В МФТИ создали ML-алгоритм для выявления криптокошельков мошенников

В МФТИ создали ML-алгоритм для выявления криптокошельков мошенников

В МФТИ создали ML-алгоритм для выявления криптокошельков мошенников

Выпускник Физтеха разработал алгоритм машинного обучения, позволяющий выявить и заблокировать сибил-аккаунты, созданные мошенниками для кражи криптовалютных токенов, которые бесплатно раздают в рамках рекламных акций.

Разработка протестирована на 2,5 млн криптокошельков и показала точность обнаружения фальшивок 90% — в два раза выше аналогов, используемых в криптоиндустрии с целью защиты airdrop-кампаний от атак злоумышленников.

Для незаконного получения вознаграждений, предлагаемых при продвижении криптопроектов, мошенник может создать целую сеть фейковыз кошельков (сибил-аккантов). Подобные злоупотребления искажают метрики, провоцируют падение курса токенов и в итоге подрывают доверие к проекту.

«Мой алгоритм анализирует десятки параметров: от поведенческих паттернов и кросс-чейн-активности до сетевых связей между кошельками, — пояснил автор дипломной работы Алексей Саплин. — Это позволяет выявлять даже сложные кластеры, которые остаются незамеченными при использовании стандартных методов. Алгоритм показал точность 90%, а большинство существующих решений показывают эффективность на уровне 45–60%».

Тестирование разработки проводилось в рамках открытого конкурса, организованного Layer Zero, благодаря этому проект смог аннулировать несправедливое распределение токенов на сумму $10,2 миллиона.

Созданный Саплиным ML-алгоритм можно заточить и под другие криптопроекты; в МФТИ уже ведутся работы в этом направлении. Сам автор собирается продолжить исследования в аспирантуре и надеется, что ему в итоге удастся создать универсальный инструмент выявления мошеннических схем в различных блокчейн-экосистемах.

Фильтры AdBlock выдают страну даже при включённом VPN

Исследователи описали новую технику деанонимизации под названием Adbleed, которая ставит под сомнение привычное ощущение безопасности у пользователей VPN. Проблема кроется в блокировщиках рекламы. Такие расширения, как uBlock Origin, Brave или AdBlock Plus, работают на основе списков фильтров.

Есть базовый список EasyList с десятками тысяч правил для международной рекламы, а есть региональные — для Германии, Франции, России, Бразилии, Японии и других стран.

Они блокируют локальные рекламные домены, и многие пользователи включают их вручную или по рекомендации самого расширения, ориентируясь на язык браузера.

 

Adbleed использует довольно изящную идею: он измеряет время, за которое браузер обрабатывает запрос к определённому домену. Если домен заблокирован фильтром, запрос обрывается почти мгновенно — за считаные миллисекунды.

 

Если не заблокирован, браузер пытается установить сетевое соединение, и даже при ошибке это занимает в разы больше времени. Небольшой JavaScript-скрипт может проверить несколько десятков доменов, характерных для конкретного регионального списка, и по скорости отклика понять, активирован он или нет. Всё это происходит на стороне клиента без cookies, без всплывающих разрешений и без каких-то сложных эксплойтов.

В итоге атакующий может выяснить, какие национальные фильтры включены в вашем браузере. А это почти всегда коррелирует со страной проживания или хотя бы с родным языком пользователя.

Если добавить к этому часовой пояс, параметры экрана и другие элементы цифрового отпечатка, анонимность заметно сужается, даже если вы сидите через VPN или прокси.

Самое неприятное в этой истории то, что VPN тут ни при чём: он меняет сетевую «точку выхода», но не конфигурацию браузера. Ваши фильтры остаются прежними, где бы ни находился сервер.

Пользователю остаётся не самый приятный выбор: отключать региональные списки и мириться с дополнительной рекламой, пытаться «зашумить» профиль случайными фильтрами или принимать риск как есть.

RSS: Новости на портале Anti-Malware.ru