ICO dolandırıcılıklarını bir saniye sc 2251 projede tanımlayın, araştırmacılar derin öğrenme ICO kredi derecelendirme sistemi öneriyor
Leifeng.com · AI Finansal Yorum: Şu anda, çoğu ICO hükümet düzenlemelerine tabi değildir ve ticaret platformları veya kurumları, doğrudan ICO dolandırıcılık olaylarının sonsuz şekilde ortaya çıkmasına neden olan bir dizi titiz değerlendirme sisteminden yoksundur (Not: Tipik durumlar için lütfen " Tarihteki en büyük ICO vekil yatırım dolandırıcılığı: lider "Li Shiqin" in kaçtığından şüpheleniliyordu ve ilgili miktar 60 milyon yuan'ı aştı "anlayışı). Birkaç gün önce, Shannon Technology'nin kurucusu ve Stanford Üniversitesi'nden bir doktora derecesi olan Li Jiwei, bunu iyileştirmek amacıyla Kaliforniya Üniversitesi, Santa Barbara ve Stanford Üniversitesi ile işbirliği içinde ortaklaşa derin öğrenmeye dayalı bir kripto para birimi ICO dolandırıcılık tanımlama sistemi olan IcoRating'i önerdi. Durum.
Li Jiwei ve ekibinin, NLP teknolojisine dayalı olarak piyasada toplam 2.251 dijital para birimini analiz ettiği bildirildi. Yaşam döngüsü, fiyat değişiklikleri ve teknik inceleme içeriği, kurucu ekip, Github veritabanı ve resmi web sitesi ve diğer ICO bilgileri dahil olmak üzere bu dijital para birimlerinin tüm yönlerini araştırdılar ve böylece hileli ICO projelerini tanımlamak için 0,83 doğruluğunu tahmin edip elde ettiler.
Ekip, yanıt olarak gazetede şunları söyledi:
Bu çalışmanın, yatırımcıların ICO hileli projeleri belirlemelerine ve ICO projelerini otomatik olarak değerlendirip analiz etmelerine yardımcı olabileceğini umuyoruz.
2017'de 902 kitle fonlaması tabanlı dijital para biriminin% 45,6'sı başarısız oldu
Cryptocurrency eşi görülmemiş bir ilgi ve anlayış kazanıyor. Merkezi elektronik para ve merkez bankacılığı sistemlerinden farklı olarak, çoğu dijital yasal para birimi, merkezi ve yerel kurumların denetimine tabi değildir. Bu merkezi olmayan sistemlerin kontrolü, açık ve sürekli büyüyen dağıtılmış bir defter-blok zinciri ile sağlanabilir.
Şekil 1'de gösterildiği gibi, son üç yılda, dijital para birimlerinin piyasa kapitalizasyon derecesi büyük ölçüde iyileştirildi. Cryptocurrency Market Capitalizations tarafından sağlanan verilere göre, Kripto para birimlerinin en yüksek tek günlük işlem hacmi, 2017 New York Borsası işlem hacminin günlük ortalamasına yakın.
Şekil: Temmuz 2013'ten Ocak 2018'e kadar dijital para piyasasının kapitalizasyonu
Merkezi olmayan doğası nedeniyle, dijital para biriminin kitle fonlaması risk sermayesi için gerekli tüm koşullara sahip olmak zorunda değildir, ancak ICO aracılığıyla yapılır. İlk belirteç satışı olarak da bilinen ICO, ilgili ürün veya hizmetleri geliştirmek, sürdürmek ve değiştirmek için kullanım hakkını ve kripto para birimini birleştirmek için blok zincirini kullanmanın bir yoludur. (Not: "ICO" ya bakın. Wikipedia).
ICO'da yatırımcılar, kitle fonlaması kripto para birimleri elde etmek için fiat para birimleri (ABD doları, RMB gibi) veya diğer kripto para birimlerini (BTC, ETH gibi) kullanır. ICO tamamlandığında, kitle fonlaması için kullanılan bu kripto para birimleri işlevsel para birimine sahip olacaktır. Yeni bir para birimi ihraç edilmeden önce, para biriminin ticari, teknik ve mali özelliklerini ayrıntılı olarak tanıtmak için genellikle bir beyaz kitap hazırlanır.
Şekil 2'den, ICO projelerinin sayısının Temmuz 2013'ten Ocak 2017'ye kadar istikrarlı bir büyüme gösterdiği ve 2017'de sıçrama ve sınırlarla büyüdüğü görülebilir.
