加密货币:加密货币安全事件频发，如何用机器学习监控项目风险？_BER

原文标题：《硬核丨如何利用机器学习识别加密项目风险？》

撰文：PengtaiXu

翻译：Sherrie

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。

加密货币经纪交易商INX获Republic 525万美元投资:6月19日消息，投资公司Republic以525万美元收购纽约数字资产经纪交易公司INX (INXDF) 约9.5%的股份，并承诺最早在今年第三季度以1.2亿美元的估值收购100%的股权。初步交易预计将在60天内完成，但需获得监管部门的批准。据悉，Republic总部位于纽约，是一家数字商业银行，运营以零售为重点的投资平台，曾获Galaxy Interactive和摩根士丹利等公司支持。因此，将INX的数字资产覆盖范围整合到Republic的平台中可以为大型传统金融客户群提供加密货币交易功能的重大扩展。[2023/6/20 21:48:09]

解决方案

图片来源：?https://dribbble.com/shots/2723032-Needle-in-a-Haystack

约74%的以太坊节点已在Bellatrix升级之前为合并做好准备:金色财经消息，根据Ethernodes的数据，在即将于9月6日为以太坊进行Bellatrix升级之前，多达73.5%的以太坊节点现在被标记为“合并准备就绪”。为了做好合并准备，以太坊节点运营商必须遵守Bellatrix的升级。在信标链的epoch 144896之前更新其共识层客户端，该升级将于2022年9月6日上午11:34:47 UTC进行。

也有多达26.7%的节点被标记为“未准备就绪”参加以太坊合并。以太坊联合创始人Vitalik Buterin和核心开发人员Tim Beiko在Twitter呼吁其余节点运营商更新他们的客户端。（Cointelegraph）[2022/9/6 13:11:01]

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。

沉寂近9年的某比特币地址转出全部5000枚BTC:8月30日消息，据欧科云链OKLink多链浏览器显示，一个沉寂近9年的比特币地址（14RKFqH45xYPMpW4KQ28RB6XtrZ8XpEM5i）在8月30日凌晨00:41:07转出全部5000枚BTC，价值约1亿美元，此后拆分为多笔148BTC的交易。

此前消息，昨日另一个沉寂9年的比特币地址转出全部5001枚BTC。[2022/8/30 12:56:59]

开源信息的数据获取

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。

薛蛮子宣布成立加密货币不动产株式会社:今日，薛蛮子在微博上宣布，己经成立了蛮子加密货币不动产株式会社。目前其所有在日本，泰国苏梅岛的房地产项目包括买卖租赁业务都接受加密货币结算。目前，其第一笔在京都的地产交易已经成交，交易额在数千万日元左右。[2018/2/3]

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。

图片来源：?https://www.codemotion.com/magazine/dev-hub/machine-learning-dev/bert-how-google-changed-nlp-and-how-to-benefit-from-this/

美国证券交易委员会正在评估加密货币基金的相关问题:美国证券交易委员会投资管理办公室负责人表示，该机构正在评估与计划持有加密数字货币的新注册基金的相关问题。在此前华盛顿据悉的 ICI证券法研究会议上，美国证券交易委员会投资管理部负责人大利亚·布拉斯（Dalia Blass）就该机构如何应对美国新兴的投资活动进行了阐述，他们发现某些某些投资公司正在持有数字化资产，或是完全使用数字货币进行投资，而其中存在一系列问题。[2017/12/12]

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

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ERTBERTBER加密货币为什么有价值Animal ConcertsCyberTime FinanceZyberswap

NEAR热门资讯