Wallet Clustering چیست؟
چگونه ارتباط احتمالی میان کیف پولهای بلاکچینی بررسی میشود؟
یکی از پرسشهای مهم در تحقیقات بلاکچینی این است: آیا چند آدرس مختلف میتوانند به یک مجموعه یا کنترلکننده مرتبط باشند؟ پاسخ این سؤال همیشه ساده نیست. کاربران میتوانند دهها کیف پول داشته باشند و از طرف دیگر، یک سرویس نیز ممکن است برای اهداف مختلف از تعداد زیادی آدرس استفاده کند. اینجاست که مفهوم Wallet Clustering اهمیت پیدا میکند.
خوشهبندی کیف پولها تلاش میکند با بررسی الگوهای تراکنشی و سایر دادههای قابل مشاهده، آدرسهایی را که احتمالاً ارتباط عملیاتی دارند در یک گروه تحلیلی قرار دهد.
اما نکته بسیار مهم این است که:
Wallet Clustering لزوماً اثبات مالکیت مشترک نیست.
Wallet Clustering چیست؟
Wallet Clustering یا خوشهبندی کیف پولها، فرآیندی تحلیلی برای گروهبندی آدرسهایی است که بر اساس شواهد موجود ممکن است با یکدیگر ارتباط داشته باشند.
این ارتباط میتواند ناشی از:
- کنترل مشترک
- مدیریت یک سرویس
- استفاده از یک زیرساخت
- ارتباط عملیاتی
- یا الگوهای مشابه رفتاری
باشد.
بنابراین، نتیجه خوشهبندی باید با دقت و با بیان احتمالی گزارش شود.
چرا Wallet Clustering مهم است؟
فرض کنید در یک پرونده، دارایی از یک کیف پول به آدرس دیگری منتقل شده و سپس به چندین آدرس مختلف تقسیم شده است.
اگر هر آدرس کاملاً جداگانه بررسی شود، ممکن است مسیر بسیار پیچیده به نظر برسد.
اما اگر شواهد کافی برای ارتباط میان بخشی از این آدرسها وجود داشته باشد، تحلیلگر میتواند ساختار جریان دارایی را بهتر درک کند.
این موضوع در:
- Crypto Forensics
- AML
- بررسی سرقت رمزارز
- تحقیقات مالی
- تحلیل جریان دارایی
کاربرد دارد.
چه دادههایی در خوشهبندی مورد توجه قرار میگیرند؟
یک تحلیلگر ممکن است مجموعهای از شاخصها را در کنار یکدیگر بررسی کند.
۱. الگوهای تراکنشی
زمان، مقدار و ترتیب تراکنشها میتوانند اطلاعات مهمی ارائه دهند.
برای مثال، اگر چند آدرس به شکل مشابه و در بازههای زمانی نزدیک رفتار کنند، ممکن است ارزش بررسی داشته باشد.
۲. ارتباط با آدرسهای مشترک
اگر چند آدرس در یک ساختار انتقال پیچیده بارها با نقاط مشترکی تعامل داشته باشند، میتوان این روابط را بهصورت گراف تحلیل کرد.
اما باز هم باید توجه داشت:
ارتباط تراکنشی مساوی مالکیت نیست.
۳. رفتار زمانی
گاهی الگوی زمانی انتقالها میتواند در تحلیل مفید باشد.
مثلاً:
Wallet A → Wallet X
Wallet B → Wallet X
Wallet C → Wallet X
در یک بازه زمانی نزدیک.
این الگو بهتنهایی نتیجه قطعی ایجاد نمیکند، اما میتواند یک سرنخ برای بررسی بیشتر باشد.
نقش Graph Analysis
یکی از بهترین روشها برای درک ارتباط میان تعداد زیادی آدرس، نمایش آنها به شکل یک گراف است.
در این مدل:
Node = آدرس
و
Edge = ارتباط تراکنشی
به این ترتیب میتوان ساختاری مانند زیر مشاهده کرد:
A → B → C
یا ساختار پیچیدهتر:
A → B → C
A → D → E
B → F → G
این مدل دیداری میتواند نقاط تمرکز و ارتباطهای مهم را بهتر نشان دهد.
یک سناریوی فرضی
فرض کنید یک پرونده شامل ۳۰ آدرس است.
در بررسی اولیه مشخص میشود که این آدرسها در سه گروه قرار میگیرند:
گروه A
آدرسهایی که دارایی را دریافت کردهاند.
گروه B
آدرسهای واسط.
گروه C
آدرسهایی که دارایی در نهایت به آنها رسیده است.
تحلیلگر میتواند با بررسی روابط میان این گروهها، جریان دارایی را بازسازی کند.
اما اگر مثلاً چند آدرس در گروه B رفتار مشابه داشته باشند، باید بررسی شود آیا این شباهت حاصل یک ارتباط واقعی است یا صرفاً نتیجه الگوی رایج انتقال دارایی.
