MFA).
Ethereum-marknadsförhållanden & phishing
Bygga en relevant datamängd
Studien använde månatliga kryptovaluta-data från januari 2016 till december 2022 för att analysera avkastningen av globala phishingbrottsstatistik. Året 2016 valdes eftersom det var då Ethereum fick mer offentlig uppmärksamhet och såg högre nivåer av marknadsaktivitet, samt när Ethereums marknadsvärde började uppleva betydande tillväxt och volatilitet.
Phishing är med hela klart den mest förekommande typen av bedrägeri i kryptovärlden och utgör mer än hälften av det totala antalet. De decentraliserade app-kedjorna på Ethereum är där den överväldigande majoriteten av dessa bedrägerier inträffade.
Forskarna jämförde dessa phishingstatistik med sex Ethereum-finansiella mått som samlats in från transaktioner utförda på kryptobörsen Kraken:
- Totalt antal transaktioner.
- Genomsnittligt pris per transaktion.
- Genomsnittlig transaktionskvantitet.
- Samlad mängd handlade tokens.
- Kyle’s lambda: förhållandet mellan prisförändring och ordervolym, eller hur mycket en stor handel påverkar en tillgångs pris.
- Implicit transaktionskostnad.
Mer handel betyder mer phishing
När man ser på korrelationen mellan dessa Ethereum-marknadsstatistik och phishing framträder en tydlig korrelation: stora ökningar i phishingbrottsantal är starkt förknippade med stora ökningar i Ethereums transaktionsaktivitet, genomsnittligt transaktionspris och transaktionskvantitet.
Inte förvånande är transaktionskostnader negativt förknippade med phishingaktivitet, eftersom bedragare försöker undvika förluster på varje stulen transaktion.
Dock var lägre likviditet kopplad till mer phishing, eftersom det får användare att söka alternativa, potentiellt osäkra metoder för att spara på kostnader eller snabba upp transaktioner.
En viktig anledning till denna korrelation, som forskarna misstänker, är att högre handelsaktivitet speglar ökat intresse och engagemang. Detta skapar i sin tur en större pool av potentiella phishingmål som sannolikt har sänkt sin vaksamhet.
På liknande sätt kan rädslan för att gå miste om potentiella finansiella vinster (FOMO) också få individer att bli mer sårbara, vilket leder till hastiga beslut.
Sammanfattningsvis skapar detta två kanaler genom vilka förhållanden på Ethereum-marknaderna påverkar phishing. Den första är att lägre kostnader helt enkelt skapar större vinst, vilket incitamentar kriminella att öka sina phishingförsök.
“När likviditeten är djup och de implicita kostnaderna är låga kan förövare flytta eller konvertera stulna tillgångar med lägre genomförandekostnader, vilket ökar den nettoavkastning som phishing ger.”
Den andra är kunskapen om att kraftiga ökningar i pris, volatilitet och handelsvolym kan locka oerfarna eller mindre informerade investerare till marknaden, som blir mer utsatta för spekulativa berättelser, brådska och rädsla för att gå miste om något.
“I detta avseende fungerar marknadssentiment och uppmärksamhet som beteendemässiga förmedlare, eftersom de inte direkt orsakar phishing, men de kan öka sannolikheten för framgång för phishingförsök genom att öka antalet och mottagligheten hos potentiella offer.”
Policypåverkan
Eftersom phishingverksamheter inte opererar i ett vakuum utan reagerar på marknadsförhållanden, bör även policyer kring finansiella brott göra det. Ett första steg skulle vara att erkänna dessa samband och reagera därefter.
“Reglerande myndigheter och kryptovalutabörser kan förbättra sina övervakningsmekanismer under perioder av betydande marknadsaktivitet eller volatilitet, genom att anta proaktiva strategier för att identifiera och avbryta potentiella phishingkampanjer innan de påverkar offer.”
En annan aspekt är att transaktionskostnader kanske inte bara är kostnader, utan också ett avskräckningsmedel mot kriminella aktiviteter. Så även om generella höga transaktionskostnader inte är önskvärda, kan riktade avgifter på misstänkta högfrekventa transaktioner vara mycket hjälpsamma.
