Криптовалютные адреса с высоким risk score

Как не попасть на крючок мошенников.
Проблематика
Криптовалюты стали неотъемлемой частью многих пользователей интернета. Кто-то до сих пор считает, что криптовалюты используются только для инвестиций, но не все так просто.
Криптовалюта стала надежным способом перевода средств, в частности, заграницу или для оплаты сервисов, недоступных в условиях санкций. Однако, использование криптовалют всегда связано с рисками. Мы говорим о различных мошеннических схемах, кражах и других проблемах безопасности. Где больше комьюнити, там и больше скама, не так ли?
Когда вам дают кредит, ваш рейтинг проверяют через сервис Бюро Кредитных условий. Когда вы заказываете такси, сервис такси проверяет ваш рейтинг, чтобы предоставить соответствующего рейтингу таксиста. Когда вы поступаете в университет, ваш рейтинг — результаты ЕГЭ.

Так уж сложилось, что любой рейтинг — отражение поведения адреса, предсказание поведения человека, сервиса или чего-то другого. По аналогии, в криптовалюте появилось понятие risk score.
В данной статье мы рассмотрим, что такое risk score, как он работает, какие критерии оценки риска могут быть учтены, как происходит анализ адресов с высоким и низким показателем рискованности, а также, как использование risk score может помочь защитить криптовалютные активы.
Методы вычисления Risk Score
ConsenSys is a start-up blockchain created by Ethereum network co-founder Joseph Lubbin
Risk score — кумулятивный индикатор в диапазоне от 0 до 100 в разрезе факторов риска.
Существует несколько зарубежных аналитических компаний, которые предоставляют услуги по риск скорингу криптовалютных адресов. У каждой компании свои методологии исчисления и коэффициентов веса, но глобально risk score рассчитывается на основе перечисленных ниже параметров.
  • История транзакций
    Частота, объем и тип транзакций, которые проходят через адрес
    1
  • Связь с известными скам-адресами
    Анализ связей адреса с другими адресами, на которых ранее были зарегистрированы мошеннические действия
    2
  • Связь с кражей криптовалют
    Анализ связей адреса с адресами, на которых были зарегистрированы кражи криптовалют
    3
  • Уровень анонимности
    Анализ уровня анонимности адреса и его использование в даркнете
    4
  • Использование в санкционированных странах
    Анализ того, где происходят транзакции и в каких странах находятся адресаты и отправители средств
    5
Пункт №5 стоит рассмотреть более подробно. Наши зарубежные конкуренты заверяют, что принадлежность адреса к санкционным странам поднимает risk score вплоть до 100. Мы считаем такую методологию неверной по многим причинам, о которых скажем далее. Не будем конкретизировать, но есть и конкуренты, которые рассчитывают risk score только на основании региональных санкций.

Для решения проблемы недостоверного risk score мы сформировали свою многоступенчатую методологию вычисления рискованности. Главной особенностью нашего решения стала глубинная проработка адреса, включая всех контрагентов исследуемого на шесть шагов. Также мы считаем, что средства, которые фигурировали в санкционных странах, имеют наименьший коэффициент при расчетах risk score.
Углубленный Risk Score
Как мы уже выяснили, risk score вычисляется на основе данных о транзакциях и контрагентах. Так что же такое глубинный risk score?
Под этим определением мы подразумеваем анализ всех транзакций на дистанции до шести шагов от исследуемого адреса. Почему именно шесть? Все же слышали о теории шести рукопожатий, согласно которой все люди в мире могут быть знакомы. Именно эта теория легла в основу расчета risk score. Помимо изучения всех транзакций на шесть кругов контрагентов, мы также:
анализируем контекст, в котором происходят транзакции, чтобы понимать, какие риски могут быть связаны с конкретной операцией. Например, мы можем анализировать, какая информация доступна об отправителе и получателе, где проходят транзакции, какие товары или услуги были куплены и т.д.;
анализируем данные из дополнительных источников, таких как блокчейны других криптовалют или базы данных мошеннических схем, чтобы получить максимально полное представление о риске, связанном с определенным адресом;
используем алгоритмы машинного обучения для анализа больших объемов данных и выявления скрытых связей между адресами и транзакциями. Это позволяет нам точнее определять уровень риска криптовалютных адресов и предупреждать пользователей о возможных мошеннических схемах.
Примеры
Адрес: 0x2b...26
Перед вами адрес, который был замешан в распространении фишинговых токенов. Данный адрес в какое-то время стал настолько популярным, что даже официальные источники наподобие Etherscan дали ему имя fake_phishing.

Risk score этого адреса — 100 баллов, что означает максимально высокий риск для проведения с ним операций. Если ваш адрес начнет обмениваться токенами с таким адресом, вы рискуете повысить собственный risk score вплоть до аналогичных 100 баллов.

Важно отметить, что проводить глубинный анализ такого адреса становится нецелесообразно, так как снизить показатель 100 баллов risk score невозможно.

Адрес: 0x2c…ca
Данный адрес принадлежит обычному пользователю, который активно торгует криптовалютой, участвует в стейкинге, использует DEX, вводит и выводит деньги на CEX. Тем не менее, его risk score без глубинного анализа составляет 17 баллов. Это risk score в пределах нормы.

При анализе данного адреса на несколько шагов мы видим, что его risk score постепенно увеличивается и на последнем шаге составляет 75 баллов, что выше уровня для безопасного обмена.

При обмене с таким адресом следует учитывать, что он когда-то контактировал с не самыми порядочными адресами.
выводы
В будущем risk score может стать еще более важным инструментом в криптовалюте. Пользователи смогут на его основе принимать решение, с какими адресами взаимодействовать, а также использовать для уменьшения рисков потери средств и мошенничества в криптовалюте.

Существует потенциал для улучшения методов вычисления risk score, в том числе, путем включения новых параметров и использования более продвинутых алгоритмов машинного обучения. Развитие индустрии криптовалют также может способствовать улучшению вычисления уровня risk score, поскольку новые технологии и регуляторные требования могут привести к более точному анализу и определению рисков.
Смотрите также