加密貨幣是一種存在于數(shù)字世界的交易媒介（另一種支付形式），依靠加密技術使交易安全。加密貨幣背后的技術允許用戶直接向他人發(fā)送貨幣，而不需要通過第三方，如銀行。為了進行這些交易，用戶需要設置一個數(shù)字錢包，而不需要提供身份證號碼或信用評分等個人細節(jié)，因此可以讓用戶偽匿名。

對于普通的加密貨幣用戶來說，這種匿名性可以讓他們放心，因為他們的個人信息或交易數(shù)據不會被黑客竊取。然而，這種交易匿名性的提高，也容易被犯罪分子濫用，進行洗錢、恐怖融資等非法活動。這種非法活動給區(qū)塊鏈錢包用戶以及加密貨幣實體都造成了巨大的損失。雖然金融行動特別工作組（FATF）等監(jiān)管機構已經在這些實體的監(jiān)管中引入了標準化的指導方針，但由于每天都有大量的加密貨幣實體和交易發(fā)生，監(jiān)控加密貨幣空間是一項具有挑戰(zhàn)性的任務。

解決方案

因此，人們有興趣利用開源信息，例如新聞網站或社交媒體平臺，來識別可能的安全漏洞或非法活動。在與Lynx Analytics的合作中，我們（來自新加坡國立大學的一個學生團隊）已經致力于開發(fā)一個自動工具，以刮取開源信息，預測每篇新聞文章的風險分數(shù)，并標記出風險文章。這個工具將被整合到Cylynx平臺（https://www.cylynx.io/）中，這是Lynx Analytics開發(fā)的一個工具，用于幫助監(jiān)管機構通過使用各種信息源監(jiān)控區(qū)塊鏈活動。

開源信息的數(shù)據獲取

我們確定了3類開源數(shù)據，這些數(shù)據可以提供有價值的信息，幫助檢測加密貨幣領域的可疑活動。這些類別是：

傳統(tǒng)的新聞網站，如谷歌新聞，它將報告重大的黑客事件。

加密貨幣專用新聞網站，如Cryptonews和Cointelegraph，它們更有可能報道小型實體和小型安全事件的新聞。

社交媒體網站，如Twitter和Reddit，在官方發(fā)布黑客新聞之前，加密貨幣所有者可能會在那里發(fā)布有關黑客的消息。

檢索文章和社交媒體帖子的內容，然后建立情緒分析模型。該模型為文章中提到的實體分配了一個風險活動的概率。

情緒分析模型

我們嘗試了四種不同的自然語言處理工具進行情緒分析，即VADER、Word2Vec、fastText和BERT模型。在通過選定的關鍵指標（召回率、精度和F1）對這些模型進行評估后，RoBERTa模型（BERT的一個變種）表現(xiàn)最佳，被選為最終模型。

RoBERTa模型對新聞文章（標題和摘錄）或社交媒體帖子的文本進行處理，并為特定文本分配一個風險分數(shù)。由于該文本在數(shù)據收集過程中已經被標記為實體，我們現(xiàn)在已經有了加密實體的相關風險指標。在后期，我們將多個文本的風險分數(shù)結合起來，給出一個實體的整體風險分數(shù)。

RoBERTa原本是一個使用神經網絡結構建立的情感分析模型，我們將最后一層與我們標注的風險分數(shù)進行映射，以適應風險評分的環(huán)境。為了提高模型在未來文本數(shù)據上的通用性，我們進行了幾種文本處理方法，即替換實體、刪除url和替換hash。然后我們使用這個表現(xiàn)最好的模型進行風險評分。

風險評分

現(xiàn)在，每篇文章都有一個相關的來源（news/reddit/twitter），一個風險概率和一個計數(shù)，指的是文章被轉發(fā)、分享或轉發(fā)的次數(shù)。為了將這些風險概率轉換為加密貨幣實體的單一風險得分，我們首先將文章的概率值縮放到0到100的范圍內，并獲得每個來源的加權平均值，結合文章的風險得分和計數(shù)。加權平均數(shù)用于對計數(shù)較高的文章給予更大的重視，因為份額數(shù)量很可能表明文章的相關性或重要性。

在計算出各來源的風險得分后，我們對各來源的風險得分進行加權求和，得到綜合得分，公式如下：

傳統(tǒng)的新聞來源被賦予了更高的權重，因為這些來源更有可能報道重大的安全漏洞（相對于單個用戶的黑客事件）。

該解決方案的有效性

我們在2020年1月1日至2020年10月30日的174個加密貨幣實體的名單上測試了我們的解決方案，并將結果與該時間段內的已知黑客案例進行了比較。我們發(fā)現(xiàn)，我們的風險評分方法表現(xiàn)相當出色，在37個已知的黑客案例中識別了32個。我們還分析了我們的解決方案對單個實體的有效性。下圖顯示了Binance從2020年1月1日至2020年10月30日的風險評分。虛線紅線代表已知的黑客案例。從圖中我們觀察到，我們的解決方案報告了5個已知黑客中的4個黑客的風險得分增加。也有幾個峰值與已知黑客案例不一致。然而，這并不構成一個主要問題，因為對我們的模型來說，更重要的是識別盡可能多的黑客，減少未識別的黑客數(shù)量。

有趣的發(fā)現(xiàn)

在風險評分過程中，我們注意到，與規(guī)模較小的實體相比，規(guī)模較大的實體的風險評分往往有較大比例的假陽性記錄。這是因為大型實體被談論得更多，因此會有更多的負面帖子和虛假謠言，從而導致更高的不準確率。

另一個值得強調的有趣趨勢是，圍繞著黑客攻擊通常有幾個明顯的高峰。這是由于不同數(shù)據源的反應時間不同。社交媒體網站Twitter和Reddit通常是第一個看到高風險事件發(fā)生時的高峰，因為用戶會發(fā)帖提出他們觀察到的異常情況，比如一個實體的網站在沒有事先通知用戶的情況下宕機。官方消息一般是在官方聲明之后，稍后才會發(fā)布。

局限性

我們發(fā)現(xiàn)，我們的解決方案有兩個潛在的局限性，首先是需要不斷地維護收集器。網站設計可能會隨著時間的推移而改變，這些網站的刮擦器需要更新，以確保相關信息仍能被檢索到，從而達到風險評分的目的。

第二個限制是，驗證一篇文章是否已被正確地標記為加密貨幣實體是具有挑戰(zhàn)性的。例如，一篇報道Bancor可疑活動的文章可能也會因為一個不相關的事件提到Binance。我們的解決方案會錯誤地將新聞標記為兩個實體，并將Binance標記為風險，即使它不是文本中的關鍵主題。然而，這并不是一個主要的限制，因為我們只使用新聞文章的標題和摘錄來進行風險評分，這通常只包含文章的關鍵信息。

結語

我們的項目讓監(jiān)管機構可以輕松挖掘開源信息，更好地識別加密貨幣領域發(fā)生的風險事件。我們提供了一個分析文章并預測風險分數(shù)的語言模型，以及根據實體和來源信息匯總這些分數(shù)的方法。這些方法都被編織成一個可以端到端運行的自動化流水線。將該項目整合到Cylynx平臺中，將對其現(xiàn)有功能進行補充，并為監(jiān)管機構識別高風險加密貨幣實體提供巨大的幫助。

責任編輯：YYX