<span class="image__caption">Un modelo matemático revela cómo un grupo secreto tumbó una criptomoneda, en un ataque que costó al mercado más de 3.500 millones de dólares. Fuente: Midjourney / E. F.</span>
Creado:
5.04.2025 | 09:44
Actualizado:
5.04.2025 | 09:46
Cuando Luna y TerraUSD se desplomaron en mayo de 2022, miles de personas vieron desaparecer su inversión en cuestión de días. Algunos lo atribuyeron a un fallo del sistema, otros a un error de diseño. Pero una nueva investigación científica sugiere algo mucho más inquietante: detrás del colapso pudo haber una operación cuidadosamente orquestada por un grupo muy pequeño de operadores. No fue azar, ni solo mala suerte. Fue una jugada premeditada.
Un equipo de investigadores liderado por Cheick Tidiane Ba y Richard Clegg, de la Queen Mary University of London, ha utilizado un modelo matemático para analizar millones de transacciones en la red Ethereum. Su estudio, publicado en ACM Transactions on the Web, ofrece por primera vez una radiografía técnica del colapso de TerraUSD, y revela patrones de comportamiento imposibles de atribuir al azar. Según sus datos, cinco o seis usuarios concentraron casi todo el volumen de ventas clave justo antes del colapso, una señal clara de actividad coordinada.
Criptomonedas: qué son, para qué sirven y alternativas a Bitcoin
El ecosistema cripto antes y después del colapso
Uno de los objetivos principales del estudio fue entender cómo se comportaban las criptomonedas antes y después del ataque a TerraUSD y LUNA. Para eso, los investigadores utilizaron una técnica llamada análisis de grafos temporales en múltiples capas, que permite observar cómo interactúan distintas monedas a lo largo del tiempo y en qué medida sus movimientos están correlacionados.
Antes del colapso, el modelo mostró que las seis principales monedas analizadas —entre ellas USTC (la versión “envuelta” de TerraUSD) y WLUNC (la de LUNA)— presentaban patrones de movimiento casi idénticos. Las correlaciones de las ventas diarias entre monedas eran muy altas, según afirman los autores, lo cual sugiere que el sistema funcionaba de forma estable y sincronizada.
Sin embargo, tras el colapso del 9 de mayo, esa armonía se rompió. Las monedas directamente afectadas (USTC y WLUNC) dejaron de comportarse como el resto y comenzaron a formar una especie de subecosistema independiente. Las correlaciones se diluyeron, y los usuarios cambiaron sus hábitos de inversión de forma notable.
Fuente: Midjourney / E. F.
Un ataque anticipado con precisión: las señales antes del desastre
Una de las aportaciones más sorprendentes del estudio es la identificación de dos eventos anómalos de venta masiva ocurridos antes del colapso. El primero fue el 3 de abril de 2022 y el segundo el 19 del mismo mes. En ambos días, el volumen de tokens de USTC vendidos se disparó de manera repentina, sin que existieran motivos aparentes en el mercado.
El análisis demuestra que estos picos de actividad no fueron generalizados. El aumento en los movimientos de tokens fue impulsado por unos pocos usuarios, escriben los autores, y lo respaldan con datos: en los días clave, cinco o seis carteras concentraron el 99 % de las ventas, una concentración imposible de atribuir al azar. En comparación, los días normales presentaban una distribución más dispersa, con el 65 % de las ventas repartidas entre los diez usuarios más activos.
Esta diferencia, afirman los investigadores, sugiere una estrategia deliberada de desestabilización, probablemente para provocar una caída del precio de la moneda y beneficiarse mediante técnicas de venta a corto (short selling).
Fuente: Midjourney / E. F.
Cómo se construyó el modelo matemático
Para entender estas dinámicas, el equipo utilizó un modelo basado en grafos temporales multicapas, que permite representar cada criptomoneda como una capa distinta en una red. Cada nodo en el grafo es un monedero digital, y las conexiones entre nodos representan transacciones.
La herramienta empleada, llamada Raphtory, fue desarrollada por los propios investigadores y permite analizar más de 70 millones de transacciones. Esto incluye no solo las monedas afectadas (USTC y WLUNC), sino también otras como USDC, DAI o USDT.
