加密货币:如何利用机器学习识别加密项目风险？_Yearn Finance Network

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。

Euler Finance社区就如何将追回的被盗资金分配给用户进行投票:Euler Finance社区就如何将追回的被盗资金分配给用户进行投票

金色财经报道，DeFi借贷协议Euler Finance背后社区正在就如何将追回的被盗资金分配给用户进行投票，如果该计划获得批准，Euler将使用协议因黑客攻击而被禁用时的价格来计算用户资产和负债的价值。

此前报道，Euler Finance在3月份遭受了2亿美元的黑客攻击，该团队上周表示，它已经收回了在黑客攻击中被盗的所有“可追回资金”。根据Euler治理论坛的提议，收回的资金总额超过95,556个ETH和4300万个DAI稳定币。未追回的资金包括发送到Tornado Cash的1,100ETH和发送到与Lazarus Group相关地址的100ETH，Lazarus Group是一个据称与朝鲜有关的黑客组织。[2023/4/11 13:55:39]

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：

美国职棒大联盟正与律师讨论如何处理与FTX的合作关系:11月17日，据消息人士透露，美国职业棒球大联盟（MLB）正在与其法律顾问讨论如何处理与FTX的合作关系。作为美国最知名的体育联盟之一，MLB正密切关注FTX的情况。

据悉，MLB于2021年6月与FTX签署五年协议。如果MLB最终决定终止与FTX的关系，FTX的品牌Logo将不会出现在MLB球场上。（Sporttechie）[2022/11/17 13:16:28]

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。

观点：无论与SEC的诉讼结果如何 对Ripple而言都不是致命打击:1月27日消息，针对美国SEC对Ripple发起的诉讼，律师Jeremy Hogan表示，如果诉讼最终对Ripple有利，在诉讼结束时，XRP价格将上涨2至3倍将只是一个“保守估计”。无论诉讼得出什么结论，对Ripple来说都不是致命的打击。如果诉讼结果不佳，导致Ripple关闭，XRP可能会归零，但这种情况不太可能发生。因为Ripple是一个技术公司，不太依赖实物资产运营。最糟糕的情况可能是其商业模式遭破坏，最终可能退出美国市场。Jeremy Hogan称，SEC诉讼最可能的结果将是双方达成和解。SEC可能会对Ripple包括其2013-2014年度（甚至2015年）的业务处以巨额罚款，以及对托管XRP销售业务进行某种控制或限制。（AMBCrypto）[2021/1/27 21:48:59]

声音 | 美国商会Julie Stitzel：美国必须以不同方式思考如何将现有监管原则应用于数字资产:据Cointelegraph消息，美国商会资本市场竞争力中心副总裁Julie Stitzel表示，美国在金融部门通过和修改法律框架的历史导致了强有力的监管结构，使市场稳定并有效管理风险。尽管数字资产市场仍处于萌芽阶段，但存在着美国可能落后的风险和担忧——错过利用新兴技术培育创新、创造就业和增长经济的机会。作为世界上最大的经济体，美国必须以不同的方式思考如何将现有的监管原则应用于数字资产——包括加密货币。对数字资产进行适当分类，并确定有权监管和监督数字资产的联邦实体，这是为创新者提供监管清晰度的一种方式。[2019/8/5]

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 | 新加坡金管局高管：金管局正在研究如何通过监管应对加密货币带来的风险:据Finance Magnates消息，新加坡金融管理局（MAS）高管Damien Pang在本周四举行的年度金融科技联合大会上表示，许多监管机构和行业人士呼吁以自上而下的方式对加密货币行业进行监管。金管局正在研究加密货币带来的风险，以及如何通过监管来予以应对。 Pang称：“我们绝对需要监管加密货币，这是为了正确应对风险。例如使用加密货币为恐怖主义融资等，这是我们需要解决的问题。因此，问题不在于加密货币是否应该受到监管，而是关于（区块链）技术所带来的风险，以及我们如何在不对整个加密货币行业一网打尽的情况下，试图减轻这些风险。”[2019/6/27]

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。

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。

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ANCNCENAN加密货币与数字人民币的区别Skyrim FinanceBeyond FinanceYearn Finance Network

欧易交易所app官网下载热门资讯