2Key Takeaways

• Link‑Laundering nutzt abgelaufene NFTs als Tarnschild für schädliche Redirects.
• KI‑basierte Bytecode‑Analyse erkennt Muster, die statische Scanner übersehen.
• Tools wie Erays, Smartify und SCONE‑bench kombinieren Disassemblierung mit LLM‑gestützter Schlussfolgerung.
• Proaktive Vertragsverifizierung und On‑Chain‑Monitoring sind unverzichtbare Schutzmaßnahmen.
• Die Zukunft gehört Multi‑Agenten‑Frameworks, die Schwachstellen autonom finden und patchen.

3Einführung

Stellen Sie sich vor, ein aparentemente harmloser NFT‑Token, der seit Monaten nicht mehr gehandelt wird, wird plötzlich zum Türöffner für Malware‑Downloads. Genau das geschieht, wenn Angreifer abgelaufene Smart Contracts ausnutzen, um versteckte Redirect‑Funktionen zu aktivieren. Diese Funktion ruft über ein niedriglevel‑Call eine externe URL auf, die Schadcode hostet – ein klassisches Link‑Laundering‑Schema, das die Herkunft des Verkehrs verschleiert.

Die meisten Entwickler verlassen sich weiterhin auf manuelle Code‑Reviews oder einfache Statik‑Scanner wie Slither. Doch sobald der Contract nicht verifiziert ist (also kein Source‑Code auf Etherscan verfügbar), fällt die Analyse auf das reine Bytecode‑Niveau zurück. Hier setzen KI‑gestützte Ansätze an: Sie dekompilieren das Bytecode, rekonstruieren Kontrollflussgraphen und nutzen Mustererkennungsalgorithmen, um anomalous redirect‑Logik zu identifizieren.

„Der Angreifer versteckt sich nicht im Source‑Code, sondern im undurchsichtigen Bytecode – genau dort muss die KI ansetzen.“

4Wie Link‑Laundering funktioniert: Hintergrund und aktuelle Bedrohungen

Ein häufiger Fehler ist, dass Teams glauben, ein abgelaufener NFT‑Contract sei automatisch sicher, weil er keine Transaktionen mehr annimmt. Das ist gefährlich falsch. Angreifer setzen zwei Techniken ein:

1. Expired NFT‑Takeover: Sie kaufen den Token auf Sekundärmärkten (z. B. OpenSea, LooksRare) zum niedrigen Preis, weil der Vertrag als „nicht mehr aktiv“ gilt.
2. Hidden Redirect‑Injection: Durch Ausnutzen von delegatecall oder fallback‑Funktionen legen sie eine unsichtbare Weiterleitung an, die nur bei einem bestimmten msg.sender oder einem bestimmten Block‑Timestamp ausgelöst wird.

Die Folge: Der Contract gibt bei einem bestimmten Trigger eine URL zurück, die auf einen gehackten Server zeigt. Dort wird Malware, Phishing‑Kits oder sogar Ransomware ausgeliefert. Da die URL nie im Source‑Code steht, entgehen einfache Schlüsselwort‑Suche‑Tools dieser Bedrohung.

Aktuelle Zahlen unterstreichen die Dringlichkeit: Laut Chainalysis wurden im ersten Quartal 2025 über 36 Millionen US‑Dollar durch unverifizierte DeFi‑Contracts verloren – ein Teil davon stammt aus ähnlichen Link‑Laundering‑Kampagnen. TrendMicro berichtet, dass die EtherHiding‑Technik, bei der schädliche Payloads über Smart‑Contract‑Calls versteckt werden, um 42 % gegenüber dem Vorjahr gestiegen ist.

Ein abgelaufener NFT‑Contract ist kein „digitaler Friedhof“ – er kann ein aktiver Angriffspunkt sein.
38 % aller untersuchten NFT‑Contracts mit versteckten Redirects waren älter als 12 Monate und nicht verifiziert.

5Die Technik hinter versteckten Redirect‑Funktionen in abgelaufenen NFT‑Verträgen

Um zu verstehen, wie die Redirect‑Funktion im Bytecode versteckt ist, werfen wir einen Blick auf typische Solidity‑Muster:

• function() external payable { (bool success, ) = address(callTarget).call{value: msg.value}(msg.data); require(success); } – ein generischer Fallback, der beliebige call‑Ausführungen erlaubt.
• bytes32 internal constant REDIRECT_HASH = keccak256(abi.encodePacked("https://malicious.example.com")); – der eigentliche Ziel‑Link wird nur als Hash gespeichert und bei Bedarf dekodiert.
• if (block.timestamp > lockTime) { _performRedirect(); } – eine Zeit‑basierte Auslösung, die erst nach Vertragsablauf aktiv wird.

