Yapay Zeka, Ethereum Ponzi Şemalarını Fonlar Hareket Etmeden Önceden Tespit Edebilir mi?

Kripto dolandırıcılık tespiti genellikle para hareket etmeye başladıktan sonra başlar. Araştırmacılar işlemleri izler, borsalar şüpheli adresleri işaretler ve uyum ekipleri tanınabilir kalıpları arar. Bu yaklaşım gereklidir, ancak aynı zamanda tepkisel bir yaklaşımdır. Bir adres tehlikeli görünür bir geçmiş biriktirdiğinde, yatırımcılar zaten fonlarını kaybetmiş olabilir.

Yeni bir çalışma farklı bir olasılık sunuyor: bir Ethereum (ETH ) sözleşmesini, işlem geçmişi faydalı hale gelmeden önce. Hohai University araştırmacıları, dağıtılmış akıllı sözleşme bayt kodunda Ponzi şemalarının anlamsal ve yapısal özelliklerini arayan PonziFusion adlı bir makine öğrenimi çerçevesi geliştirdi.¹

Önemli ayrım zamanlamadır. PonziFusion, doğrulanmış kaynak koduna veya uzun bir depozito ve ödeme geçmişine ihtiyaç duymaz. Bir sözleşmenin ne yapacak şekilde programlandığını ve yürütme yollarının nasıl düzenlendiğini analiz eder; bu sayede güvenlik, işlem öncesi risk taramasına doğru kaydırılabilir.

Ethereum Ponzi Şemalarının Neden Tespit Edilmesinin Zor Olduğu

Geleneksel bir Ponzi şeması, yeni katılımcılardan gelen parayı önceki katılımcılara ödeyerek, meşru getiriler gibi bir görünüm yaratır. Bir blokzincir versiyonu bu süreci bir akıllı sözleşmeye kodlayabilir ve görünür bir insan aracı olmadan çalışabilir.

Ethereum akıllı sözleşmeleri, Ethereum Virtual Machine tarafından yürütülen programlardır. Dağıtıldıktan sonra bayt kodları herkesin erişimine açıktır ve değiştirilmesi zordur. Bu şeffaflık denetim için ideal gibi görünse de, ham bayt kodu insanlar için yazılmamıştır. Kaynak kodunda bulunan açıklayıcı isimler ve net yapı eksiktir.

Doğrulanmış kaynak kodu evrensel değildir. Çalışma, Ethereum’un Aralık 2025 itibarıyla 88 milyondan fazla dağıtılmış akıllı sözleşmeye sahip olduğunu, ancak yalnızca yaklaşık 825.000 tanesinin Etherscan’da halka açık doğrulanmış kaynak koduna sahip olduğunu belirtmektedir. Okunabilir kaynak koda bağımlı bir sistem, çoğu sözleşmeyi erişim dışı bırakır.

İşlem tabanlı sistemlerin ters bir sorunu vardır. Şüpheli ödeme ilişkilerini, döngüsel transferleri veya anormal getirileri ancak etkinlik ortaya çıktıktan sonra tespit edebilirler. Yeni dağıtılan bir Ponzi sözleşmesi, davranışsal bir model oluşturacak kadar az işlem olduğu için başlangıçta zararsız görünebilir. Bu durum, dağıtım ile tespit arasındaki tehlikeli bir boşluk yaratır.

PonziFusion Sözleşme Amacını Nasıl Okur

PonziFusion, aynı sözleşmenin iki bakış açısını birleştirir. İlk bakış, opcode anlamsallığını inceler; bu, Ethereum bayt kodunda bulunan düşük seviyeli talimatlar anlamına gelir. Bu talimatlar, gelen değer, depolama değişiklikleri ve dış çağrılarla ilgili işlemleri ortaya çıkarabilir. İkinci bakış ise sözleşmenin kontrol akış grafiğini inceler; bu, program içinde yürütmenin alabileceği olası yolların bir temsilidir.

Her iki bakış da tek başına eksiktir. Anlamsal özellikler bir sözleşmenin fonları hareket ettirdiğini gösterebilir ancak bu işlemlerin daha geniş düzenini açıklamayabilir. Yapısal özellikler tekrarlanan dalları ve ödeme yollarını ortaya çıkarabilir ancak sahte bir dağıtım sistemini meşru bir finansal uygulamadan ayırt edemeyebilir. PonziFusion, sözleşmenin ne yaptığını ve mantığının nasıl düzenlendiğini yakalamak için ikisini birleştirir.

Çerçeve, sinyali bulanıklaştırabilecek bilgileri kaldırır. Erişilemeyen veya alakasız kontrol akışı düğümlerini ve rutin dağıtıcı mantığını filtreler, ardından basit doğrusal yolları birleştirir. Küresel yollar ve yerel alt grafiklerden elde edilen özellikler opcode dizileriyle eşleştirilir ve bir rastgele orman sınıflandırıcısına gönderilir.

