加密货币:如何利用机器学习识别加密项目风险？_BER

作者：PengtaiXu

翻译：Sherrie

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

直播｜KIKI >教你如何选择比特算力:金色财经 · 直播主办的《 币圈 “后浪” 仙女直播周》第10期，本期由58COIN TOP天团组成，20:00正在直播中，本期“后浪”仙女58TOP女团甜美担当 KIKI在直播间分享“教你如何选择比特算力”，请扫码移步收听。[2020/7/31]

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

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：

OKEx金融市场总监：加密货币的未来取决于CBDC在未来如何发展:5月24日消息，OKEx金融市场总监Lennix Lai表示，适应中国的CBDC并不是那么困难，因为现金的使用已经有所下降，这要归功于支付宝和微信支付等电子支付系统的进入。Lai指出，鉴于中国一直在使用需要KYC和其他安全流程的电子支付的事实，中国的金融隐私概念早已不复存在，但当其他国家中央银行在发行CBDC时，这可能会成为一个问题。另一方面，中国CBDC直接在中央银行的权力之下并且不提供任何金融隐私这一事实可能会促使人们开始转向加密货币。因此，中国CBDC的启动确实可以促进并使人们意识到主流加密货币的用例和重要性。此外，他表示，比特币、Ripple和其他加密货币的未来取决于CBDC在未来如何发展。如果人们意识到金融隐私的需要，他们可能会涌向比特币，但在那些金融隐私存在已久的国家，这种去中心化的货币可能会被边缘化。（AMBcrypto）[2020/5/24]

传统的新闻网站，如谷歌新闻，它将报告重大的黑客事件。

动态 | 美国大学不知如何处理所得数字货币捐款:据Cryptoticker消息，美国大学处于数字资产捐赠的接收端，每年以比特币和其他数字资产形式接受捐赠的美国大学名单继续增长。然而，似乎并非所有大学都非常热衷于接受不熟悉的资产作为捐赠，许多大学都不清楚如何处理他们所获得的数字货币资金。[2018/10/18]

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。

情绪分析模型

动态 | EOS社区在如何使用eosio的资金上存在分歧:据Coindesk消息，EOS区块链上的eosio.saving账户余额不断增加，价值接近1.92亿美元。EOS社区对如何处理这些资金存在分歧。EOS核心工作小组的成员希望看到这些资金被用于造福社会。然而，也有明显的声音，敦促社区关闭WPS，取消其资金来源，“烧掉”或销毁目前在eosio.saving帐户中的所有Token。[2018/8/27]

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/

普京：俄罗斯不能有自己的加密货币 但必须研??究如何使用加密货币:据cointelegraph消息，俄罗斯总统普京6月7日在与俄罗斯公众的年度现场问答会议上表示，俄罗斯不能有自己的加密货币，这是因为加密货币超越了国界。对于所谓加密货币挖矿，普京指出俄罗斯确实没有对此进行规范，但态度“非常谨慎”。关于加密货币作为支付方式，普京指出，虽然专家说日本已经部分采用加密货币作为支付，但这“在其他国家并不适用”。俄罗斯联邦中央银行认为加密货币既不是支付手段，也不是价值储备手段。加密货币不受任何支持，人们应该小心谨慎地对待它。俄罗斯必须密切关注这一现象，以确定俄罗斯如何参与其进程。此外普京还补充说明，俄罗斯必须研??究如何使用加密货币，以避免在国际金融领域的任何限制。据cointelegraph分析，普京或许在暗示可以通过使用加密货币避免目前西方国家对俄罗斯的制裁。[2018/6/8]

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DAPBERBERT稳定币和加密货币哪个好DAPSWBERRY币liberty币1978

比特币价格实时行情热门资讯