加密货币:如何利用机器学习识别加密项目风险？

编者按：本文来自加密谷Live，作者：PengtaiXu，翻译：Sherrie，Odaily星球日报经授权转载。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，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。解决方案

Meta正测试如何在Facebook和Instagram之间进行切换:9月27日消息，Meta Platform正测试如何轻松地在旗下Facebook和Instagram两款软件之间进行切换。（财联社）[2022/9/27 22:31:29]

图片来源：https://dribbble.com/shots/2723032-Needle-in-a-Haystack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LynxAnalytics的合作中，我们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平台中，这是LynxAnalytics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。开源信息的数据获取

摩根大通投资策略主席：不管比特币如何扩张，如何流行都不能让人感到满意:金色财经报道，金融巨头摩根大通投资策略主席Michael Cembalest在最近的一次采访中表示，他对比特币和加密货币的世界并不疯狂，暗示尽管比特币如何扩张，如何流行，但这种货币不会让所有人都感到满意。Cembalest 表示所表达的观点是他自己的观点，而不是摩根大通的观点。不喜欢世界排名第一的数字货币，原因有两个。首先是因为它的波动性，他说这阻止了比特币“进入与价值投资相一致的范围”。另一个原因是因为比特币并没有像许多分析师让我们相信的那样证明自己是对冲通胀的工具。（livebitcoinnews）[2022/2/14 9:49:52]

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。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。

李礼辉：如何进行必要的数字金融制度建设等问题值得关注:12月31日，由清华大学经济管理学院数字金融资产研究中心主办的“数字金融：创新、发展与监管”高端研讨会中，中国银行原行长李礼辉表示，如何能满足适用于我国规模化可靠应用的需求、如何进行必要的数字金融制度的建设、负责数字人民币技术架构的研发、维护、运行等方面工作的机构体制如何设立及如何探索我国主导的全球化数字货币的可行路径是值得关注的重要问题。[2021/1/4 16:22:26]

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。情绪分析模型

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对这些模型进行评估后，RoBERTa模型表现最佳，被选为最终模型。

现场丨中央美术学院副教授陈卓：我们该思考如何让加密艺术品拥有传统艺术品特性:金色财经现场报道，10月17日，BCA NFT艺术沙龙于京举办，在圆桌讨论环节，中央美术学院副教授陈卓表示，如今在艺术领域，用媒介去区分艺术，边界越发模糊，艺术正在向经典形态向新形态转变的趋势，媒介的转变和社会的变化会推动一波变迁。传统的艺术品有神秘感，但区块链是透明的，艺术展有仪式感，但线上艺术品会缺少仪式感。我们该思考如何让加密艺术具备传统艺术特性。例如艺术收藏的仪式感、艺术品生产过程的创造艺术。[2020/10/17]

图片来源：https://www.codemotion.com/RoBERTa模型对新闻文章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。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。风险评分

动态 | Coinbase研究：学生越来越有兴趣了解区块链和加密如何使全世界的人受益:Coinbase博客发文称，研究表明，学生们越来越有兴趣了解区块链和加密如何使全世界的人受益。在2018年至2019年期间，学习区块链中对于“社会公正”的兴趣从13％上升到20％。与此同时，学生对于“安全”和“未来应用与增长”的学习兴趣在过去一年中都有所下降，分别从37％降至29％和31％至27％。[2019/8/31]

现在，每篇文章都有一个相关的来源，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。

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。该解决方案的有效性

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。

有趣的发现

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。局限性

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。结语

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：加密货币区块链比特币COI加密货币市场规模分析区块链证据保全怎么操作比特币最新价格美元MinexCoin

NEAR热门资讯