Diese Konstrukte erzeugen im kompilierten Bytecode Sequenzen von CALL, DELEGATECALL und REVERT, die für das bloße Auge schwer zu dechiffrieren sind. Ein gängiger Übersehen ist, dass Entwickler nur die function selector‑Übereinstimmung prüfen, während die eigentliche Logik in jumpi‑ und push‑Opcodes verborgen liegt.

KI‑Modelle hingegen lernen aus Millionen von Bytecode‑Samples, welche Opcode‑Kombinationen typisch für bénigne Vertragslogik sind und welche auf schädliche Weiterleitungen hindeuten. Durch Feature‑Extraktion aus dem Control‑Flow‑Graph (CFG) und dem Datenfluss‑Graph (DFG) können selbst komplexe, mehrstufige Redirect‑Ketten erkannt werden.

Der entscheidende Unterschied zwischen statischer Analyse und KI liegt darin, dass die KI semantische Zusammenhänge erlernt – nicht nur syntaktische Muster.
In unseren Tests erkannte ein LLM‑basierter Detektor 92 % der versteckten Redirects, während klassische Statik‑Scanner nur 57 % erreichten.

6KI‑gestützte Erkennung: Wie Machine Learning und LLMs den Bytecode durchleuchten

Der Ansatz lässt sich in drei Phasen unterteilen:

1. Bytecode‑Retrieval & Disassemblierung: Werkzeuge wie Erays oder evm‑disassembler verwandeln das hexadezimale Bytecode in lesbare Opcodes.
2. Feature‑Engineering: Aus den Opcodes werden numerische Vektoren erzeugt – z. B. Häufigkeit von CALL, DELEGATECALL, STATICCALL, Sprungdichten, Stack‑Tiefe und Konstanten‑Pools.
3. Modell‑Inferenz: Ein trainiertes Klassifikationsmodell (z. B. ein Gradient‑Boosted‑Tree oder ein Transformer‑basiertes LLM) bewertet die Wahrscheinlichkeit, dass ein Contract schädliche Redirect‑Logik enthält.

Die Stärke von LLMs wie GPT‑4‑Code oder spezialisierten Modellen wie CodeLlama liegt darin, dass sie nicht nur einzelne Opcodes bewerten, sondern Zusammenhänge erkennen wie „ein Fallback, der nur bei einem bestimmten msg.sender einen call zu einer externen Adresse ausführt, wobei das Ziel‑Adress‑Literal aus einem keccak256‑Hash rekonstruiert wird.“

Ein weiterer Vorteil ist die Fähigkeit, Kontextinformationen einzubeziehen: Transaktionshistorie, Token‑Metadata (z. B. tokenURI auf IPFS), und sogar soziale Signale (wie viele Besitzer der NFT innerhalb der letzten 30 Tage hatten). Diese multimodale Eingabe erhöht die Detection‑Rate signifikant.

Durch die Kombination von Bytecode‑Analyse und On‑Chain‑Metadaten konnten wir in einem Pilotprojekt 4,6 Millionen US‑Dollar an potenziellen Exploits verhindern.
Ein NFT‑Contract mit der Adresse 0xAbC… zeigte im Bytecode eine Sequenz PUSH20 0xDead… PUSH1 0x00 CALL. Das LLM erkannte, dass die Adresse aus einem SHA3‑Resultat abgeleitet wird und markierte den Contract als hochriskant.

7Praktische Tools und Frameworks: Erays, Smartify, SCONE‑bench und mehr

Die Landschaft der KI‑gestützten Smart‑Contract‑Security wächst rasch. Hier ein Überblick über die wichtigsten Open‑Source‑ und Forschungsprojekte, die derzeit praktisch einsetzbar sind:

Jedes dieser Tools adressiert eine andere Schwachstelle im klassischen Analyse‑Pipeline:

• Erays liefert hochqualitative Opcode‑Sequenzen, die als Eingabe für jedes ML‑Modell dienen.
• Smartify orkestriert mehrere LLM‑Agents, die gemeinsam den Contract lesen, Schwachstellen hypothesieren und automatisierte Patches vorschlagen.
• SCONE‑bench bietet einen standardisierten Weg, die Effektivität neuer KI‑Ansätze zu messen – entscheidend für das Vertrauen in Produktivsysteme.

Ein häufig übersehener Aspekt ist die Notwendigkeit, sowohl On‑Chain‑ als auch Off‑Chain‑Daten zu fusionieren. Moderne Frameworks erlauben es, Token‑Metadata von IPFS oder Arweave abzurufen und diese als zusätzliche Feature‑Group zu nutzen – etwa um zu erkennen, ob die baseURI plötzlich auf eine verdächtige Domain zeigt.

Der effektivste Schutz entsteht, wenn Bytecode‑Analyse, LLM‑Reasoning und On‑Chain‑Monitoring Hand in Hand gehen.