Grafik: Temmuz 2013'ten Ocak 2018'e kadar ICO proje büyümesi
ICO'lar adil ve yasal yatırım fırsatları sunabilse de, kitle fonlamasının kolaylığı aynı zamanda vicdansız şirketlerin ICO'lar aracılığıyla kar elde etmeleri için fırsatlar ve teşvik mekanizmaları yaratır. ICO'ların kalabalıkları arasında, para birimini kar için hızlı bir şekilde satmak için kitle fonlaması yoluyla kripto para biriminin değerini yükseltmek için birçok proje sponsoru var. Ek olarak, kripto para biriminin merkezi olmayan doğası da hükümet denetimine büyük zorluklar getiriyor.
Engadget verilerine göre, 2017 yılında, 902 kitle fonlaması tabanlı dijital para biriminin% 45,6'sı başarısız oldu. Şekil 3 ve Şekil 4'ten daha ciddi bir sorun var.
Şekil 3 ve 4'te, x eksenindeki aralık (ICO) fiyat değişikliklerinin aralığını temsil ederken, y eksenindeki karşılık gelen değer ICO proje katkılarının yüzdesini temsil eder. Görülebileceği gibi:
-
Mevcut ICO projelerinin% 4,56'sı, ihraçtan altı ay sonra, hatta% 99,9'dan fazla bir fiyat düşüşüne uğradı ve ihraçtan bir yıl sonra, bu oran% 6,89'a yükseldi;
-
Projelerin yaklaşık% 29'u, ihraç edildikten sonraki altı ay içinde fiyatları% 80'den fazla düşmüş, bir yıl sonra bu oran şaşırtıcı bir şekilde% 39,6'ya yükselmiştir.
İhraç edildikten sonra fiyatı keskin bir şekilde düşen her ICO projesinin bir aldatmaca olduğunu söylemek biraz sorumsuzluk olsa da, dijital para birimini ICO'dan önce değerlendirmek için güvenilir bir ICO kredi derecelendirme sistemi kurmak gerekli ve acildir.
Bu durumda Li Ji, araştırma ekibi için makine öğrenimi tabanlı bir ICO puanlama sistemi olan IcoRating'i önerdi. Ekip, 2251 ICO projesini analiz ederek, dijital para biriminin yaşam döngüsü ve fiyat değişikliklerini ve çeşitli ICO bilgileri düzeylerini ilişkilendirdi (beyaz kağıt, kurucu ekip, Github veritabanı, web sitesi vb. Dahil). En iyi ayarlarla proje, ICO dolandırıcılık projelerini 0,83 doğruluk ve 0,80'lik bir F1 puanı ile belirleyebilir.
İnsanlar tarafından tasarlanan puanlama sistemine kıyasla, IcoRating sisteminin iki önemli avantajı vardır:
-
nesnellik : Makine öğrenimi modelleri daha az ön bilgi içerir ve verilerden nedensellik öğrenebilir. Bu, çok sayıda insan uzman gerektiren insan derecelendirme sistemlerine aykırıdır ve insan uzmanlar kaçınılmaz olarak önyargı getirecektir.
-
İrade ile tahrif edilmeyecek : Kredi derecelendirmesinin sonucu, kara kutu eğitimi yoluyla makine öğrenimi modelinden elde edilir. Bu sürece çok fazla personelin katılmasını ve müdahale etmesini gerektirmez.
Cryptocurrency, blockchain ve ICO
Li Jiwei tezinin ikinci bölümünde, esas olarak kripto para birimi, blok zinciri ve ICO hakkında bilgi verdi. Para birimi çemberine ve zincir çemberine yakından dikkat edenler bu üç kavrama zaten aşina olabilirler.
1. Kripto para birimi
Kripto para, bir işlem aracı olarak kabul edilen "bir tür dijital varlıktır" ve işlem şifreleme teknolojisi ile sağlanır. Çoğu kripto para birimi merkezi değildir. Gerçek anlamda ilk merkezi olmayan kripto para birimi, 2009 yılında Satoshi Nakamoto (Satoshi Nakamoto) adı altında bir veya birkaç bilinmeyen kişi tarafından oluşturulan Bitcoin'di (BTC olarak da bilinir). BTC'nin ortaya çıkışından bu yana, en bilinenleri Ethereum (kısaca ETH), Ripple (kısaca RIP), EOS ve NEO gibi çeşitli kripto para birimleri akın etti.
