Chain Hopping چیست؟
آیا تغییر مداوم بلاکچین واقعاً رد پول را قطع می‌کند؟
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.
Chain Hopping چیست؟
Chain Hopping یعنی جریان دارایی در طول مسیر از چند Blockchain عبور کند.
مثلاً:
Ethereum
↓
DEX
↓
ETH → USDC
↓
Bridge
↓
Arbitrum
↓
DEX
↓
USDC → ETH
↓
Bridge
↓
Solana
تحلیلگری که فقط Ethereum را بررسی کند، مسیر را در اولین Bridge از دست می‌دهد.
اما تحلیلگر Multi-Chain تلاش می‌کند Value Flow را در شبکه مقصد پیدا کند.
چرا Chain Hopping مسیر را پیچیده می‌کند؟
چون چند متغیر همزمان تغییر می‌کنند:
Network
Asset
Address
Transaction ID
Protocol
مثلاً:
Ethereum:
USDT
↓ Bridge
Arbitrum:
USDC
↓ Swap
ETH
اگر فقط USDT دنبال شود، مسیر ظاهراً قطع شده است.
اما ارزش اقتصادی ادامه دارد.
Address Flow در برابر Value Flow
این یکی از مهم‌ترین مفاهیم تحقیقات چندزنجیره‌ای است.
فرض کنید:
Wallet A
↓
Bridge Contract
از دید Address Flow، پول وارد Contract شده است.
اما از دید Value Flow:
100,000 USDT
↓
Bridge
↓
99,800 USDC
↓
Wallet B
دارایی همچنان مسیر قابل بررسی دارد.
سه تغییر همزمان
Chain Hopping می‌تواند شامل سه تغییر باشد:
تغییر شبکه
Ethereum → Arbitrum
تغییر دارایی
USDT → ETH
تغییر Wallet
Wallet A → Wallet B
ترکیب هر سه مورد Investigation را دشوارتر می‌کند.
تحلیلگر از کجا شروع کند؟
برای هر Hop باید پنج سؤال پاسخ داده شود:
- چه دارایی وارد شد؟
- چه مقدار وارد شد؟
- چه زمانی وارد شد؟
- در مقصد چه دارایی‌ای ظاهر شد؟
- کدام Wallet آن را دریافت کرد؟
Temporal Correlation
فرض کنید:
14:05:10
Ethereum
100,000 USDT → Bridge
14:06:02
Arbitrum
99,850 USDC → Wallet B
فاصله زمانی نزدیک می‌تواند یک سرنخ باشد.
اما زمان به‌تنهایی کافی نیست.
Amount Correlation
عامل بعدی مقدار است:
Source:
100,000 USDT
Destination:
99,850 USDC
اختلاف ممکن است ناشی از:
- Fee
- Swap
- Bridge Fee
- Slippage
باشد.
بنابراین انتظار Amount کاملاً یکسان همیشه منطقی نیست.
Asset Transformation
فرض کنید:
TRON
100,000 USDT
↓
Service
↓
Ethereum
31 ETH
جستجوی 100,000 USDT در مقصد کمکی نمی‌کند.
باید ارزش تقریبی دارایی در زمان تراکنش نیز بررسی شود.
Transaction Graph چندلایه
به جای:
A → B → C → D
ممکن است با این ساختار مواجه شویم:
TRON
A → B
↓
Bridge
────────────
Ethereum
↓
C
↓
DEX
────────────
Arbitrum
↓
D
↓
Exchange
برای گزارش، مرز شبکه‌ها باید کاملاً مشخص باشد.
رفتار پس از Hop مهم است
گاهی تطبیق خود Bridge دشوار است، اما رفتار بعد از Bridge سرنخ بیشتری ایجاد می‌کند.
مثلاً:
Chain A:
Wallet A → Bridge
Chain B:
Bridge → Wallet B
Wallet B → Exchange
اگر زمان، مقدار و سایر داده‌ها با یکدیگر سازگار باشند، فرضیه ارتباط قوی‌تر می‌شود.
