Исследователи из Московского физико-технического института (МФТИ) представили новый алгоритм, основанный на машинном обучении, который способен выявлять сети фейковых аккаунтов в криптовалютных экосистемах с точностью 90%. Это вдвое превышает эффективность существующих решений. Информация об этом появилась на официальном сайте МФТИ.
Алгоритм анализирует множество параметров, включая поведенческие паттерны и сетевые связи между кошельками, что позволяет ему обнаруживать сложные кластеры, остающиеся незамеченными традиционными методами. Студент выпускного курса кафедры блокчейн в МФТИ и автор алгоритма Алексей Саплин отметил, что большинство аналогичных решений демонстрируют эффективность на уровне 45-60%.
Новый инструмент нацелен на борьбу с так называемыми сибил-кошельками — фейковыми аккаунтами, создаваемыми злоумышленниками для получения многократных вознаграждений в рамках эйрдропов. Эти рекламные акции позволяют криптопроектам бесплатно раздавать цифровые активы на начальных этапах своего развития.
Создание множества сибил-кошельков искажает метрики проектов, приводит к падению курсов цифровых активов и подрывает доверие пользователей. Хотя уже существуют различные алгоритмы для выявления таких нарушителей, они зачастую не справляются с задачей.
Ученым из России удалось значительно повысить эффективность за счет учета множества параметров и применения систем машинного обучения для выявления скрытых связей и поведенческих закономерностей, которые трудно заметить при ручном анализе или использовании жестких правил.
Новый подход уже был протестирован на открытом конкурсе проекта Layer Zero, где были выявлены крупные мошеннические схемы. В результате аннулировали несправедливые выплаты на сумму $10,2 млн. Саплин предполагает, что разработанный алгоритм может стать универсальным инструментом для обнаружения мошенничества в различных блокчейн-экосистемах.
Свежие комментарии