2. Blockchain
Kripto para işlemleri blockchain ile doğrulanır. Blockchain, dağıtılmış bir defter olarak düşünülebilir. İki taraf arasındaki tüm işlemleri sürekli olarak büyüyebilir ve kalıcı olarak kaydedebilir. Her kayıt bir blok olarak adlandırılır ve önceki bloğa, zaman damgasına ve işlem verilerine bağlı bir kriptografik karma indeksi içerir. Defter, dağıtılmış bir biçimde tüm katılımcılara aittir ve kayıt yalnızca sonraki tüm ağ blokları değiştirildiğinde değiştirilebilir. Bir işlem gerçekleştiğinde, ağdaki tüm düğümlere yayınlanacaktır. Blockchain, PoW (Proof of Work) veya PoS (Proof of Stake) gibi çoklu zaman damgalama şemaları kullanır.
Blok zinciri kavramı, merkezi veri depolama riskini ortadan kaldırır: merkezi bir hata noktası yoktur ve veriler her katılımcı için şeffaftır.
3. ICO
Daha önce de belirtildiği gibi, ICO, erken projeler için kitle fonlaması fırsatları sağlayabilen ve risk sermayedarlarının, bankaların ve borsa kurallarının kısıtlamalarından kurtulabilen kripto para merkezli bir kitle fonlaması finansman yöntemidir. Ayrıca, her ikisi de erken aşama yatırım fırsatlarına hakim olan risk sermayesi veya özel sermaye yatırımının ötesinde yatırım fırsatları da sağlar.
Öte yandan, denetim eksikliği nedeniyle ICO'lar yatırımcılar için önemli riskler getirmiştir. Farklı ülkelerin ICO ve kripto para birimi konusunda farklı düzenlemeleri vardır. Örneğin, Çin hükümeti tüm ICO'ları yasaklarken, ABD Menkul Kıymetler Düzenleme Komisyonu (SEC), ICO'lar üzerinde federal menkul kıymetler yasalarını uygulama hakkına sahip olduğunu ve Venezuela hükümeti kendi kripto para birimi petromoneda'yı (petrocoin olarak anılır) tanıttı.
IcoRating sistem doğrulama süreci ve yöntemi
1. Teknik rapor analizi: içerikte büyük farklılıklar
IcoRating sisteminin doğrulama sürecinde araştırma ekibi, CryptoCompare, CoinMarketCap ve CoinCheckup gibi çeşitli platformlardan toplam 2.251 ICO proje bilgisi topladı. Ve bu projelerde 1.317 teknik inceleme elde etti.
Tablo 1: ICO teknik incelemesinin çeşitli istatistikleri
Tablo 1'de gösterildiği gibi, ortalama, standart sapma, maksimum ve minimum kelime sayısı ve cümle sayısı dahil olmak üzere ICO teknik incelemesinin çeşitli istatistiksel verilerini gösterir. Araştırma ekibi bundan çarpıcı bir özellik çıkardı: Beyaz kitabın uzunluğu önemli ölçüde değişiklik gösteriyor. En büyük beyaz kağıt 6228 cümle içerir ve en küçüğü 38'dir. Spesifik olarak, rastgele örneklenmiş 10 beyaz sayfadaki cümle sayısı sırasıyla 886, 143, 38, 967, 3379, 6228, 496, 2057, 3075 ve 298'dir. Beyaz kitabın uzunluğu, ICO projesinin kalitesini mutlaka yansıtmasa da, ICO teknik incelemesinin içeriğindeki büyük fark da ondan görülebilir.
Li Ji, araştırma ekibi için toplanan teknik incelemelerde bir Latent Dirichlet Tahsisatı (LDA) modeli çalıştırıyor. LDA, belge setindeki her bir belgenin konusunu bir olasılık dağılımı şeklinde verebilen üretken bir istatistiksel modeldir, böylece bazı belgelerin konularını çıkarmak için analiz ederek (dağıtım), konuya (dağıtım) dayalı olabilir. Konu kümeleme veya metin sınıflandırması. Aynı zamanda tipik bir kelime torbası modelidir, yani bir belge bir grup kelimeden oluşur ve kelimeler arasında ardışık bir ilişki yoktur.
