Udanganyifu wa pump-and-dump katika masoko ya sarafu ya kripto ni aina ya matumizi mabaya ya soko yanayotegemea kuvumisha tokeni fulani kwa muda mfupi kupitia hamasa ya bandia, na kisha kuwasababishia wawekezaji hasara kupitia shinikizo la kuuza pale bei inapopanda. Katika matukio haya, ongezeko la ghafla la kiasi, mruko katika idadi ya miamala, mwendo wa bei wa muda mfupi na wakati mwingine tabia ya wakati mmoja kati ya tokeni nyingi inaweza kuonekana.

Utafiti huu unapendekeza mbinu ya spatio-temporal Graph Neural Network yaani mtandao wa neva wa grafu wa anga-wakati ambao hutumia mahusiano yaliyotolewa kati ya tokeni badala ya mbinu za kitamaduni za ujifunzaji wa mashine zinazochunguza tu data ya kihistoria ya tokeni moja. Mtindo huu hufanya kazi na data za kila saa za OHLCV, idadi ya miamala na viashiria vya soko vinavyotokana. Hata kama hakuna data ya kiwango cha miamala au data ya kitabu cha maagizo, uhusiano kati ya tokeni hutolewa kutoka kwa bei, kiasi au ulinganifu wa idadi ya miamala au utegemezi uliofichwa unaofunzwa na mtindo huu.

Hitimisho kuu la makala haya ni kwamba mitindo inayotegemea grafu inaweza kugundua pump-and-dump vizuri zaidi kuliko mbinu za kitamaduni zinazotegemea mti wa maamuzi kama vile Random Forest na XGBoost. Utendaji bora unapatikana kwa mbinu ya self-adaptive graph inayojifunza tumbo la kiunganishi wakati wa mafunzo badala ya sheria zisizobadilika.

1. Kichwa

Udanganyifu wa soko la fedha ni uelekezaji wa bandia wa bei za mali kwa njia ambayo haionyeshi maelezo halisi ya usambazaji na mahitaji. Katika masoko ya kripto, hatari hii inaweza kuonekana zaidi; kwa sababu ukwasi umetenganishwa, kina cha miamala ni kidogo katika baadhi ya tokeni na taratibu za ukaguzi zinaweza kuwa na kikomo zaidi ikilinganishwa na masoko ya jadi.

Kuratibu katika kampeni za pump-and-dump kunaweza kufanywa kwa kawaida katika makundi ya ujumbe yaliyofungwa au njia za kijamii. Watu wengi hununua tokeni hiyo hiyo karibu na saa fulani, idadi ya miamala na kiasi huongezeka kwa kasi, bei huruka kwa muda mfupi na kisha wale walioingia mapema huuza na kuondoka sokoni. Utaratibu huu unaweza kuacha alama katika data ya soko ya kila saa ya tokeni hiyo.

Hata hivyo, kwa vitendo, vyanzo vingi vya data hutoa tu data ya OHLCV iliyokusanywa katika kiwango cha tokeni, idadi ya miamala na baadhi ya viashiria vilivyotolewa. Yaani, mtafiti huwa hana kila mara mtandao wa uhamisho kati ya pochi au kina cha kitabu cha maagizo. Katika kesi hii, swali muhimu ni: Je, grafu ya uhusiano yenye maana kati ya tokeni inaweza kuanzishwa kwa kutumia data ya soko iliyojumlishwa pekee, na je, grafu hii inaboresha utambuzi wa pump-and-dump?

2. Muhtasari mfupi

Utafiti unachukulia kila tokeni kama nodi katika grafu. Kingo kati ya tokeni hazitolewi kutoka kwa uhusiano wa miamala uliozingatiwa moja kwa moja, lakini kutoka kwa data ya soko iliyojumlishwa. Hivyo, hata ikiwa hakuna data ya kiwango cha miamala, mwendo wa pamoja, tabia sawa ya kiasi kati ya tokeni, au muundo wa uhusiano uliofichwa unaojifunzwa na mtindo unaweza kutumika.

Makala yanapendekeza mbinu tatu tofauti za uchimbaji wa grafu:

1. Grafu ya ulinganifu tuli: Katika kipindi cha mafunzo, tumbo la ulinganifu linahesabiwa kupitia mfululizo wa nambari kama vile kiasi au idadi ya miamala ya tokeni. Ulinganifu wenye nguvu zaidi unahifadhiwa kama kingo na grafu sawa inatumika wakati wote.

2. Grafu ya ulinganifu thabiti inayoendeshwa na tukio: Madirisha ya muda mfupi yanafunguliwa karibu na matukio ya pump katika kipindi cha mafunzo. Muundo wa ulinganifu unasasishwa katika madirisha haya. Lengo ni kunasa vyema mahusiano ya tokeni yanayobadilika karibu na matukio ya udanganyifu.

