Как отслеживать кошельки крупных инвесторов в блокчейне: архитектура системы мониторинга

Хотите попробовать Octo Browser со скидкой?
По промокоду OCTOBLOG получите 30% скидку на любую подписку. Предложение действительно только для новых пользователей.

Как собрать первичную базу китов

Система мониторинга работает непрерывно. Она парсит транзакции в блокчейне и в мемпуле и сверяет адреса с внутренней базой отслеживаемых кошельков. Еще она учитывает переводы от новых, неизвестных ранее кошельков, если сумма перевода превышает заданный порог.

Но сначала базу нужно собрать. Это делают в несколько этапов, еще до запуска парсера:

• Выгрузка крупнейших держателей. Не обязательно ждать, пока кит сделает перевод. Можно запросить у блокчейна текущее распределение балансов токена и выгрузить топ-100 или топ-500 кошельков в зависимости от задачи.

• Анализ провайдеров ликвидности. Киты часто вкладывают капитал в пулы ликвидности на DEX, чтобы зарабатывать на комиссиях. Адреса с самыми крупными долями в пулах тоже добавляем в базу.

• Анализ Token Generation Event (TGE). Первые транзакции контракта токена показывают, каким кошелькам токены распределили до выхода на открытый рынок. Обычно это ранние инвесторы, венчурные фонды и команда проекта.

• Сверка с размеченными адресами. Базу сверяют с публичной разметкой адресов в обозревателях блокчейна. Так из выборки исключают горячие кошельки бирж и мосты, чтобы не реагировать на их технические переводы.

Когда первичная база собрана, система начинает отслеживать транзакции в реальном времени и сама добавляет в базу новые крупные кошельки.

Как объединить кошельки одного владельца

Из соображений безопасности крупные участники рынка почти никогда не хранят все средства на одном адресе. У одного кита могут быть десятки кошельков. Если это не учитывать, действия одного владельца будут выглядеть как активность нескольких мелких пользователей, особенно если суммы переводов не превышают порог. Тогда система пропустит кита.

Поэтому кошельки объединяют в кластеры — профили одного владельца. Для этого ищут устойчивые поведенческие паттерны:

• Переводы на одну биржу. Несколько кошельков регулярно отправляют средства на один и тот же депозитный адрес централизованной биржи (Binance, Bybit). Депозитный адрес уникален для каждого пользователя биржи, поэтому такие кошельки можно объединить.

• Временная синхронизация. Система сравнивает таймстемпы транзакций. Допустим, пять кошельков с разницей в миллисекунды начинают выкупать один актив из пула ликвидности. Скорее всего, ими управляет один скрипт и один владелец.

• Анализ после миксеров. Миксеры — сервисы, которые запутывают историю транзакций ради анонимности. Новые адреса, появившиеся после миксера, связывают со старыми кластерами по паттернам вывода средств и совпадениям по времени и суммам. Для этого используют эвристики — эмпирические правила для анализа данных в условиях неполной информации.

Связи кошелька в Breadcrumbs: по входящим и исходящим переводам видно, с какими адресами он взаимодействует чаще всего 

Как отслеживать переводы через межсетевые мосты

Киты часто работают в нескольких сетях и переводят средства через межсетевые мосты (Stargate, Hop, Across). Например, кит вносит 500 ETH в мост в сети Ethereum и через минуту получает эквивалент в Arbitrum или Base. Простой парсер увидит, что средства пропали в одной сети, а в другой появился новый кошелек.

Чтобы не терять кита, в систему добавляют cross-chain-трекинг. Он мониторит депозитные адреса мостов и сопоставляет их с выводами в других сетях. Если суммы и время совпадают, в кластер кита добавляется его адрес в новой сети.

Как отфильтровать MEV-ботов

В EVM-совместимых сетях (на базе виртуальной машины Ethereum) работает множество MEV-ботов, которые зарабатывают на арбитраже. Они используют мгновенные кредиты на миллионы долларов, поэтому их сделки похожи на сделки китов. Если не фильтровать ботов при парсинге, система будет выдавать ложные сигналы.

Точно определить, что транзакцию совершил арбитражный бот, невозможно. Но есть признаки, по которым ботов можно отсеять:

• сложные циклические вызовы смарт-контрактов, когда цепочка вызовов возвращается к исходному контракту;

• нулевое или минимальное изменение баланса кошелька после транзакции: бот взял миллион долларов в долг, провел арбитраж на DEX и вернул долг в рамках одного блока.

