چرا هکرها همیشه عجله دارند؟
چرا هکرها همیشه عجله دارند؟ تحلیل زمانبندی تراکنشها در سرقتهای رمزارزی
این مقاله به بررسی یک الگوی مهم در جرایم بلاکچینی میپردازد: زمان. چرا تراکنشهای سرقتشده اغلب در بازههای زمانی خاص و با سرعت بالا انجام میشوند و این موضوع چه کمکی به ردیابی میکند؟
اگر پروندههای مختلف سرقت رمزارز را کنار هم بگذاریم، یک نکته مشترک به چشم میآید: عجله.
تقریباً هیچ هکری دارایی سرقتشده را برای مدت طولانی بدون حرکت نگه نمیدارد. این عجله، برخلاف تصور، نقطه ضعف آنهاست.
در بسیاری از موارد، اولین انتقال دارایی تنها چند دقیقه یا حتی چند ثانیه بعد از سرقت انجام میشود. هدف روشن است: خروج سریع از کیف پول اولیه قبل از اینکه قربانی متوجه شود. اما همین سرعت بالا، باعث شکلگیری الگوهای غیرطبیعی میشود.

تحلیلگران بلاکچین به زمانبندی توجه ویژهای دارند. انتقالهای پشتسرهم، بدون فاصله منطقی، معمولاً نشاندهنده تلاش برای پولشویی است. بهخصوص زمانی که این انتقالها با مقادیر تقریباً مشابه انجام میشوند.
در بررسیهای واقعی، دیده شده که بسیاری از هکرها از اسکریپتهای خودکار برای جابهجایی دارایی استفاده میکنند. این موضوع باعث میشود رفتار آنها شبیه انسانهای عادی نباشد. بلاکچین شاید نامها را نشان ندهد، اما رفتار ماشینی را بهخوبی افشا میکند.
زمانبندی تراکنشها، مخصوصاً در برخورد با صرافیها، اهمیت دوچندان دارد. ورود دارایی به صرافی معمولاً با فاصله کوتاهی بعد از سرقت اتفاق میافتد و این بازه زمانی، طلاییترین زمان برای اقدام قانونی یا فنی است.
در نهایت، چیزی که بسیاری از مجرمان نادیده میگیرند این است که بلاکچین حافظه دارد. عجله آنها برای فرار، دقیقاً همان چیزی است که مسیرشان را قابل تحلیل میکند.
بلاگها و مقالات
مشاهده همه
چرا امتیاز ریسک AML یک کیف پول بهتنهایی اثباتکننده پولشویی نیست؟
تصور کنید یک ابزار تحلیل بلاکچین، آدرس مورد بررسی را با امتیاز ریسک ۸۵ از ۱۰۰ نمایش میدهد. آیا میتوان نتیجه گرفت صاحب این کیف پول مرتکب پولشویی شده است؟ آیا چنین امتیازی برای انتساب جرم کافی است؟ و اگر آدرس موردنظر صرفاً از یک صرافی مشترک با آدرسهای پرریسک استفاده کرده باشد، نتیجه چه خواهد بود؟ این پرسشها یکی از مهمترین چالشهای تحلیل AML در حوزه رمزارز هستند. ابزارهای Blockchain Analytics میتوانند در شناسایی ارتباطات مالی و اولویتبندی تحقیقات بسیار مفید باشند، اما خروجی آنها باید با درک صحیح روش محاسبه، کیفیت دادهها و محدودیتهای انتساب تفسیر شود.
Gas Funding Analysis چیست؟
فرض کنید در یک پرونده کلاهبرداری رمزارزی، دارایی سرقتشده به پنج کیف پول متفاوت منتقل شده است. این کیف پولها ظاهراً ارتباط مستقیمی با یکدیگر ندارند. هرکدام آدرس مستقل، تاریخچه متفاوت و مجموعهای از تراکنشهای جداگانه دارند. اما هنگام بررسی دقیقتر متوجه میشویم که همه آنها پیش از اولین انتقال، مقدار کمی ETH از یک آدرس مشترک دریافت کردهاند. آیا این اتفاق تصادفی است؟ آیا پنج کیف پول توسط یک شخص کنترل میشوند؟ یا آدرس مشترک صرفاً متعلق به یک صرافی یا سرویس تأمین Gas است؟ این پرسشها نقطه آغاز Gas Funding Analysis هستند؛ روشی برای بررسی ارتباطات احتمالی میان آدرسها از طریق تحلیل منابع تأمین کارمزد شبکه.
Chain Hopping چیست؟
یک تصور قدیمی درباره ردگیری رمزارز وجود دارد: «کافی است دارایی را به شبکه دیگری ببریم تا رد آن گم شود.» اما Blockchain Forensics امروز بسیار فراتر از بررسی یک Explorer واحد رفته است. پژوهشهای ۲۰۲۶ نیز دقیقاً به همین تحول اشاره میکنند. یک مقاله ارائهشده در کنفرانس IEEE ICBC توضیح میدهد که DeFi، Bridgeهای غیرمتمرکز و Chain Hopping، تحقیقات را از یک مسئله محلی روی یک زنجیره به یک مسئله چندزنجیرهای و پیچیده تبدیل کردهاند. Doi مطالعه دیگری در اوت ۲۰۲۶ نیز یک چارچوب Forensic برای ردیابی دارایی در محیطهای چندلایه و میان Layer 1 و Layer 2 پیشنهاد کرده است. MDPI بنابراین Chain Hopping مسیر را سختتر میکند؛ اما سختترشدن با ناپدیدشدن کامل ردپا یکسان نیست.
Wash Trading چیست و چگونه میتوان معاملات ساختگی را روی بلاکچین شناسایی کرد؟
حجم معاملات یکی از اولین اعدادی است که هنگام بررسی یک Token یا بازار دیده میشود. فرض کنید یک Token تازه ایجادشده در مدت کوتاهی: $20,000,000 Trading Volume ثبت کرده باشد. در نگاه اول ممکن است تصور کنیم هزاران معاملهگر در حال خریدوفروش آن هستند. اما اگر بخش قابل توجهی از این معاملات توسط مجموعه کوچکی از Walletهای مرتبط ایجاد شده باشد چه؟ اینجا مفهوم Wash Trading اهمیت پیدا میکند. در یک بررسی منتشرشده در ۲۴ سپتامبر ۲۰۲۶، Bitquery با روش تحلیلی خود معاملات DEX در شش شبکه را بررسی کرد و گزارش داد بخش بزرگی از حجم مورد بررسی، معیارهای آنها برای معاملات غیرواقعی را داشته است. این یافته یک حکم عمومی درباره کل بازار نیست، اما نشان میدهد حجم ثبتشده روی زنجیره را نباید بدون تحلیل ساختار معاملات معادل تقاضای واقعی دانست. Bitquery