چگونه رفتار کیف پول صرافی را از کیف پول شخصی تشخیص دهیم؟
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.
سه مفهوم مهم
ابتدا باید سه نوع آدرس را از هم جدا کنیم.
Deposit Address
آدرسی که صرافی برای دریافت دارایی از کاربران ایجاد میکند.
مثلاً:
User
↓
Deposit Address
Hot Wallet
کیف پول عملیاتی صرافی برای انتقال روزمره وجوه.
Deposit Addresses
↓
Hot Wallet
↓
Withdrawals
Cold Wallet
کیف پولی که معمولاً برای نگهداری بخش بزرگی از دارایی صرافی استفاده میشود و فعالیت کمتری دارد.
الگوی اول: تعداد زیاد ورودی
فرض کنیم یک آدرس روزانه صدها واریز دریافت میکند:
Wallet A → Address X
Wallet B → Address X
Wallet C → Address X
Wallet D → Address X
...
این رفتار میتواند با زیرساخت یک سرویس مالی سازگار باشد.
اما نمیتوان فوراً گفت:
Address X قطعاً صرافی است.
ممکن است Payment Processor، Merchant یا سرویس دیگری باشد.
الگوی دوم: Consolidation
یکی از الگوهای رایج در زیرساخت صرافیها تجمیع موجودی است.
مثلاً:
Deposit A ─┐
Deposit B ─┤
Deposit C ─┼→ Hot Wallet
Deposit D ─┤
Deposit E ─┘
این ساختار برای تحلیلگران بسیار مهم است.
اگر تعداد زیادی آدرس مرتباً موجودی خود را به یک Wallet مرکزی ارسال کنند، ممکن است نشاندهنده یک ساختار سرویس باشد.
الگوی سوم: Sweep
Sweep به انتقال دورهای موجودی Deposit Address گفته میشود.
مثلاً:
12:05
User → Deposit Address
5,000 USDT
12:12
Deposit Address → Hot Wallet
4,998 USDT
Deposit Address ممکن است پس از آن تقریباً خالی شود.
اگر این رفتار بارها تکرار شود، ارزش تحلیلی بیشتری پیدا میکند.
رفتار Wallet شخصی چگونه است؟
کیف پول شخصی معمولاً الگوی متفاوتی دارد.
ممکن است کاربر:
- دارایی نگه دارد
- به چند فرد پرداخت کند
- با DEX کار کند
- NFT بخرد
- Stake کند
- Bridge استفاده کند
بنابراین رفتار میتواند متنوع باشد.
مثلاً:
Personal Wallet
├─ DEX
├─ Friend
├─ NFT Marketplace
├─ Bridge
└─ Exchange
در حالی که Deposit Address معمولاً عملکرد محدودتری دارد.
Balance Retention
یکی از معیارهای مهم مقدار زمانی است که موجودی در Wallet باقی میماند.
فرض کنید Deposit Address همیشه:
Receive
↓
Wait 3–15 minutes
↓
Sweep
↓
Balance ≈ 0
دارد.
این الگو با Wallet شخصی که دارایی را ماهها نگه میدارد تفاوت دارد.
تعداد Counterparty
Wallet صرافی ممکن است با تعداد بسیار زیادی آدرس تعامل داشته باشد.
برای مثال:
10,000+ unique counterparties
در حالی که یک Wallet شخصی ممکن است مجموعه محدودتری داشته باشد.
اما دوباره:
High Counterparty Count ≠ Exchange
یک Smart Contract نیز میتواند هزاران Counterparty داشته باشد.
نقش Smart Contract
گاهی Address مورد بررسی اصلاً Wallet معمولی نیست.
ممکن است:
DEX Router
Bridge Contract
Token Contract
Payment Contract
باشد.
قبل از هرگونه Entity Attribution باید مشخص شود آدرس:
EOA است یا Contract؟
Withdrawal Behaviour
Hot Wallet معمولاً فقط ورودی ندارد.
بلکه تعداد زیادی خروجی نیز دارد.
مثلاً:
Hot Wallet
├→ User A
├→ User B
├→ User C
├→ User D
└→ User E
اگر هزاران خروجی در بازههای منظم دیده شود، احتمال سرویس بودن آدرس افزایش مییابد.
تراکنشهای Round Number
Walletهای صرافی گاهی مبالغ بسیار متنوعی منتقل میکنند:
127.83 USDT
4,891.12 USDT
62.44 USDT
18,771.91 USDT
زیرا هر خروجی ممکن است مربوط به درخواست Withdrawal متفاوتی باشد.
در مقابل، بعضی Walletهای عملیاتی انتقالهای Round Number بیشتری دارند.
اما این معیار باید همراه سایر شواهد بررسی شود.
Gas Funding Pattern
در بعضی شبکهها Deposit Address ممکن است برای انجام Sweep به Native Token نیاز داشته باشد.
در نتیجه الگویی مانند زیر دیده میشود:
Operational Wallet
↓
Small ETH / TRX
↓
Deposit Address
↓
Token Sweep
این رفتار در تحقیقات میتواند بسیار ارزشمند باشد.
