Euristiche di clustering e i loro limiti · Lezione 5 di 6
Attribuzione ed etichettatura
9 min di lettura
Un cluster indica che alcuni indirizzi appartengono allo stesso gruppo; un’etichetta indica a chi o a cosa appartengono. Le etichette trasformano i grafi in risultati («i fondi sono arrivati all’exchange K», «l’indirizzo appartiene a un contratto bridge») e sono anche il punto da cui entrano in un rapporto gli errori più dannosi. Questa lezione illustra da dove provengono le etichette, come valutarle e gestirne le versioni e quali limiti etici fanno sì che l’attribuzione si concentri su servizi e organizzazioni, anziché su persone private.
Che cos’è un’etichetta
Un’etichetta è un’affermazione: che un indirizzo o un cluster sia controllato da un’entità identificata per nome o appartenga a una categoria di attività. Si compone di tre parti:
- Soggetto: un indirizzo, un contratto o un cluster a una determinata altezza di blocco.
- Asserzione: il nome di un’entità («exchange K»), una categoria («deposito exchange», «bridge», «mixer», «exploit», «truffa») o entrambi.
- Fondamento: la fonte e le prove, la data di osservazione e un grado di affidabilità.
Tieni distinti le etichette di entità e le etichette di categoria. Spesso puoi essere certo che un indirizzo sia un indirizzo di deposito di un exchange (inoltra tutto a un hot wallet) senza sapere di quale exchange si tratti; allo stesso modo, puoi sapere di quale exchange si tratti senza conoscere il cliente. Tieni separate le etichette anche dai cluster. Un’etichetta associata a un singolo indirizzo iniziale si propaga a tutti gli indirizzi del cluster: questo processo è detto ereditarietà dell’etichetta, perciò un’etichetta non è mai più affidabile dei collegamenti tra cluster che l’hanno trasmessa.
Fonti delle etichette
| Fonte | Esempi | Affidabilità tipica | Aspetti da verificare |
|---|---|---|---|
| Autoidentificazione | Indirizzi di riserva pubblicati da un exchange; indirizzi di contratto documentati da un protocollo; indirizzo per donazioni di un’organizzazione | Elevata per gli indirizzi elencati | Gli elenchi diventano obsoleti; chi si spaccia per altri pubblica elenchi falsi |
| Etichettatura del servizio tramite transazione di prova | Deposito di un piccolo importo presso un servizio e osservazione dell’indirizzo di deposito e del trasferimento dei fondi | Elevata, di prima mano | Riguarda solo gli indirizzi con cui hai interagito, finché il clustering non la estende |
| Comunicazioni pubbliche delle autorità | Atti d’accusa, annunci di sequestri, elenchi di sanzioni e avvisi che includono indirizzi | Elevata per gli indirizzi specifici citati | L’attribuzione è dell’autorità: citare la fonte come tale |
| Comunicazioni di vittime e divulgazioni di incidenti | Analisi post-incidente di protocolli sfruttati che elencano gli indirizzi degli aggressori | Elevata per gli indirizzi dell’incidente | Gli elenchi iniziali possono contenere errori corretti in seguito |
| OSINT sulle organizzazioni | Documentazione del servizio, account ufficiali, forum di governance, codice sorgente verificato dei contratti | Moderata; dipende dalla verifica | Account falsificati e pagine copiate |
| Set di etichette di terze parti | Tag pubblici degli explorer, set di dati della comunità, dati di fornitori | Variabile, spesso senza spiegazioni | Copie circolari; metodo e data sconosciuti |
Le transazioni di prova sono il metodo di ricerca classico. Meiklejohn et al. (2013, «A Fistful of Bitcoins») hanno effettuato 344 transazioni con exchange, wallet, siti di gioco d’azzardo e altri servizi, hanno etichettato manualmente 1.070 indirizzi e, grazie al clustering, sono riusciti a identificare 2.197 cluster che coprivano oltre 1,8 milioni di indirizzi. L’esempio mostra l’effetto moltiplicatore dell’ereditarietà delle etichette in entrambe le direzioni: poche osservazioni di prima mano possono etichettare milioni di indirizzi, e un solo collegamento errato tra cluster può etichettarne erroneamente milioni.