Araştırmacılar, yaygın bir dolandırıcılık tespit problemi olan sınıf dengesizliğine de çözüm getirdi. Veri setleri, Ponzi şemalarından çok daha fazla sayıda meşru sözleşme içeriyordu. Eğitim verilerinde azınlık sınıfın sentetik temsillerini oluşturmak için SVM-SMOTE kullandılar ve test bölümlerindeki orijinal dengesizliği korudular.

• Opcode özellikleri, bir sözleşmenin gerçekleştirdiği işlemleri tanımlar.
• Kontrol akışı özellikleri, bu işlemlerin nasıl bağlandığını tanımlar.
• Filtreleme, sınıflandırmadan önce gürültüyü azaltır.
• Aşırı örnekleme, modelin sınırlı Ponzi örneklerinden öğrenmesine yardımcı olur.

Ethereum Dolandırıcılık Tespit Sonuçları Ne Gösteriyor

Çalışma, üç açık veri setinden alınan 6.166 benzersiz Ethereum sözleşmesini değerlendirdi. Yalnızca 389’ı Ponzi şeması olarak sınıflandırıldı; bu da kesinlik‑duyarlılık performansını özellikle önemli kılıyor. Dengesiz bir veri setinde bir model, neredeyse her şeyin meşru olduğunu tahmin ederek doğru gibi görünebilir.

PonziFusion tüm altı karşılaştırma yönteminde hassasiyet, geri çağırma, F1-skoru, AUC-ROC ve AUC-PR açısından üstün çıktı. 0.9297 hassasiyeti, Ponzi şeması olarak işaretlenen sözleşmelerin genellikle sahte olduğunu gösterir. Bu, operasyonel açıdan önemlidir çünkü aşırı yanlış alarm bir tarama sistemini kullanılamaz hâle getirebilir.

0.7550 geri çağırması daha fazla dikkat gerektirir. Model, Ponzi sözleşmelerinin yaklaşık üçte ikisini tespit etti; bu aynı zamanda yaklaşık dörtte birini kaçırdığı anlamına gelir. Bu nedenle PonziFusion, kesin bir yargıdan ziyade risk‑sıralama katmanı olarak daha iyi anlaşılmalıdır. Bir uyarı, daha derin analiz, işlem simülasyonu veya manuel inceleme tetikleyebilir; temiz bir sonuç ise güvenliğin kanıtı olarak değerlendirilmemelidir.

İşlem Öncesi Taramanın Kripto Güvenliğini Nasıl Değiştirebileceği

Bu araştırmanın daha geniş değeri yalnızca klasik Ponzi sözleşmelerini tanımlamaya sınırlı değildir. Statik sözleşme analizinin, bir cüzdan bir işlemi imzalamadan önce karar sürecinin bir parçası haline gelebileceğini göstermektedir.

Bir cüzdan, istenen etkileşimi bayt kodu risk puanı ile karşılaştırabilir. Bir borsa, yeni listelenen tokenları mevduat açılmadan önce tarayabilir. Bir uyum platformu, mağdurların tanınabilir bir iz bırakmasını beklemeden sözleşmeleri araştırma önceliği olarak belirleyebilir. Bu kontroller, davranışsal analizleri tamamlayıcı nitelikte olup yerini almaz.

Kripto dolandırıcılığı birkaç katmanda gerçekleşir. Sosyal mühendislik bir mağduru harekete geçmeye ikna eder, arayüzler hedefi gizler, sözleşmeler mantığı yürütür ve işlemler varlıkları hareket ettirir. Securities.io’nun küresel kripto dolandırıcılığına yönelik baskısı, sorunun ne kadar uluslararası hâle geldiğini gösteriyor. Aynı zamanda piyasa farkındalıklı Ethereum kimlik avı tespiti incelemesi, dolandırıcılık faaliyetlerinin piyasa koşullarıyla değiştiğini ortaya koyuyor.

PonziFusion farklı bir sinyal ekler: programın kendisi. Sözleşme‑seviyesindeki risk, işlem davranışı, adres istihbaratı ve kullanıcı‑arayüz uyarılarını birleştirmek, tek bir yönteme kıyasla çok daha güçlü bir savunma sağlayabilir.

Sözleşme Bayt Kodundan Dolandırıcılığı Okumanın Sınırları

Saldırganlar, statik tarama yaygınlaşırsa uyum sağlayacaktır. Ölü kod ekleyebilir, basit işlemleri birçok bloğa bölerek parçalayabilir, sahte dallar oluşturabilir veya kontrol akışını düzleştirerek orijinal yapının geri kazanılmasını zorlaştırabilir. PonziFusion bazı temel gürültüyü azaltabilir, ancak araştırmacılar gelişmiş gizlemelerin hâlâ zorlayıcı olduğunu kabul etmektedir.