مهمترین محدودیت Wallet Clustering
یکی از خطرناکترین اشتباهات تحلیلی، تبدیل یک فرضیه تحلیلی به یک واقعیت قطعی است.
برای مثال:
«این دو آدرس با یکدیگر ارتباط داشتهاند.»
با این عبارت تفاوت دارد:
«این دو آدرس متعلق به یک فرد هستند.»
عبارت دوم به شواهد بسیار بیشتری نیاز دارد.
یک گزارش حرفهای باید میان:
- مشاهده
- استنباط
- فرضیه
- نتیجه اثباتشده
تفاوت قائل شود.
Wallet Clustering در پروندههای AML
در تحلیل AML، هدف معمولاً فقط پیدا کردن یک تراکنش نیست.
تحلیلگر به دنبال الگوهایی مانند:
- جریانهای غیرمعمول
- تقسیم وجوه
- انتقالهای زنجیرهای
- ارتباط با سرویسهای پرریسک
- جابهجایی بین شبکهها
- ورود و خروج سریع دارایی
است.
Wallet Clustering میتواند به سازماندهی این دادهها کمک کند.
جدول مقایسه
مفهوم
معنی
Address
یک آدرس بلاکچینی
Transaction
انتقال یا تعامل ثبتشده
Wallet Clustering
گروهبندی تحلیلی آدرسها
Graph Analysis
بررسی ارتباطها به شکل شبکه
Attribution
نسبت دادن آدرس به یک سرویس یا موجودیت
Identity
هویت واقعی شخص یا سازمان
چرا یک خوشه ممکن است اشتباه باشد؟
چون یک الگوی تراکنشی میتواند دلایل مختلف داشته باشد.
برای مثال، رفتار مشابه ممکن است ناشی از:
- فعالیت یک صرافی
- سیستم پرداخت
- قرارداد هوشمند
- ربات معاملاتی
- مدیریت خزانه
- یا فعالیت یک کاربر
باشد.
به همین دلیل، تحلیلگر باید از چند منبع داده استفاده کند و نتیجه را با سطح اطمینان مناسب بیان کند.
استاندارد یک گزارش حرفهای
اگر قرار است نتیجه Wallet Clustering در گزارش رسمی ارائه شود، بهتر است موارد زیر مشخص شوند:
- آدرسهای مورد بررسی
- دادههای مورد استفاده
- مبنای ارتباط احتمالی
- محدودیتهای تحلیل
- سطح اطمینان
- مواردی که هنوز اثبات نشدهاند
این روش باعث میشود گزارش از نظر فنی قابل دفاعتر باشد.
FAQ
آیا Wallet Clustering مالک واقعی کیف پول را مشخص میکند؟
خیر. خوشهبندی یک روش تحلیلی است و لزوماً هویت واقعی فرد را مشخص نمیکند.
آیا چند کیف پول با رفتار مشابه متعلق به یک نفر هستند؟
نه لزوماً. شباهت رفتاری تنها میتواند یک سرنخ باشد.
آیا Wallet Clustering در همه بلاکچینها یکسان است؟
خیر. ساختار هر شبکه، نوع تراکنشها و دادههای قابل دسترس میتواند روش تحلیل را تغییر دهد.
آیا میتوان نتیجه خوشهبندی را در گزارش قضایی استفاده کرد؟
نتیجه تحلیل میتواند بخشی از مستندات فنی باشد، اما نحوه استفاده و میزان اعتبار آن به کیفیت شواهد، روش تحلیل و الزامات مرجع رسیدگی بستگی دارد.
جمعبندی
Wallet Clustering یکی از ابزارهای مهم برای درک ساختار پیچیده تراکنشها در بلاکچین است.
اما قدرت واقعی آن زمانی مشخص میشود که تحلیلگر از آن بهعنوان یک ابزار استنباطی استفاده کند، نه یک روش قطعی برای تعیین مالکیت.
در تحلیل حرفهای، دادههای آنچین باید در کنار برچسبهای معتبر، اطلاعات سرویسها و شواهد خارج از زنجیره قرار گیرند تا تصویر دقیقتری ایجاد شود.
بلاگها و مقالات
مشاهده همه
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
چگونه رفتار کیف پول صرافی را از کیف پول شخصی تشخیص دهیم؟
در بسیاری از تحقیقات Blockchain Forensics یک سؤال مهم مطرح میشود: آیا این آدرس متعلق به یک کاربر عادی است یا بخشی از زیرساخت یک صرافی؟ این سؤال ساده به نظر میرسد، اما پاسخ همیشه ساده نیست. یک صرافی ممکن است هزاران یا حتی میلیونها Deposit Address داشته باشد و ساختار مدیریت وجوه آن با یک Wallet شخصی تفاوت زیادی داشته باشد. از طرف دیگر، صرفاً داشتن تعداد زیاد تراکنش نیز ثابت نمیکند یک آدرس متعلق به Exchange است. برای تحلیل صحیح باید رفتار آدرس بررسی شود.