加密货币:如何利用机器学习识别加密项目风险？

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。

掌柜调查署 | 当前环境下交易所如何“转正”？:4月15日16:00，金色财经「掌柜调查署」邀请到ChainUP大客户项目负责人针对交易所如何拥抱合规的问题进行解答，带领大家全面了解当前环境下，交易所如何“转正”！更多内容点击原文链接查看。[2020/4/15]

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。

现场 | 火币集团COO朱嘉伟：区块链是解决三个和尚如何打水的问题:金色财经现场报道，百度智能云Techday11月21日在北京举行。火币集团COO朱嘉伟在会上表示，区块链技术和其他多数技术很不一样，多数技术是解决一个和尚如何打水的问题区块链是解决三个和尚如何打水的问题，因此区块链适用于多方协同的场景，可以促进数据共享、优化业务流程、降低运营成本、提升协同效率以及建设可信体系。[2019/11/21]

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。

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。

声音 | 复旦杨洁萌：Libra落地最大挑战来自于如何应对监管:9月25日晚，第83期“金融学术前沿”报告会在复旦大学智库楼106会议室举行。复旦发展研究院金融研究中心（FDFRC）主任孙立坚教授研究团队成员杨洁萌发布了题为“Libra乌托邦与中国法定数字货币的机遇”的报告。杨洁萌表示，Libra和传统支付系统比，满足不同参与方的诉求，帮助账户方做大支付、汇款，让收款方降低交易成本，也让传统机构观察、应对创新的手段。具体来说，具有三大优势：1、低操作成本：区块链取代人工对账带来效率提高，差错减少；2、低交易成本：Libra体系内交易无需向中心化机构代理机构付费；3、低保证金降低成本：账本实时同步加强机构间公信，减少保证金要求，降低保证金带来的额外成本。Libra也依然面临着四大风险：各国面临的监管要求不同；反风险；资金安全和信息安全；监管政策不确定风险。因此，Libra虽然抱有非常美好的幻想，但离真正落地还有诸多挑战，最大的挑战来自于如何应对监管，还有包括隐私问题、挤兑风险问题等诸多问题，还处于乌托邦的阶段。（复旦发展研究院微信公众号）[2019/9/30]

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。

声音 | Circle首席执行官：加密和区块链产业是对公民社会最终如何运作基础的再设计:据Cointelegraph消息，Circle首席执行官Jeremy Allaire在世界银行集团和国际货币基金组织（IMF）2019年春季会议上表示，加密和区块链产业是对公民社会最终如何运作的基础根本性的重新设计。Allaire认为，加密和区块链产业不仅关乎数字支付，还关乎一种新的基础设施，用于记录重要信息，并为构建解决方案提供一个更加去中心化、更具弹性的基础。[2019/4/12]

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。

阿拉斯加女学生如何依靠2014年的比特币课题支付大学学费:2014年，阿拉斯加的一位女学生以比特币作为竞赛项目课题，而在当时这一课题毫无疑问获得了评委的青睐。到现在，这一课题不仅为她带来了荣誉，还给她积累了一定的财富。而当时因为这一课题而了解到比特币的孩子们大多数仍旧保留着这些比特币，同时还保持着对加密货币的兴趣。正如这故事所表明的，向孩子传授有关金钱的知识并赋予他们一定的财务自由越早越好。[2017/12/29]

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。

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：加密货币区块链LIBRALIB加密货币的优缺点魔兽币应用区块链吗libra币在哪个交易所LIBFX

币安app下载热门资讯