Чистые данные нужны, чтобы база китов была достоверной. Когда база собрана, на первый план выходит скорость реакции. Для нее нужен мемпул — там же работают и сами MEV-боты.

Как работать с мемпулом

Кластеризация адресов и фильтрация ботов работают с подтвержденными блоками. Но когда транзакция уже записана в блокчейн, цена актива успела измениться, и момент для сделки упущен. Чтобы реагировать раньше, транзакции перехватывают до исполнения — в мемпуле.

Мемпул — это очередь неподтвержденных транзакций. Когда трейдер отправляет сделку на покупку или продажу, она сначала попадает в мемпул. Там она ждет, пока валидаторы или майнеры (зависит от сети) включат ее в блок.

Строгого порядка в мемпуле нет. Первыми проходят транзакции с большей комиссией (газом). Транзакции с низкой комиссией могут ждать часами или вовсе вытесняться другими.

Бот для работы с мемпулом действует так:

1. Перехват. Бот подключается к узлу блокчейна и получает поток новых транзакций, которые только попали в мемпул.

2. Расшифровка. Бот декодирует поле input data и определяет, какую функцию смарт-контракта вызывает транзакция. Например, видит, что конкретный кошелек покупает большой объем токенов.

3. Опережение. Бот рассчитывает, что эта сделка поднимет цену. Он отправляет свою транзакцию на покупку того же актива с комиссией чуть выше, чем у кита.

Так выглядят данные в поле input data

Валидаторы включают транзакцию бота в блок первой. Бот покупает актив по старой цене, а сразу за ним проходит сделка кита, которая поднимает курс. Такая схема называется фронтраннингом.

Но перехватить транзакцию — только часть задачи. Решение нужно принять за миллисекунды, а для этого данные должны храниться так, чтобы их можно было быстро анализировать.

Как хранить данные для быстрого анализа

Блокчейн генерирует огромный объем событий. Допустим, нужно найти корреляции в истории всех свопов крупной DEX-биржи за пару лет. Классическая реляционная база данных на таких запросах будет работать слишком медленно.

Поэтому в Web3-системах используют колоночные СУБД, например ClickHouse. При аналитике они читают только столбцы, нужные для вычисления (например, wallet_address и amount), а остальные поля транзакции не трогают. Благодаря этому агрегации над миллиардами строк выполняются за миллисекунды.

Скорость здесь критична. Допустим, бот видит в мемпуле транзакцию на покупку токена на 5 млн $. Чтобы решить, что делать дальше, ему нужно понять, что это: плановая ребалансировка портфеля фонда или нетипичная активность кошелька, который давно не проявлял себя. Для этого бот сравнивает транзакцию с историей кошелька за последние 3 года. Без колоночного хранилища такая проверка займет минуты, и сделка кита успеет пройти раньше. ClickHouse возвращает ответ за миллисекунды.

Как загружать данные из блокчейна в базу

В блокчейне данные хранятся не в таблицах, а в виде последовательности событий (логов) в шестнадцатеричном коде. Чтобы с ними работать, логи нужно декодировать через ABI — файл контракта, который описывает, как распаковать данные.

Можно написать собственный парсер. Но тогда ему придется запрашивать каждый блок, декодировать логи и обрабатывать откаты сети для каждого смарт-контракта отдельно. Это долго и сложно в поддержке.

Проще использовать индексатор, например The Graph. Вы описываете в субграфе, какие события смарт-контракта вам нужны. Индексатор сам сканирует блокчейн с первого блока, декодирует логи и отдает данные через GraphQL API.

Системе остается отправить запрос к The Graph, получить структурированные данные о сделках китов и загрузить их в ClickHouse. Дальше бот анализирует их и принимает решение.

Как учитывать сигналы из соцсетей

Блокчейн показывает только сам перевод, например «кит А перевел миллион долларов на биржу». Почему он это сделал, из блокчейна не узнать.

Крупный перевод может означать подготовку к продаже. Тогда нужно открывать шорт или выходить из позиции. А может быть плановой разблокировкой токенов для команды проекта, о которой заранее объявили в X (Twitter) или Discord. Без такого контекста бот будет присылать ложные уведомления или совершать сделки, которые приведут к убыткам.