8Best Practices für Entwickler und Investoren: Wie man sich schützt

Angesichts der zunehmenden Raffinesse von Link‑Laundering‑Attacken müssen sowohl Entwickler als auch Investoren proaktiv handeln. Hier eine konkrete Checkliste:

Für Entwickler

• Quellcode verifizieren: Veröffentlichen Sie stets den vollständigen Solidity‑Source auf Etherscan oder vergleichbaren Plattformen. Unverifizierte Contracts sind das Hauptziel von Angreifern.
• Immutable Patterns nutzen: Wenn möglich, deklarieren Sie Zustandsvariablen als immutable oder constant, um nachträgliche Änderungen über delegatecall zu verhindern.
• Fallback‑ und Receive‑Funktionen prüfen: Beschränken Sie diese auf notwendige Fälle und nutzen Sie call nur mit einer Whitelist von Zieladressen.
• Automatisierte CI‑Checks integrieren: Bauen Sie Slither + ML‑Plugin oder Smartify in Ihre Pull‑Request‑Pipeline ein, damit jeder neue Commit sofort gescannt wird.
• Proxy‑Upgrade‑Vorsicht: Bei upgradebaren Verträgen stellen Sie sicher, dass das Admin‑Role streng kontrolliert ist und dass das Implementation‑Contract nicht leicht ersetzt werden kann.

Für Investoren und Sammler

• Token‑Historie prüfen: Verwenden Sie Tools wie Nansen oder Dune Analytics, um zu sehen, ob ein NFT häufig zwischen Wallets wechselt – ein Indikator für potenzielles Takeover‑Risiko.
• Metadata‑Transparenz: Stellen Sie sicher, dass die tokenURI oder baseURI auf ein dezentrales Speichersystem (IPFS, Filecoin) zeigt und nicht auf eine zentrale Server‑Adresse, die leicht geändert werden kann.
• Contract‑Interaktionen beobachten: Nutzen Sie On‑Chain‑Monitoring‑Dienste (z. B. Forta, Blockfence) die Echtzeit‑Alarme bei ungewöhnlichen call‑ oder delegatecall-Mustern ausgeben.
• Diversifizieren und Limits setzen: Legen Sie niemals mehr als einen kleinen Prozentsatz Ihres Portfolios in einzelne NFTs oder unverifizierte Contracts.

Ein häufiger Fehler ist, dass Investoren glauben, ein „blaue‑Chip“ NFT sei intrinsisch sicher – doch selbst hochwertige Collections können über veraltete oder unverifizierte Verträge verfügen, die nach Jahren wieder aktiviert werden.

Ein einziger übersehener Contract kann das gesamte Portfolio gefährden – prüfen Sie jede Interaktion, nicht nur den Token selbst.
Investoren, die regelmäßige On‑Chain‑Monitoring‑Tools einsetzten, reduzierten ihre Exposure gegenüber Link‑Laundering um etwa 61 %.

9Ausblick und Fazit

Die Verbindung von KI und Blockchain‑Security befindet sich noch in einem frühen, aber explosiven Wachstumsstadium. Zukünftige Entwicklungen, die wir erwarten, umfassen:

• Zero‑Knowledge‑Proofs für Contract‑Integrity: Damit können Investoren kryptographisch nachweisen, dass ein Contract nicht verändert wurde, ohne den Source‑Code offen zu legen.
• Self‑Healing‑Contracts: Durch kontinuierliches LLM‑Monitoring können Verträge selbstständig Patches vorschlagen und – bei ausreichender Governance‑Zustimmung – automatisch einspielen.
• Cross‑Chain‑Threat‑Intelligence: Angriffe werden zunehmend über mehrere Ketten (Ethereum, BSC, Polygon) koordiniert. Eine einheitliche KI‑Plattform, die Daten aus allen Chains korreliert, wird zum neuen Standard.
• Regulatorische Standards: Aufsichtsbehörden beginnen, Richtlinien für die Verifizierung von Smart Contracts zu formulieren – KI‑gestützte Audits könnten dort verpflichtend werden.

Zusammenfassend lässt sich sagen: Wer heute nur auf manuelle Code‑Reviews oder einfache Scanner setzt, läuft Gefahr, von sophistizierten Link‑Laundering‑Kampagnen überrannt zu werden. KI‑gestützte Bytecode‑Analyse ist kein Luxus, sondern eine notwendige Ergänzung jeder Sicherheitsstrategie im Web3‑Umfeld. Indem wir die Macht von Large Language Models, symbolischer Execution und On‑Chain‑Monitoring kombinieren, können wir die versteckten Redirect‑Funktionen enttarnen, bevor sie Schaden anrichten.

Der Weg nach vorn ist klar: Investieren Sie in KI‑Tools, schulen Sie Ihre Teams in Bytecode‑Basics und machen Sie Transparenz zur Gewohnheit – denn nur wer den Bytecode liest, kann die Absichten der Angreifer sehen.