Como rastrear baleias cripto na blockchain: a arquitetura de um sistema de monitoramento

Gostaria de experimentar o Octo Browser com desconto?
Use o código promocional OCTOBLOG para obter 30% de desconto em qualquer assinatura. Esta oferta é válida apenas para novos usuários.

Como criar um banco de dados inicial de baleias

Um sistema de monitoramento opera continuamente. Ele analisa transações de blockchain e mempool, verificando endereços em relação a um banco de dados interno de carteiras rastreadas. Ele também leva em consideração transferências de carteiras previamente desconhecidas quando o valor da transferência excede um limite predefinido.

Mas, primeiro, você precisa criar o banco de dados. Isso ocorre em várias etapas antes do lançamento do analisador:

• Exportação dos maiores detentores. Você não precisa esperar que uma baleia faça uma transferência. É possível consultar a blockchain para ver a distribuição atual de saldos de tokens e exportar as 100 ou 500 principais carteiras, dependendo das suas necessidades.

• Análise de provedores de liquidez. As baleias costumam alocar capital em pools de liquidez de DEX para ganhar taxas. Os endereços que detêm as maiores participações nesses pools também são adicionados ao banco de dados.

• Análise de Eventos de Geração de Tokens (TGEs). As transações iniciais do contrato de um token revelam quais carteiras receberam tokens antes que eles se tornassem disponíveis publicamente no mercado. Geralmente, são investidores iniciais, fundos de capital de risco e a equipe do projeto.

• Cruzamento de endereços rotulados. O banco de dados é verificado contra endereços rotulados publicamente em exploradores de blockchain. Isso permite excluir carteiras ativas (hot wallets) de exchanges e pontes (bridges) do conjunto de dados, evitando que o sistema reaja às suas transferências técnicas.

Assim que o banco de dados inicial estiver pronto, o sistema começa a monitorar as transações em tempo real e adiciona automaticamente as novas carteiras de baleias descobertas.

Como agrupar carteiras pertencentes ao mesmo proprietário

Por motivos de segurança, os principais participantes do mercado quase nunca mantêm todos os seus fundos em um único endereço. Uma única baleia pode controlar dezenas de carteiras. Sem levar isso em conta, as atividades de um único proprietário podem parecer com as de vários pequenos usuários — especialmente quando as transferências individuais ficam abaixo do limite de monitoramento. Como resultado, o sistema pode não identificar uma baleia.

É por isso que as carteiras são agrupadas em clusters — perfis que representam um único proprietário. Para construir esses clusters, você precisa procurar padrões comportamentais consistentes:

• Transferências para a mesma exchange. Várias carteiras enviam fundos regularmente para o mesmo endereço de depósito em uma exchange centralizada, como Binance ou Bybit. Como o endereço de depósito de uma exchange é exclusivo para cada cliente, essas carteiras podem potencialmente estar vinculadas.

• Sincronização temporal. O sistema compara os registros de data e hora (timestamps) das transações. Suponha que cinco carteiras comecem a comprar o mesmo ativo em um pool de liquidez com milissegundos de diferença entre si. Muito provavelmente, um único script e proprietário as controlam.

• Análise pós-mixer. Mixers são serviços que ocultam o histórico de transações para aumentar o anonimato. Novos endereços que surgem após um mixer podem ser vinculados a clusters existentes com base em padrões de saque e correspondência de horários e valores de transações. Esse processo depende de heurísticas — regras empíricas usadas para analisar dados quando as informações são incompletas.

Conexões de carteiras no Breadcrumbs: transferências de entrada e saída revelam com quais endereços uma carteira interage com mais frequência.

Como rastrear transferências através de pontes (bridges)

As baleias costumam operar em várias redes e transferir fundos através de pontes entre cadeias (cross-chain bridges), como Stargate, Hop e Across. Por exemplo, uma baleia deposita 500 ETH em uma ponte na Ethereum e recebe o valor equivalente na Arbitrum ou Base um minuto depois. Um analisador básico verá os fundos desaparecerem de uma rede e uma nova carteira aparecer em outra.

Para evitar perder o rastro da baleia, o sistema incorpora o rastreamento entre cadeias. Ele monitora endereços de depósito de pontes e os associa a saques em outras redes. Se os valores e registros de data e hora coincidirem, o cluster da baleia é atualizado com seu endereço na nova rede.

Como filtrar bots de MEV

Redes compatíveis com EVM — aquelas baseadas na Ethereum Virtual Machine — hospedam inúmeros bots de MEV que lucram com arbitragem. Eles usam empréstimos instantâneos (flash loans) de milhões de dólares, fazendo com que suas negociações pareçam semelhantes às de baleias. Se esses bots não forem filtrados durante a análise, o sistema gerará sinais falsos.

É impossível determinar com absoluta certeza se uma transação foi realizada por um bot de arbitragem. No entanto, vários indicadores podem ajudar a filtrá-los:

• Chamadas de contratos inteligentes complexas e cíclicas, nas quais uma cadeia de chamadas eventualmente retorna ao contrato original.