El modelo no solo analiza la cantidad de transacciones, sino también su dirección, volumen y frecuencia, lo que permite observar patrones de comportamiento difíciles de detectar por métodos tradicionales. Gracias a esto, pudieron detectar eventos como el pico de actividad del 3 de abril, que coincidió exactamente con uno de los momentos clave previos al colapso.
Fuente: Midjourney / E. F.
Efectos colaterales: lo que pasó con el resto del sistema
El colapso de TerraUSD y LUNA no fue un fenómeno aislado. La caída también tuvo consecuencias para otras monedas, especialmente en los días posteriores. El estudio analizó cómo se alteraron diversas métricas de la red, como la densidad del grafo, el coeficiente de agrupamiento o el grado medio (el número de conexiones de cada nodo).
Algunos indicadores, como el coeficiente de agrupamiento, aumentaron en USTC durante el colapso, mientras que otros, como la densidad, se redujeron drásticamente en las monedas implicadas. Esto sugiere que el sistema entró en una fase de desorganización, donde los usuarios dejaron de interactuar como lo hacían antes.
Sin embargo, otras monedas como DAI o USDC mostraron una estabilidad notable, lo que permitió a los investigadores comparar y entender mejor los cambios estructurales en el sistema tras el ataque.
¿Dónde se refugiaron los usuarios tras el desplome?
El modelo también permitió observar cómo cambiaron las estrategias de los usuarios tras la caída. Antes del 9 de mayo, la mayoría de las carteras operaban solo con una moneda. Pero tras el colapso, algunos usuarios comenzaron a moverse hacia otras opciones más estables.
En particular, muchos inversores que estaban activos en WLUNC pasaron a utilizar USDC y USDT, dos de las monedas estables más reconocidas. El estudio señala que este desplazamiento fue visible gracias a los diagramas de flujo entre capas, que muestran cómo se redistribuyeron los usuarios en los días posteriores al colapso.
Los autores también indican que una parte significativa de los usuarios afectados simplemente dejó de operar. No cambiaron de moneda, sino que abandonaron por completo la red.
Fuente: Midjourney / E. F.
Las pruebas de la coordinación: ¿quién estaba detrás?
Una de las preguntas más delicadas del estudio es si es posible identificar a los responsables del ataque. Aunque los investigadores no pueden vincular identidades reales a los monederos digitales, sí muestran que tres usuarios concretos (A, B y C) estuvieron activos en los dos días anómalos de abril y que concentraron más del 90 % de los movimientos de venta.
Según el artículo original, “la distribución extremadamente inusual de ventas (…) deja pocas dudas de que los individuos (…) están participando deliberadamente en un intento de desestabilizar Luna/Terra”.
No se puede asegurar si se trata de una sola persona o de un grupo, pero la sincronía en los volúmenes y los tiempos de operación indica una acción coordinada, algo que sería muy difícil de lograr sin planificación previa.
Una herramienta con potencial más allá de las criptomonedas
Aunque este modelo se ha aplicado a un caso concreto, los autores señalan que su metodología puede utilizarse para analizar otras crisis financieras, ecosistemas sociales e incluso fraudes digitales.
La clave está en su capacidad para representar datos complejos de forma estructurada, utilizando la temporalidad y la diversidad de capas como eje. El análisis en este artículo solo puede lograrse con sistemas de grafos temporales multicapa, comentan los autores, al referirse a la potencia del enfoque usado.
En definitiva, la tecnología desarrollada para entender el colapso de TerraUSD podría convertirse en una herramienta preventiva en el futuro, no solo en el mundo cripto, sino en cualquier sistema donde los patrones ocultos revelen riesgos inminentes.
Referencias
Cheick Tidiane Ba, Ben Steer, Matteo Zignani, Richard Clegg. Investigating the Luna-Terra Collapse through the Temporal Multilayer Graph Structure of the Ethereum Stablecoin Ecosystem. ACM Transactions on the Web (2025).
Fuente:
Autor: efernandez
About The Author