Поэтому в систему добавляют модуль анализа соцсетей: X (Twitter), Telegram-каналов проектов, Discord. Это отдельный фоновый воркер. Он непрерывно собирает посты через WebSocket-потоки, прогоняет их через локальные нейросети и обновляет в in-memory-базе Redis показатель «социальный сентимент» — общее настроение пользователей соцсетей по отношению к каждому токену.

Сканер мемпула не тратит время на внешние запросы. Когда он видит крупный перевод кита на централизованную биржу, он проверяет сентимент в Redis.

Например, сканер видит в мемпуле перевод на 10 млн $. Сентимент по этому токену за последние 3 минуты резко упал, потому что воркер соцсетей нашел новость о взломе протокола. Значит, кит не ребалансирует портфель, а выходит из актива. Бот отправляет транзакцию на шорт раньше, чем пройдет сделка кита. Такие сценарии нужно заранее продумывать и тестировать, иначе ошибка бота обернется реальными убытками.

Как собирать данные из соцсетей без блокировок

X (Twitter), Discord, аналитические платформы и новостные агрегаторы ограничивают автоматический сбор данных. Их защищают антифрод-системы, например Cloudflare или Akamai, и обычный Headless Chrome они распознают.

Для стабильного сбора данных в архитектуру добавляют антидетект-браузер. Профилями управляют не вручную, а через Puppeteer или Playwright. Octo Browser поддерживает такую интеграцию через API.

У Octo Browser есть подробная документация по работе с API

Чтобы пройти проверки, браузер должен выглядеть как реальное устройство, за которым сидит человек. В Octo Browser можно создать десятки и сотни профилей с изолированными данными. Для каждого Octo подменяет цифровые отпечатки на уровне ядра: User-Agent, шрифты, параметры WebGL/WebGPU, разрешение экрана и другие.

Сбор данных выглядит так:

1. Бот через API запускает профиль Octo Browser с отдельным прокси.

2. Профиль открывает площадку с уникальным отпечатком, и для антифрод-системы это обычный посетитель.

3. Бот забирает токены сессий и куки и передает их легковесным воркерам.

4. Воркеры запрашивают данные напрямую через API площадок и передают их NLP-модели.

5. Если сессия истекла или площадка запросила проверку, бот снова запускает профиль, чтобы получить новую сессию.

Антидетект-браузер здесь нужен не для имитации действий пользователя, а для прохождения проверок. Изолированные профили с отдельными отпечатками помогают стабильнее получать свежие посты в момент транзакции.

Как выбрать китов, за которыми стоит следить

Итог работы системы — уведомление пользователю или команда торговому движку. Но реагировать на каждого кита нет смысла.

Часть крупных кошельков не дает торговых сигналов. Например, ранние майнеры биткоина или инвесторы, которые просто перекладывают старые запасы с холодных кошельков. Интереснее адреса, которые стабильно покупают у локального минимума и продают у локального максимума. Их называют smart money, или «умные деньги».

Чтобы отделить одних от других, систему дополняют скорингом. Бот оценивает историческую успешность каждого отслеживаемого кошелька по нескольким метрикам:

1. Win Rate: какая доля сделок кошелька закрылась в плюс.

2. PnL (прибыль/убыток): сколько долларов заработал адрес за последние полгода.

3. Время входа: насколько раньше остального рынка кошелек покупает активы.

По результатам кошелькам присваиваются веса. Бота можно настроить так, чтобы он присылал уведомления, только когда активность проявляет кошелек из категории «умные деньги» с Win Rate выше 70%.

Заключение

Архитектура системы отслеживания китов складывается из нескольких модулей. Сначала собирается и кластеризуется база кошельков с учетом межсетевых мостов, из нее отсеиваются MEV-боты. Затем подключаются перехват транзакций в мемпуле, загрузка данных через индексатор и хранение в ClickHouse. Последние два модуля — анализ соцсетей и скоринг кошельков.

Собрать такую систему сложно, и сама по себе прибыль она не гарантирует. Зато она позволяет видеть крупные сделки раньше, чем они отразятся на цене, и реагировать только на сигналы от кошельков с подтвержденной историей.