加密货币:如何利用机器学习识别加密项目风险？_INK

加密货币和监管的必要性

加密货币是一种存在于数字世界的交易媒介（另一种支付形式），依靠加密技术使交易安全。加密货币背后的技术允许用户直接向他人发送货币，而不需要通过第三方，如银行。为了进行这些交易，用户需要设置一个数字钱包，而不需要提供身份证号码或信用评分等个人细节，因此可以让用户伪匿名。

对于普通的加密货币用户来说，这种匿名性可以让他们放心，因为他们的个人信息或交易数据不会被黑客窃取。然而，这种交易匿名性的提高，也容易被犯罪分子滥用，进行、恐怖融资等非法活动。这种非法活动给区块链钱包用户以及加密货币实体都造成了巨大的损失。虽然金融行动特别工作组（FATF）等监管机构已经在这些实体的监管中引入了标准化的指导方针，但由于每天都有大量的加密货币实体和交易发生，监控加密货币空间是一项具有挑战性的任务。

因此，人们有兴趣利用开源信息，例如新闻网站或社交媒体平台，来识别可能的安全漏洞或非法活动。在与Lynx Analytics的合作中，我们（来自新加坡国立大学的一个学生团队）已经致力于开发一个自动工具，以刮取开源信息，预测每篇新闻文章的风险分数，并标记出风险文章。这个工具将被整合到Cylynx平台（https://www.cylynx.io/）中，这是Lynx Analytics开发的一个工具，用于帮助监管机构通过使用各种信息源监控区块链活动。

Terra 2.0 社区已启动就有关如何分配 0.5% 应急资金提案的投票:6月9日消息，Terra 2.0 社区已启动就有关如何分配 0.5% 应急资金提案的投票，该提案建议将这部分资金分配给在 Terra Classic 上推出过符合市场需求的产品，包括产生了一定量的 TVL 和没有产生 TVL 的项目以及尚未推出过符合市场需求产品的项目，并提议向以上三类项目分别分配 250 万枚 LUNA、100 万枚 LUNA 和 150 万枚 LUNA。此外，该提案建议组件一个由部分 Terra 社区的长期成员组成的理事会监督分配工作。[2022/6/9 4:13:09]

我们确定了3类开源数据，这些数据可以提供有价值的信息，帮助检测加密货币领域的可疑活动。这些类别是：

传统的新闻网站，如谷歌新闻，它将报告重大的黑客事件。

美国国会成员置评美联储CBDC报告：美联储未能表明其如何保护数据:1月21日消息，美国国会参议院共和党成员Toomey置评美联储央行数字货币（CBDC）报告：美联储未能表明其如何保护数据，这让人深感担忧。[2022/1/21 9:03:35]

加密货币专用新闻网站，如Cryptonews和Cointelegraph，它们更有可能报道小型实体和小型安全事件的新闻。

社交媒体网站，如Twitter和Reddit，在官方发布黑客新闻之前，加密货币所有者可能会在那里发布有关黑客的消息。

检索文章和社交媒体帖子的内容，然后建立情绪分析模型。该模型为文章中提到的实体分配了一个风险活动的概率。

欧科集团徐明星对话全国政协委员 谈抗击疫情区块链如何发挥作用:3月20日，全国政协云上“小双周”座谈会今天举行。全国政协委员，中国证监会原主席肖钢等多位全国政协委员、业界专家代表出席。会上，欧科集团创始人徐明星发表“区块链+供应链抗疫期间‘扛大旗’”主题演讲。徐明星表示：“除了供应链外，区块链技术在其他领域也有重要应用。随着下一代高新技术产业的发展，区块链技术将展现出更大的应用潜力。”[2020/3/20]

我们尝试了四种不同的自然语言处理工具进行情绪分析，即VADER、Word2Vec、fastText和BERT模型。在通过选定的关键指标（召回率、精度和F1）对这些模型进行评估后，RoBERTa模型（BERT的一个变种）表现最佳，被选为最终模型。

RoBERTa模型对新闻文章（标题和摘录）或社交媒体帖子的文本进行处理，并为特定文本分配一个风险分数。由于该文本在数据收集过程中已经被标记为实体，我们现在已经有了加密实体的相关风险指标。在后期，我们将多个文本的风险分数结合起来，给出一个实体的整体风险分数。

布鲁金斯学会：全球监管机构之间没有就如何处理加密货币达成协议:据福布斯消息，布鲁金斯学会昨日发布关于央行和加密货币的研究报告。报告指出，世界各地的银行监管机构并未采取统一的方式来规范加密货币。该报告还指出，目前的大型经济体中，没有任何一个国家的央行认真考虑是否推出自己的加密货币。然而，美联储、日本央行、加拿大央行、英国央行和欧洲央行均表示正在评估央行加密货币的利与弊。研究表明，央行领导人目前主要对于加密货币潜在的逃税和可能表示担心。[2018/4/18]