“Förhöjda transaktionskostnader verkar avskräcka phishingaktivitet, vilket indikerar att regulatorer kan utforska policyer eller mekanismer som strategiskt påverkar transaktionskostnader för att motverka olaglig verksamhet utan att negativt påverka legitima marknadsoperationer.”
Slutligen bör offentliga medvetenhetskampanjer vara nära synkroniserade med marknadsdynamiken, särskilt under perioder med ökad Ethereum-marknadsaktivitet eller betydande prisrörelser.
“Utbildningsinsatser, kombinerade med snabba offentliga varningar om potentiella phishinghot, kan avsevärt minska antalet offer genom att öka medvetenheten bland investerare och handlare.”
Detektera kryptophishing med AI
Val av maskininlärningsmodeller
I denna studie använde forskarna maskininlärningsalgoritmer för att testa deras förmåga att upptäcka kryptobedrägerier. Eller mer exakt, för att bedöma effektiviteten hos trädbaserade ensembler (algoritmer som samlar prediktioner från flera individuella besluts-träd) i att upptäcka phishingattacker på Ethereum-nätverket.
Detta inkluderade sju trädbaserade ensembler: Random Forest, Extra Trees, AdaBoost, CatBoost, Gradient Boosting, XGBoost och Hist Gradient Boosting.
De använde en datamängd med 71 250 verkliga Ethereum-transaktioner från 2017 till 2019, tillhandahållen av en annan forskare, varav 22 % är avvikande. Onormala (bedrägerirelaterade) transaktioner samlades in från det öppna verktyget EtherscanDB.
Vilken data är användbar för bedrägeridetektering?
Från denna analys framträder några fakta.
Den första är att vissa funktioner i datan var mycket användbara för phishingdetektering, såsom ett blocks tidsstämpel och nummer, samt gas och gaspris, medan andra i princip var irrelevanta, såsom transaktionsindex eller blockhash.
Den andra är att vissa modeller är avsevärt mer effektiva och snabbare på att upptäcka bedrägerier. Till den grad att vissa tar upp till fem gånger längre tid.
Dock kan denna hastighet och beräkningsmässiga effektivitet gå parallellt med lägre precision, eftersom Gradient Boosting var den långsammaste, men också den modell som uppnådde den starkaste övergripande detekteringsprestandan.
I praktiken kan en kompromiss mellan beräkningsintensitet och bedrägeridetekteringseffektivitet hittas.
“Användningen av en kompakt funktionsrepresentation visar att effektiv phishingdetektering kan uppnås med minskad beräkningsbelastning, vilket förbättrar skalbarheten.”
Mot säkrare kryptovalutamarknader
Kryptovalutor har både varit måltavla för bedrägerier och ett sätt för kriminella att tvätta sina olagligt förvärvade vinster, ett faktum som länge har varit en fläck på sektorns rykte.
Tack vare mer akademisk forskning som dessa studier kan både en djupare förståelse för marknadsdynamik och förmågan att upptäcka och blockera phishingattacker uppnås.
Tillsammans pekar resultaten mot en framtid där börser, plånböcker, regulatorer och företag för blockkedjeanalys behandlar phishingförebyggande som ett dynamiskt riskhanteringsproblem kopplat till marknadsförhållanden.
Detta bör också vara viktigt att komma ihåg för alla kryptoanvändare, att den enkla vägen eller ett plötsligt krav på identifiering eller lösenord bör behandlas med största misstänksamhet, särskilt under marknadsboomer och perioder med hög volatilitet.
Studier som refereras
1. Yuanyuan Zhang, et al. Samspelet mellan kryptomarknadsförhållanden och phishingbrott: Ethereum under mikroskopet. International Review of Economics & Finance. september 2026. Artikel: 105497. Volume 110. 10.1016/j.iref.2026.105497
2. Shikah J. Alsunaidi and Hamoud Aljamaan. Förbättrad detektering av phishingtransaktioner på Ethereum-nätverket med trädbaserade ensembler: En empirisk studie. Blockchain: Research and Applications. 12 juni 2026, 100506. https://doi.org/10.1016/j.bcra.2026.100506
