Uniswap, al igual que otros DEXs, ha ganado mucha atención este año porque es un intercambio no custodial y públicamente verificable que permite a los usuarios intercambiar activos digitales sin la necesidad de terceros de confianza. Sin embargo, su simplicidad y falta de regulación también facilitan la ejecución de estafas de ofertas iniciales de monedas al listar tokens no valiosos. Este método de realizar estafas se conoce como "rug pull", un fenómeno que ya existe en las finanzas tradicionales pero que se ha vuelto más relevante en DeFi. Varios proyectos han contribuido a detectar "rug pulls" en cadenas compatibles con EVM. Sin embargo, se dio el primer paso longitudinal y académico para detectar y caracterizar tokens de estafa en Uniswap. Los autores recopilaron todas las transacciones relacionadas con el intercambio Uniswap V2 y propusieron un algoritmo de aprendizaje automático para etiquetar tokens como estafas. Sin embargo, el algoritmo solo es valioso para detectar estafas con precisión después de que se han ejecutado. Este documento aumenta su conjunto de datos en 20K tokens y propone una nueva metodología para etiquetar tokens como estafas. Después de analizar manualmente los datos, ideamos una clasificación teórica de diferentes maniobras maliciosas en el protocolo Uniswap. Proponemos varios algoritmos basados en aprendizaje automático con nuevas características relevantes relacionadas con la propagación de tokens y heurísticas de contratos inteligentes para detectar posibles "rug pulls" antes de que ocurran. En general, los modelos propuestos lograron resultados similares. El mejor modelo obtuvo una precisión de 0.9936, una sensibilidad de 0.9540 y una precisión de 0.9838 al distinguir tokens no maliciosos de estafas antes de la maniobra maliciosa.