Le comunicazioni pubbliche sono importanti nei casi di alto profilo. Dopo il furto dal bridge Ronin (2022) e il furto a Bybit (2025), le autorità hanno attribuito pubblicamente gli attacchi a un gruppo legato a uno Stato e hanno pubblicato gli indirizzi coinvolti. Un analista può fare affidamento su tali comunicazioni per gli indirizzi che citano, specificando nel rapporto che l’attribuzione proviene dall’autorità; qualsiasi estensione ad altri indirizzi va invece trattata come un’inferenza dell’analista.
Due tag di terze parti concordanti non costituiscono necessariamente due fonti. Gli explorer e i set di dati copiano gli uni dagli altri, quindi un tag errato può comparire in cinque luoghi pur avendo un’unica origine. Si tratta di citazione circolare; risali all’origine di ogni etichetta prima di considerarla una conferma indipendente.
Valutare il grado di affidabilità
Una scala di valutazione semplice ed esplicita consente di confrontare le etichette tra analisti:
| Grado | Criteri |
|---|---|
| Confermato | Prove di prima mano (una propria transazione di prova), pubblicazione dell’entità stessa o comunicazione di un’autorità che cita l’indirizzo |
| Elevato | Due indicatori indipendenti concordano, per esempio uno schema di trasferimenti verso un hot wallet autoidentificato |
| Moderato | Un indicatore solido oppure un tag affidabile di terze parti basato su un metodo noto |
| Basso | Un singolo indicatore debole o un tag senza spiegazioni; da usare solo come pista, mai come risultato |
Nella pratica sono importanti due precisazioni. Primo, valuta separatamente il collegamento tra cluster e l’etichetta: un’etichetta confermata su un indirizzo iniziale, ereditata tramite un collegamento di cambio a bassa affidabilità, produce un’etichetta a bassa affidabilità sull’indirizzo che la eredita. Secondo, valuta separatamente l’entità e la categoria, come descritto sopra. La lezione Confidenza, incertezza e formulazione mostra come riportare questi gradi nel testo del rapporto.
Anche l’ereditarietà richiede regole sui collegamenti che possono trasmettere un’etichetta. Una prassi comune consiste nel propagare le etichette di entità solo tramite collegamenti ad alta affidabilità, in genere collegamenti basati su input comuni, escludendo i CoinJoin, e nell’interrompere la propagazione quando un collegamento inserirebbe una seconda etichetta di entità diversa nello stesso cluster. I collegamenti di cambio e i collegamenti del modello account possono comunque essere mostrati in un grafo, ma l’etichetta che trasmetterebbero è contrassegnata come inferita e valutata a un grado inferiore. Considera un caso esemplificativo: un’etichetta confermata di un exchange è associata a un hot wallet; 4.000 indirizzi di deposito vi si uniscono tramite trasferimenti (input comune, alta affidabilità); un altro indirizzo si unisce tramite un singolo collegamento di cambio moderatamente affidabile. I 4.000 indirizzi di deposito ereditano «Exchange K, elevato»; l’ultimo indirizzo eredita al massimo «Exchange K, moderato», e un rapporto che conteggia i suoi fondi come fondi dell’exchange dovrebbe dichiararlo.