Off-Chain Hop
پیچیدگی بیشتر زمانی ایجاد می‌شود که دارایی وارد صرافی متمرکز شود:
Ethereum
↓
Exchange Deposit
↓
[Off-Chain]
↓
Withdrawal
↓
Solana
در این حالت ممکن است Blockchain عمومی به‌تنهایی امکان اتصال قطعی Deposit و Withdrawal را ندهد.
اینجاست که:
On-Chain Evidence + Exchange Records
اهمیت پیدا می‌کند.
آیا هر تغییر شبکه مشکوک است؟
خیر.
کاربران عادی نیز به دلایل متعددی از Bridge استفاده می‌کنند:
- Fee کمتر
- استفاده از DeFi
- Gaming
- NFT
- انتقال سرمایه
- دسترسی به Liquidity
- استفاده از یک DApp خاص
بنابراین Chain Hopping یک رفتار فنی است، نه مدرک جرم.
Chain Hopping چه زمانی اهمیت تحلیلی بیشتری پیدا می‌کند؟
زمانی که همراه مجموعه‌ای از رفتارها مشاهده شود:
Rapid Transfers
+
Multiple Swaps
+
Multiple Bridges
+
Fresh Wallets
+
Short Holding Time
+
Exchange Exit
در این حالت Investigation عمیق‌تر توجیه‌پذیر است، اما باز هم نتیجه باید براساس شواهد پرونده بیان شود.
نمونه پرونده
فرض کنیم مسیر اولیه چنین است:
Victim
↓
150,000 USDT
↓
Wallet A
سپس:
TRON
Wallet A
↓
Service
Ethereum
↓
Wallet B
↓
DEX
↓
ETH
Arbitrum
↓
Wallet C
↓
USDC
Solana
↓
Wallet D
↓
Exchange
اگر گزارش فقط بگوید:
«USDT از Wallet A خارج شد.»
تقریباً مهم‌ترین بخش Investigation از دست رفته است.
جدول Cross-Chain Evidence
مرحله
شبکه
دارایی
مقدار
رویداد
1
TRON
USDT
150K
Transfer
2
TRON
USDT
149K
Service
3
Ethereum
ETH
معادل تقریبی
Swap
4
Arbitrum
USDC
معادل تقریبی
Bridge
5
Solana
USDC
معادل تقریبی
Transfer
6
Solana
USDC
—
Exchange Deposit
این ساختار برای خواننده بسیار قابل فهم‌تر است.
Confidence Level
در گزارش‌های Cross-Chain بهتر است هر اتصال سطح اطمینان داشته باشد.
برای مثال:
Confirmed
داده Bridge اتصال را مستقیماً تأیید می‌کند.
Highly Likely
زمان، مقدار و اطلاعات Protocol با یکدیگر تطابق قوی دارند.
Possible
فقط تعدادی نشانه وجود دارد.
این کار مانع تبدیل فرضیه به «واقعیت قطعی» در گزارش می‌شود.
نتیجه‌گیری
Chain Hopping ردگیری را پیچیده می‌کند، اما قاعده اصلی Blockchain Forensics همچنان پابرجاست:
به جای دنبال‌کردن صرف یک Address یا Token، جریان ارزش را دنبال کنید.
تحقیقات دانشگاهی ۲۰۲۶ نیز نشان می‌دهد ابزارها و روش‌های Forensics در حال حرکت به سمت تحلیل چندزنجیره‌ای و چندلایه هستند. Doi
در نتیجه یک Investigation حرفه‌ای باید بتواند:
Asset
↓
Swap
↓
Bridge
↓
New Chain
↓
New Asset
↓
New Wallet
را به‌عنوان بخش‌های یک جریان مالی واحد ارزیابی کند، بدون آنکه از شباهت زمانی یا مقداری به‌تنهایی نتیجه قطعی درباره مالکیت بگیرد.
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.
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.
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.
