Rug pull-huijausten moniulotteinen analysointi DeFi-ekosysteemin hajautetuissa pörsseissä
Heikkinen, Tiitus (2026-03-16)
Rug pull-huijausten moniulotteinen analysointi DeFi-ekosysteemin hajautetuissa pörsseissä
Heikkinen, Tiitus
(16.03.2026)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2026032422722
https://urn.fi/URN:NBN:fi-fe2026032422722
Tiivistelmä
Rug pull -huijaukset ovat kryptovaluutoilla toteutetun hajautetun rahoituksen eli DeFi-ekosysteemin yleisin huijausmuoto, joissa sijoittajat menettävät vuosittain huomattavia rahasummia. Rug pull -huijauksissa pahantahtoiset kehittäjät luovat DeFi- projekteja, esimerkiksi älysopimuksina Ethereum-lohkoketjuun, tarkoituksena hui- jata sijoittajia. Tässä tutkimuksessa keskitytään tarkastelemaan DeFi-ympäristössä tapahtuvien niin sanottujen rug pull -huijausten tunnuspiirteitä ja sitä, millä eri tavoin ja missä vaiheessa huijaustarkoitukseen luodun DeFi-projektin elinkaarta voidaan näitä tunnuspiirteitä tunnistaa. Teknisestä näkökulmasta rug pull -huijausten tunnuspiirteitä ovat älysopimuksen haavoittuvainen tai haitallinen koodi ja sitä pyritään analysoimaan esimerkiksi tavukoodista johdetulla mallilla ja Datalog-säännöillä. Taloudellisesta näkökulmasta likviditeetin poikkeavat muutokset, kuten äkilliset poistot, kaupankäyntitapahtumien poikkeavuudet ja keskittynyt tokenin omistajuus osoittavat riskiä rug pull -huijaukselle. Näitä voidaan esimerkiksi analysoida Herfindahl– Hirschman-indeksillä ja koneoppimisella. Sosiaalisesta näkökulmasta aggressiivinen DeFi-projektin markkinointi sosiaalisessa mediassa tai tokenin brändin kopiointi viittaavat rug pull -huijauksen tunnuspiirteisiin. Sosiaalisia tunnuspiirteitä voidaan pyrkiä tunnistamaan tekoälyn menetelmin. Tutkielman keskeisenä johtopäätöksenä todetaan, että rug pull -huijauksen riskiä ei voida havaita vain yhdestä näkökulmasta tarkasteltuna. Sen sijaan havainnoinnin pitää olla kokonaisvaltaista ja ulottua myös täysin lohkoketjuteknologian ulkopuolelle parhaan analyysin tuottamiseksi.