Gestione delle versioni e provenienza
Le etichette perdono validità nel tempo. Gli exchange ruotano gli hot wallet e riassegnano gli indirizzi di deposito; i servizi si fondono, chiudono o cambiano proprietario; i contratti proxy vengono aggiornati a nuove implementazioni; i nomi dei servizi di naming scadono e vengono registrati nuovamente; gli aggressori trasferiscono i fondi a nuovi indirizzi. Un’etichetta priva di data e periodo di validità non può essere verificata né corretta. Archivia ogni etichetta come record con versione:
{
"label_id": "lbl-000482",
"version": 3,
"subject": {"chain_id": 1, "address": "0xA1b2…9F"},
"entity": "Exchange K",
"category": "exchange_deposit",
"source_type": "test_transaction",
"evidence": ["deposit tx 0x4f3a…c21e", "sweep tx 0x9b7d…e014"],
"observed_at_block": 21000000,
"valid_from": "2024-11-02",
"valid_to": null,
"confidence": "confirmed",
"analyst": "analyst-17",
"supersedes": "lbl-000482-v2"
}Il record identifica il soggetto tramite un identificativo di chain, separa l’entità dalla categoria, rimanda alle transazioni che lo giustificano e indica quando è stato osservato e da quando si applica. valid_to resta vuoto finché le prove non dimostrano che l’etichetta non è più valida; supersedes conserva la cronologia, così è possibile riprodurre un rapporto redatto l’anno scorso usando le etichette allora in vigore. Il campo dell’analista facilita la revisione e la responsabilità senza inserire dati personali nel record.
Una buona gestione delle etichette include:
- Nuova verifica delle etichette ad alto impatto prima di ogni rapporto.
- Avvisi di conflitto quando un cluster acquisisce due etichette di entità incompatibili, spesso il primo segnale di una fusione errata (vedi la lezione Valutare la qualità dei cluster).
- Ritiro anziché eliminazione, affinché i risultati passati restino spiegabili.
Privacy ed etica
Nell’analisi blockchain, l’attribuzione riguarda servizi, organizzazioni e categorie di attività: exchange, bridge, protocolli, mixer, contratti di exploit, operazioni di truffa identificate dalle autorità o dalle vittime. Non è una tecnica per identificare persone private, e gli analisti dovrebbero attenersi a questo limite anche quando i dati sembrano invitare a superarlo.
- Etichetta le entità, non le persone. Un indirizzo che sembra appartenere a una persona privata va etichettato per categoria («wallet privato non attribuito») oppure lasciato senza etichetta.
- Non combinare fonti per smascherare una persona. Aggregare schemi on-chain e tracce open source per identificare una persona privata crea proprio il profilo contro cui mettono in guardia le prassi di protezione dei dati; un’associazione errata può esporre una persona innocente a molestie o peggio.
- L’identità si accerta tramite procedura legale. Quando un caso richiede davvero di sapere chi controlla un account, la via corretta è una richiesta di un’autorità competente al servizio che detiene i dati dei clienti, non un’inferenza pubblica.
- Considera le autoaffermazioni sulle persone come piste. Un record di un servizio di naming o un profilo che sembra riportare il nome di una persona può essere autentico, falsificato o rivenduto. Non va inserito nei documenti condivisi, a meno che un lettore non debba conoscerlo per poter agire e non lo riceva tramite un canale riservato.
- Pubblica solo ciò che altri hanno reso pubblico o ciò di cui il lettore ha bisogno. Gli indirizzi pubblicati dalle autorità, dai tribunali o dall’organizzazione vittima, così come i nomi dei servizi, sono generalmente accettabili in un rapporto; non lo sono i collegamenti inferiti a persone.
La lezione Protezione dei dati, etica e divulgazione responsabile approfondisce la minimizzazione dei dati, l’oscuramento e i canali di divulgazione.
Focus sull’esame: un’etichetta come affermazione con soggetto, asserzione e fondamento; etichette di entità rispetto a etichette di categoria; ereditarietà delle etichette tramite i cluster e perché un’etichetta non è più affidabile dei collegamenti che la trasmettono; le principali fonti di etichette (autoidentificazione, transazioni di prova, comunicazioni delle autorità, divulgazioni delle vittime, OSINT sulle organizzazioni, set di terze parti) e i loro punti deboli; la citazione circolare; una scala graduata di affidabilità e la valutazione separata del collegamento e dell’etichetta; perché le etichette perdono validità e come i record versionati con periodi di validità e prove rendono riproducibili i risultati; l’attribuzione rivolta a servizi e organizzazioni, mai all’esposizione di persone private, la cui identità si accerta solo tramite procedura legale.