2. IcoRating: makine öğrenmesine dayalı bir derecelendirme modeli
Kurucu ekibin bilgilerini anlatırken, araştırma ekibinin verileri aşağıdaki bilgilere dayanmaktadır:
1990 doğumlu Justin Sun, Pekin Üniversitesi'nden lisans derecesi ile mezun oldu ve Pennsylvania Üniversitesi'nden yüksek lisans derecesi ile mezun oldu. Mobil sosyal uygulama PeiMe ve TRON'un kurucusu ve CEO'su ve Ripple'ın Büyük Çin'deki eski baş temsilcisi. 2011 Asia Weekly; 2014 Davos Global Outstanding Youth; 2015 CNTV Yılın Yeni Kişisi; 2017 Forbes Asia Under30 Entrepreneur ...
Araştırmacının amacı, kurucu ekip üyelerinden en önemli özellikleri otomatik olarak çıkarmak ve onları bir NLP etiketleme sorunu olarak ele almaktır. Bu amaçla, beş tür etiket tanımladılar: doğum yılı, üniversite, derece, şirket ve ödüller ve veri setini eğitim, geliştirme ve test için farklı türlere ayırdılar.
IcoRating, ICO projelerinin kullanımı hakkında çok az bilgiye sahiptir, ancak gerçek dünyada toplanan verilerden her bir işlevin önemini öğrenebilir.
Daha önce de belirtildiği gibi IcoRating, makine öğrenmesine dayalı bir derecelendirme modelidir. Denetimli bir öğrenme modeli kullanır. Standart bir denetimli öğrenme ortamında, araştırmacı x girişini y çıkışına eşleyebilen bir F modeli bulmayı umuyor:
Bu formülde, "x" girişi, halka açık bilgilerin kullanılmayan yönlerini içeren "bir ICO projesini" temsil eder; 0 ile 1 arasındaki değer olan "y" çıkışı, ICO projesini belirtmek için kullanılan bir ikili değişkendir. Bir dolandırıcılık projesi olup olmadığı; "F", tahmin işlevinin kısaltmasıdır.
Eğitim süresi boyunca ICO projesinin bir yıl içindeki fiyat değişikliğini eğitim sinyali olarak kullandık ve bilinen ICO bilgileri üzerinden fiyat değişimini tahmin etmeye çalıştık. Tahmin fonksiyonu F, tahmin edilen ICO fiyat değişikliği ile altın standart fiyat değişikliği arasındaki L2 farkını maksimize ederek öğrenilir.
Araştırmacılar, toplanan 2.251 proje arasından 1.482 projenin tarihsel fiyatlarını topladı ve bu ICO projeleri en az bir yıl veya daha uzun süre uygulandı (bu araştırma tarihi itibariyle).
Test süresi boyunca, F (x) fiyat değişikliklerini tahmin edebilir.Eğer tahmin edilen fiyat, ICO fiyatının "m" değerinden düşükse, proje bir sahtekarlık olarak kabul edilebilir. Bu çalışmada, araştırmacılar "m" yi gerektiği gibi 0.01, 0.1 ve 1 olarak ayarladılar.
IcoRating test sonuçları
Test sonuçları, beyaz kitap, Github veritabanı, kurucu ekip ve web sitesinin dört özelliğinin herhangi bir kombinasyonunda sunulan farklı özellik kombinasyonları aracılığıyla ICO dolandırıcılık projelerinin sonuçlarını tanımlar.
"M" değeri 0,01'den 0,1'e ve ardından 1'e yükseldikçe, sahte öğelerin oranı kademeli olarak artar, doğruluk kademeli olarak artar ve hatırlama oranı kademeli olarak azalır.
Nihai test sonuçları, teknik incelemenin ve Github veritabanının en önemli iki özellik olduğunu göstermektedir. M, 0.1 ve 0.5 olarak ayarlandığında, elde edilen F1 puanlarının her ikisi de 0.7'dir. Daha fazla özellik ekleyerek, araştırmacılar daha yüksek doğruluk ve daha düşük hatırlama elde ettiler. Tüm özellik kombinasyonları dikkate alındığında, IcoRating modeli "m değeri 1" olarak ayarlandığında 0,83 doğruluk, 0,77 geri çağırma oranı ve 0,80 F1 puanı elde eder.
Leifengnet · AI Financial Review Not: Bu makale https://arxiv.org/pdf/1803.03670.pdf adresinden alınmıştır ve Leifengnet · AI Financial Review, onu derlemeye odaklanmaktadır.