• Alteração nula ou mínima no saldo da carteira após uma transação. Por exemplo, um bot toma emprestado um milhão de dólares, executa uma operação de arbitragem em uma DEX e quita o empréstimo dentro do mesmo bloco.

Dados limpos são essenciais para manter um banco de dados confiável de baleias. Assim que o banco de dados estiver pronto, a velocidade de reação se torna a prioridade. É aí que o mempool entra em ação — e também onde os bots de MEV operam.

Como trabalhar com o mempool

O agrupamento de endereços e a filtragem de bots operam em blocos confirmados. Mas, quando uma transação é registrada na blockchain, o preço do ativo já pode ter mudado e a oportunidade de negociação pode ter sido perdida. Para reagir antes, as transações são interceptadas antes da execução, enquanto ainda estão no mempool.

O mempool é uma fila de transações não confirmadas. Quando um trader envia uma ordem de compra ou venda, ela entra primeiro no mempool, onde espera que validadores ou mineradores — dependendo da rede — a incluam em um bloco.

Não há uma ordenação rigorosa no mempool. Transações que oferecem taxas (gas) mais altas tendem a ser processadas primeiro. Aquelas com taxas baixas podem esperar por horas ou ser completamente descartadas por outras transações.

Um bot de mempool funciona da seguinte maneira:

1. Interceptação. O bot se conecta a um nó da blockchain e recebe um fluxo contínuo de novas transações conforme elas entram no mempool.

2. Decodificação. O bot decodifica o campo input data para identificar qual função do contrato inteligente a transação está chamando. Por exemplo, ele detecta que uma carteira específica está comprando uma grande quantidade de um token.

3. Front-running. O bot prevê que essa negociação fará o preço subir. Ele envia sua própria transação para comprar o mesmo ativo, oferecendo uma taxa ligeiramente superior à da baleia.

É assim que os dados no campo input data se parecem.

Os validadores incluem a transação do bot no bloco primeiro. O bot compra o ativo ao preço antigo, e a transação da baleia vem logo em seguida, elevando o preço. Essa estratégia é chamada de front-running.

Mas interceptar uma transação é apenas parte do desafio. As decisões devem ser tomadas em milissegundos, o que significa que os dados devem ser armazenados em um formato que permita uma análise rápida.

Como armazenar dados para análise rápida

As blockchains geram volumes enormes de eventos. Suponha que você precise encontrar correlações no histórico de cada swap em uma grande DEX nos últimos dois anos. Um banco de dados relacional convencional seria lento demais para consultas desse tipo.

É por isso que os sistemas Web3 usam sistemas de gerenciamento de banco de dados orientados a colunas, como o ClickHouse. Durante consultas analíticas, eles leem apenas as colunas necessárias para o cálculo — como wallet_address e amount — sem processar os outros campos da transação. Isso possibilita agregar bilhões de linhas em milissegundos.

A velocidade é fundamental aqui. Imagine que um bot detecte uma compra de token de US$ 5 milhões no mempool. Antes de decidir o que fazer a seguir, ele precisa determinar se a transação é um rebalanceamento de portfólio rotineiro feito por um fundo ou uma atividade incomum de uma carteira que esteve inativa por muito tempo. Para fazer isso, o bot compara a transação com a atividade da carteira nos últimos três anos. Sem o armazenamento orientado a colunas, essa verificação poderia levar minutos, permitindo que a transação da baleia fosse processada primeiro. O ClickHouse pode retornar o resultado em milissegundos.

Como carregar dados da blockchain em um banco de dados

Os dados da blockchain não são armazenados em tabelas. Em vez disso, são representados como uma sequência de eventos (logs) codificados em hexadecimal. Para trabalhar com esses logs, você precisa decodificá-los usando uma ABI — a especificação da interface do contrato que descreve como interpretar os dados.

Você poderia escrever seu próprio analisador. No entanto, ele precisaria consultar cada bloco, decodificar os logs e lidar com reorganizações de cadeia separadamente para cada contrato inteligente. Isso consome muito tempo e é difícil de manter.

Usar um indexador, como o The Graph, é mais fácil. Você define quais eventos do contrato inteligente precisa em um subgráfico. O indexador faz a varredura da blockchain a partir do primeiro bloco, decodifica os logs e disponibiliza os dados por meio de uma API GraphQL.

Tudo o que o sistema precisa fazer é consultar o The Graph, recuperar dados estruturados sobre as negociações das baleias e carregá-los no ClickHouse. O bot pode então analisar os dados e tomar uma decisão.

Como incorporar sinais de redes sociais

A blockchain mostra apenas a transferência em si — por exemplo, "A baleia A transferiu US$ 1 milhão para uma exchange". Ela não diz o motivo.

Uma grande transferência pode indicar que o proprietário está se preparando para vender. Nesse caso, você pode querer abrir uma posição vendida (short) ou sair de uma existente. Mas também pode ser um desbloqueio de tokens programado para a equipe do projeto, anunciado com antecedência no X (Twitter) ou no Discord. Sem esse contexto, o bot pode enviar alertas falsos ou executar operações que levem a perdas.