RoBERTa原本是一个使用神经网络结构建立的情感分析模型，我们将最后一层与我们标注的风险分数进行映射，以适应风险评分的环境。为了提高模型在未来文本数据上的通用性，我们进行了几种文本处理方法，即替换实体、删除url和替换hash。然后我们使用这个表现最好的模型进行风险评分。

现在，每篇文章都有一个相关的来源（news/reddit/twitter），一个风险概率和一个计数，指的是文章被转发、分享或转发的次数。为了将这些风险概率转换为加密货币实体的单一风险得分，我们首先将文章的概率值缩放到0到100的范围内，并获得每个来源的加权平均值，结合文章的风险得分和计数。加权平均数用于对计数较高的文章给予更大的重视，因为份额数量很可能表明文章的相关性或重要性。

美国证券交易所：加密货币交易所没有透露是否对一些用户提供了优先服务 以及平台如何挑选加密货币:据华尔街日报，美国证券交易所今天发布了有关加密货币交易所存在不规范问题的公告。SEC在公告中表明，加密货币交易所存在非法运营的风险，这是因为他们没有透露如何优先考虑投资者的订单或如何选择在其平台交易何种加密货币。前SEC官员，现任由投资者支持的健康市场协会的执行董事Tyler Gellasch透露：“SEC不仅要管理产品，还要管理他们交易和交易的地点。”SEC没有在其声明中提及具体的加密货币交易所，但提醒投资者，监管机构对交易所的实际运作方式知之甚少，不知道它们是否为其中一些交易者提供了优先于其他交易者的服务。SEC表示，虽然其中一些平台声称采用严格的标准来挑选高质量的加密货币资产进行交易，但SEC并没有审查过这些标准。[2018/3/8]

在计算出各来源的风险得分后，我们对各来源的风险得分进行加权求和，得到综合得分，公式如下：

传统的新闻来源被赋予了更高的权重，因为这些来源更有可能报道重大的安全漏洞（相对于单个用户的黑客事件）。

我们在2020年1月1日至2020年10月30日的174个加密货币实体的名单上测试了我们的解决方案，并将结果与该时间段内的已知黑客案例进行了比较。我们发现，我们的风险评分方法表现相当出色，在37个已知的黑客案例中识别了32个。我们还分析了我们的解决方案对单个实体的有效性。下图显示了Binance从2020年1月1日至2020年10月30日的风险评分。虚线红线代表已知的黑客案例。从图中我们观察到，我们的解决方案报告了5个已知黑客中的4个黑客的风险得分增加。也有几个峰值与已知黑客案例不一致。然而，这并不构成一个主要问题，因为对我们的模型来说，更重要的是识别尽可能多的黑客，减少未识别的黑客数量。

在风险评分过程中，我们注意到，与规模较小的实体相比，规模较大的实体的风险评分往往有较大比例的假阳性记录。这是因为大型实体被谈论得更多，因此会有更多的负面帖子和虚假谣言，从而导致更高的不准确率。

另一个值得强调的有趣趋势是，围绕着黑客攻击通常有几个明显的高峰。这是由于不同数据源的反应时间不同。社交媒体网站Twitter和Reddit通常是第一个看到高风险事件发生时的高峰，因为用户会发帖提出他们观察到的异常情况，比如一个实体的网站在没有事先通知用户的情况下宕机。官方消息一般是在官方声明之后，稍后才会发布。

我们发现，我们的解决方案有两个潜在的局限性，首先是需要不断地维护收集器。网站设计可能会随着时间的推移而改变，这些网站的刮擦器需要更新，以确保相关信息仍能被检索到，从而达到风险评分的目的。

第二个限制是，验证一篇文章是否已被正确地标记为加密货币实体是具有挑战性的。例如，一篇报道Bancor可疑活动的文章可能也会因为一个不相关的事件提到Binance。我们的解决方案会错误地将新闻标记为两个实体，并将Binance标记为风险，即使它不是文本中的关键主题。然而，这并不是一个主要的限制，因为我们只使用新闻文章的标题和摘录来进行风险评分，这通常只包含文章的关键信息。

我们的项目让监管机构可以轻松挖掘开源信息，更好地识别加密货币领域发生的风险事件。我们提供了一个分析文章并预测风险分数的语言模型，以及根据实体和来源信息汇总这些分数的方法。这些方法都被编织成一个可以端到端运行的自动化流水线。将该项目整合到Cylynx平台中，将对其现有功能进行补充，并为监管机构识别高风险加密货币实体提供巨大的帮助。

标签：加密货币INKLINKZEN加密货币市场行情走势分析Dink DoinkTronLink官方下载Zenlink

Polygon热门资讯