مثال عملی
فرض کنید Address A:
- 2,500 ورودی در یک هفته دارد.
- 96٪ ورودیها USDT هستند.
- موجودی هر چند دقیقه Sweep میشود.
- همه Sweepها به Address B میروند.
- Address B هزاران Withdrawal دارد.
ساختار:
Users
↓
Address A / Deposit Addresses
↓
Address B
↓
Thousands of destinations
این الگو میتواند با معماری یک Exchange یا Custodial Service سازگار باشد.
اما برای نامگذاری Entity هنوز به شواهد Attribution نیاز داریم.
Clustering با Attribution فرق دارد
ممکن است تحلیل نشان دهد:
Address A
Address B
Address C
احتمالاً بخشی از یک زیرساخت واحد هستند.
اما این هنوز به معنی اثبات نام شرکت نیست.
دو مرحله وجود دارد:
مرحله اول
Behavioral Clustering
مرحله دوم
Entity Attribution
مرحله دوم به دادههای تکمیلی نیاز دارد.
چه شواهدی Attribution را قویتر میکند؟
برای نمونه:
- Label معتبر از Blockchain Intelligence Platform
- اعلام رسمی صرافی
- آدرس منتشرشده توسط شرکت
- Deposit Transaction تأییدشده
- اطلاعات پرونده
- پاسخ رسمی Compliance
- دادههای متعدد مستقل
هرچه تعداد منابع مستقل بیشتر باشد، Confidence بالاتر است.
اشتباه خطرناک: Deposit Address = Owner
فرض کنید دارایی سرقتشده به:
Exchange Deposit Address
رسیده است.
نباید نتیجه گرفت:
صاحب این Address همان مجرم است.
چرا؟
چون Deposit Address زیرساختی متعلق به صرافی است و کاربر پشت آن ممکن است شخص دیگری باشد.
در چنین مرحلهای اطلاعات Off-Chain اهمیت پیدا میکند.
On-Chain Evidence تا کجا میرود؟
Blockchain میتواند نشان دهد:
Wallet A
↓
Deposit Address X
اما معمولاً نمیتواند بهتنهایی بگوید:
Account Owner:
John Doe
Passport:
...
IP Address:
...
این دادهها ممکن است نزد صرافی وجود داشته باشند.
به همین دلیل در پروندههای جدی:
On-Chain Investigation + Exchange Records
میتوانند مکمل یکدیگر باشند.
Exchange Exposure چرا مهم است؟
رسیدن دارایی به یک Exchange میتواند نقطه مهمی در پرونده باشد.
زیرا ممکن است مسیر از فضای کاملاً On-Chain وارد زیرساخت Custodial شود.
برای مثال:
Stolen Funds
↓
Wallet A
↓
Wallet B
↓
Exchange Deposit
از این نقطه به بعد، دنبال کردن دارایی صرفاً از طریق Blockchain ممکن است تصویر کاملی ارائه نکند.
مدل ساده تحلیل
برای ارزیابی احتمال Exchange Wallet بودن یک آدرس میتوان پنج بخش را بررسی کرد:
Transaction Volume
+
Counterparty Count
+
Sweep Behaviour
+
Consolidation Pattern
+
Withdrawal Pattern
سپس Attribution مستقل انجام شود.
نتیجهگیری
هیچ شاخص واحدی وجود ندارد که بگوید:
«این Address قطعاً متعلق به یک صرافی است.»
تحلیل حرفهای بر ترکیب چند رفتار استوار است.
مواردی مانند:
- تعداد زیاد ورودیها
- Sweep منظم
- Consolidation
- تعداد زیاد Counterparty
- Withdrawalهای متعدد
- Gas Funding
- Balance Retention
میتوانند احتمال سرویس بودن یک Address را افزایش دهند.
اما Behavioral Analysis نباید با Entity Attribution اشتباه گرفته 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
چرا Stablecoinها به یکی از مهمترین لایههای تحلیل AML تبدیل شدهاند؟
وقتی صحبت از تحلیل تراکنشهای رمزارزی میشود، بسیاری از افراد بلافاصله Bitcoin را تصور میکنند. اما در پروندههای واقعی، Stablecoinها اهمیت بسیار زیادی پیدا کردهاند. USDT و USDC نهتنها برای معاملات استفاده میشوند، بلکه در پرداختها، انتقال سرمایه، DeFi، صرافیها و جابهجایی بین شبکهها نیز نقش مهمی دارند. گزارش BIS در سال ۲۰۲۶ نیز تأکید میکند که Stablecoinها به بخش مهمی از سیستم مالی مبتنی بر بلاکچین تبدیل شدهاند و تراکنشهای آنها میتواند شامل عملیات پیچیدهای باشد که در قالب چندین رویداد Token Transfer ثبت میشوند. از طرف دیگر، BIS هشدار داده که استفاده از Stablecoinها در فعالیتهای غیرقانونی و استفاده از ابزارهایی مانند Mixer و Cross-Chain Bridge میتواند نظارت AML/CFT را دشوارتر کند.