МОСКВА, 23 сентября. /ТАСС/. Исследователи из РФ разработали алгоритм на базе машинного обучения, позволяющий выявлять сети фейковых аккаунтов в криптовалютных экосистемах с точностью в 90%, что вдвое выше эффективности уже существующих аналогов. Об этом сообщила пресс-служба МФТИ.
"Алгоритм анализирует десятки параметров: от поведенческих паттернов и до сетевых связей между кошельками. Это позволяет выявлять даже сложные кластеры, которые остаются незамеченными при использовании стандартных методов. Алгоритм показал точность в 90%, а большинство существующих решений показывают эффективность на уровне 45-60%", -пояснил исследователь из МФТИ Алексей Саплин, чьи слова приводит пресс-служба вуза.
Новый подход был разработан в рамках исследований, проводившихся на кафедре "Блокчейн" МФТИ (базовая организация - Научный центр "Идея"). Как объясняет Саплин, этот алгоритм направлен на борьбу с так называемыми сибил-кошельками
Создание большого числа сибил-кошельков злоумышленниками искажает метрики проектов, провоцирует резкое падение курса цифровых активов и подрывает доверие пользователей к криптопроекту, его команде и экономике. Для борьбы с подобными действиями создаются различные алгоритмы, позволяющие выявлять подобных нарушителей правил криптовалютных рекламных акций, однако они далеко не всегда справляются с возложенной на них задачей.
Российским ученым удалось удвоить показатель их эффективности за счет учета большого числа параметров и создания основанного на базе систем машинного обучения алгоритма, который способен выявлять скрытые связи и поведенческие закономерности, неочевидные при ручном анализе или применении жестких правил.
Работа этого подхода уже была протестирована в рамках открытого конкурса, который проводили создатели проекта Layer Zero, где были выявлены масштабные мошеннические схемы. Благодаря этому проект аннулировал несправедливые выплаты на сумму $10,2 млн. США. Как предполагает Саплин, его разработка может быть использована для создания универсального инструмента для обнаружения мошеннических схем в различных блокчейн-экосистемах.
Комментарии