Por isso, o sistema inclui um módulo de análise de redes sociais que cobre o X (Twitter), canais do Telegram de projetos e o Discord. Trata-se de um worker em segundo plano separado que coleta postagens continuamente por meio de feeds WebSocket, processa-as usando redes neurais locais e atualiza uma métrica chamada "sentimento social" no banco de dados em memória Redis. O sentimento social representa a atitude geral dos usuários das redes sociais em relação a cada token.

O scanner do mempool não perde tempo fazendo requisições externas. Quando detecta uma grande transferência de uma baleia para uma exchange centralizada, ele verifica o valor do sentimento no Redis.

Por exemplo, o scanner detecta uma transferência de US$ 10 milhões no mempool. O sentimento para aquele token caiu drasticamente nos últimos três minutos porque o worker de redes sociais encontrou notícias sobre um ataque hacker ao protocolo. Isso sugere que a baleia não está rebalanceando um portfólio, mas saindo do ativo. O bot envia uma transação vendida antes que a operação da baleia seja confirmada. Cenários como esse precisam ser cuidadosamente planejados e testados com antecedência; caso contrário, um erro do bot pode levar a prejuízos financeiros reais.

Como coletar dados de redes sociais sem ser bloqueado

O X (Twitter), o Discord, plataformas analíticas e agregadores de notícias restringem a coleta automatizada de dados. Eles utilizam sistemas antifraude como Cloudflare e Akamai, que conseguem detectar um navegador Chrome headless comum.

Para uma coleta de dados mais confiável, a arquitetura inclui um navegador antidetecção. Os perfis são gerenciados programaticamente por meio do Puppeteer ou Playwright, em vez de manualmente. O Octo Browser oferece suporte a essa integração por meio de sua API.

O Octo Browser fornece documentação detalhada sobre como trabalhar com sua API.

Para passar pelas verificações, o navegador precisa parecer um dispositivo real operado por uma pessoa real. O Octo Browser permite criar dezenas ou centenas de perfis desse tipo, cada um com dados isolados. O Octo falsifica as impressões digitais de cada perfil no nível do kernel do navegador, incluindo o User-Agent, fontes, parâmetros WebGL/WebGPU, resolução de tela e muito mais.

O processo de coleta de dados funciona da seguinte forma:

1. O bot usa a API para iniciar um perfil do Octo Browser com um proxy dedicado.

2. O perfil abre a plataforma de destino com sua impressão digital exclusiva, fazendo com que ele pareça um visitante comum para os sistemas antifraude.

3. O bot recupera tokens de sessão e cookies e os repassa para workers leves.

4. Os workers solicitam dados diretamente pelas APIs das plataformas e os enviam para um modelo de PLN (processamento de linguagem natural).

5. Se uma sessão expirar ou a plataforma solicitar verificação, o bot inicia o perfil novamente para obter uma nova sessão.

O navegador antidetecção não é usado aqui para imitar ações do usuário, mas para passar por várias verificações. Perfis isolados com impressões digitais separadas ajudam a garantir um acesso mais confiável a novas postagens no momento de uma transação.

Como escolher quais baleias rastrear

O resultado final do sistema é uma notificação para o usuário ou um comando enviado a um mecanismo de negociação. No entanto, seguir todas as baleias não faz sentido.

Algumas carteiras grandes não fornecem sinais de negociação úteis. Isso inclui os primeiros mineradores de Bitcoin e investidores que simplesmente movem participações antigas entre carteiras frias. Mais interessantes são os endereços que compram consistentemente perto de mínimas locais e vendem perto de máximas locais. Eles são conhecidos como smart money.

Para distinguir entre os dois grupos, o sistema adiciona um módulo de pontuação. O bot avalia o desempenho histórico de cada carteira rastreada usando várias métricas:

1. Taxa de Acerto (Win Rate): A proporção de negociações da carteira que fecharam com lucro.

2. PnL (lucros e perdas): Quanto o endereço lucrou em dólares nos últimos seis meses.

3. Momento de entrada (Entry timing): Com que antecedência a carteira compra ativos em comparação com o restante do mercado.

Com base nesses resultados, o sistema atribui pesos às carteiras. Você pode configurar o bot para enviar alertas apenas quando a atividade vier de uma carteira de smart money com uma Taxa de Acerto superior a 70%.

Conclusão

Um sistema de rastreamento de baleias consiste em vários módulos. Primeiro, um banco de dados de carteiras é construído e agrupado em clusters, levando em consideração pontes entre cadeias e filtrando bots de MEV. Em seguida, vêm a interceptação de transações no mempool, a ingestão de dados por meio de um indexador e o armazenamento no ClickHouse. Os dois módulos finais cuidam da análise de redes sociais e da pontuação das carteiras.

Construir um sistema como esse é uma tarefa complexa e não garante lucros por si só. No entanto, ele pode ajudá-lo a identificar grandes negociações antes que seu impacto seja refletido no preço e a reagir apenas a sinais de carteiras com um histórico comprovado.