Çerçeve ayrıca, fonların işlenmesiyle ilişkili işlemleri tanımlayan önceden tanımlı kurallara da kısmen dayanır. Tanıdık olmayan talimatlar veya dolaylı ödeme mekanizmaları kullanan yeni bir şema, filtrenin önemli kanıtları göz ardı etmesine yol açabilir. Ayrıca model, Ponzi şemalarını tek bir sınıf olarak ele alır; oysa yapıları zincir‑şeklinde, ağaç‑şeklinde, şelale‑temelli veya hibrit olabilir.

Bu sınırlamalar katmanlı bir geleceğe işaret eder. Statik analiz sözleşmeleri tarayabilir, simülasyon davranışlarını test edebilir ve işlem izleme gelişen ödeme ağlarını tespit edebilir. Araştırmacılar, bu sinyallerin kesiştiği sözleşmelere odaklanabilir.

Bu katmanlı yaklaşım, blokzincir mimarisi giderek karmaşıklaştıkça özellikle önem kazanır. Securities.io’nun kuantum çağı için blokzincir mimarisi üzerine yaptığı son analiz, güvenlik varsayımlarının altyapı ile birlikte evrimleşmesi gerektiğini vurguluyor. Dolandırıcılık tespiti de aynı gereksinimi taşır: savunmalar, sözleşme tasarımları ve saldırgan teknikleri değiştikçe uyum sağlayabilmelidir.

Mastercard ile Blokzincir İstihbaratına Yatırım

Spekülatif bir güvenlik tokenı yerine dijital varlık güvenliğine maruz kalmak isteyen yatırımcılar için Mastercard, ilgili bir halka açık piyasa bağlantısı sunar. Şirket, bankalar, borsalar ve diğer kurumlar için dolandırıcılık koruması, kara para aklamayı önleme araçları ve blokzincir soruşturmaları sağlayan bir kripto para istihbarat işi olan CipherTrace’i satın almıştır.

Mastercard’ın mevcut yetenekleri ağırlıklı olarak blokzincir işlem atıfları ve risk istihbaratına odaklanır. PonziFusion, işlem geçmişi mevcut olmadan sözleşme mantığını değerlendiren tamamlayıcı bir aşama sunar. Mastercard ile araştırmacılar arasında açıklanmış bir ticari ilişki bulunmamakla birlikte, çalışma sözleşme‑seviyesindeki makine öğreniminin blokzincir istihbarat platformlarının kapsamını nasıl genişletebileceğini göstermektedir.

Mastercard, CipherTrace’i Yapay Zeka, siber ve blokzincir yetenekleri birleştiren bütünleşik bir teklifin parçası olarak tanımlamıştır. Düzenleyici kurumlar tokenleştirilmiş varlıkları ve kripto hizmetlerini benimsemeye devam ederse, karşı tarafları, işlemleri ve bunları yöneten sözleşmeleri değerlendiren araçlara olan talep artacaktır. Mastercard, bu eğilime tek bir tespit modeline bağımlı kalmadan, daha geniş bir ödeme ve siber güvenlik iş modeli aracılığıyla çeşitlendirilmiş bir maruziyet sunar.

Çalınan Fonları Takip Etmekten Maruziyeti Önlemeye

PonziFusion Ethereum dolandırıcılığını çözmez ve geri çağırma oranı, tek başına savunma hattı olarak güvenli bir şekilde çalışamayacağını açıkça ortaya koyar. Önemli olan, opak bayt kodundan faydalı dolandırıcılık sinyallerinin, bir sözleşme uzun bir davranış geçmişi oluşturmasından önce çıkarılabileceğini göstermesidir.

Bu, koruma sırasını değiştirir. Kayıpları beklemek, fonları izlemek ve adresleri etiketlemek yerine, platformlar sözleşme riskini dağıtımda ya da etkileşimden hemen önce değerlendirebilir. En güçlü sistemler bu erken uyarıyı simülasyonlar, işlem analitiği ve sürekli güncellenen tehdit istihbaratıyla birleştirecektir.

Ethereum ve daha geniş akıllı sözleşme ekonomisi için güven, her kullanıcının kodu okuyabilmesine değil, güvenlik altyapısının kodu anlaşılabilir bir risk sinyaline dönüştürebilmesine daha çok bağlı olacaktır. PonziFusion bu hedefe doğru erken ama güvenilir bir adımdır.

Kaynaklar:

¹ Lei, J., Tong, Y., Ji, S., Wang, X., Huang, C., & Zhang, P. (2026). PonziFusion: Sözleşme semantik ve yapısal özelliklerinin birleşimiyle Ponzi şeması tespiti. Blockchain: Research and Applications, 100565. https://doi.org/10.1016/j.bcra.2026.100565