3. Grafu inayojirekebisha (Self-adaptive graph): Muundo wa kiunganishi haujarekebishwa na ulinganifu mapema. Mtindo unajifunza tumbo la jirani lililofichwa kutoka kwa upachikaji wa nodi. Mbinu hii inaruhusu mtindo kugundua pia mahusiano ambayo hayawezi kunaswa waziwazi na ulinganifu.

Mbinu hizi tatu za grafu zinajaribiwa ndani ya usanifu sawa wa anga-wakati wa GNN. Hivyo, inaweza kuonekana kwa njia iliyodhibitiwa zaidi ikiwa tofauti ya utendaji hutokana hasa na mkakati wa uchimbaji wa grafu.

3. Maelezo ya kina

Fomula kwenye PDF zinaelezea jinsi utambuzi wa pump-and-dump unavyoanzishwa kwa kiwango cha wakati wa tokeni, jinsi grafu zinavyotolewa, na jinsi mtindo wa ST-GNN unavyozalisha utabiri. Fomula zinatolewa hapa chini kwa utangamano wa MathJax.

1. Utabiri wa uwezekano wa udanganyifu kwa kiwango cha tokeni

Hapa \(i\) inawakilisha tokeni, na \(t\) inawakilisha hatua ya wakati wa kila saa. \(x_{i,t}\) ni vekta ya kipengele cha tokeni hiyo kwa saa hiyo. Mtindo hutengeneza uwezekano wa pump-and-dump \(\hat{p}_{i,t}\) kwa kuangalia dirisha la saa \(W\) lililopita. Ikiwa uwezekano huu unazidi kizingiti cha uamuzi \(\gamma\), tukio linawekwa alama kama hali isiyo ya kawaida.

2. Fomula ya jumla ya kupitisha ujumbe ya GNN

Fomula hii inaonyesha mantiki ya msingi ya mtandao wa neva wa grafu. Uwakilishi mpya wa tokeni unasasishwa na uwakilishi wake wa awali na habari kutoka kwa tokeni jirani. \(\mathcal{N}(i)\) inawakilisha majirani wa tokeni ya \(i\) kwenye grafu; \(AGG\) inawakilisha jinsi habari za majirani zinavyokusanywa; na \(U\) inawakilisha kazi ya usasishaji.

3. Historia ya tokeni yenye dirisha la muda usiobadilika

Udhihirisho huu unaonyesha kuwa mfululizo wa vipengele vya kihistoria vya saa \(W\) unaundwa kwa kila tokeni. \(F\) ni idadi ya vipengele. Mtindo hutathmini kwa pamoja si tu saa moja, lakini tabia ya saa kadhaa zilizopita.

Wakati tokeni zote zinapojumuishwa pamoja, ingizo la mtindo hubadilika kuwa tensa ya vipimo vitatu inayojumuisha tokeni \(N\), dirisha la saa \(W\), na vipengele \(F\).

4. Opereta ya uchimbaji wa grafu inayobadilika kwa wakati

Fomula hii inaonyesha kuwa matrix jirani, yaani, tumbo la muunganisho kati ya tokeni, inazalishwa tu kutokana na data iliyozingatiwa hadi wakati \(t\). Jambo hili ni muhimu; kwa sababu kutumia data ya baadaye kunaweza kuunda uvujaji wa data katika tathmini ya mtindo.

5. Grafu ya ulinganifu tuli

Mfululizo wa nambari kama kiasi au idadi ya miamala ya tokeni hupitishwa kwanza kwenye mabadiliko ya logi. Hivyo athari ya maadili makubwa sana hupunguzwa.

Fomula hii inahesabu ulinganifu wa Pearson kati ya jozi za tokeni. Uunganisho wa tokeni hiyo hiyo yenyewe unawekwa kuwa sifuri.

Miunganisho dhaifu katika tumbo la ulinganifu inatupwa. Kizingiti \(\tau\) kinabainishwa kulingana na msingi wa chini zaidi wa umuhimu na asilimia ya ulinganifu. Hivyo, mahusiano yenye nguvu pekee yanabaki kama kingo kwenye grafu.

6. Grafu thabiti inayoendeshwa na tukio

Dirisha la kurudi nyuma la saa \(L\) linafunguliwa kuzunguka kila tukio la pump la mafunzo \(p\). Dirisha hili hutumika kunasa mahusiano wakati wa tukio.

Ulinganifu mpya huhesabiwa katika kila dirisha la pump na miunganisho thabiti huchaguliwa kama kingo. Muundo huu unajaribu kunasa mwendo wa pamoja unaobadilika wakati wa nyakati za udanganyifu.

Fomula hii inaonyesha ni grafu gani thabiti itatumika kwa muda \(t\). Ikiwa hakuna tukio la pump lililopita bado, tumbo la kitengo inatumika; vinginevyo, grafu iliyosasishwa ya tukio la mwisho la pump la mafunzo inatumika.

7. Kiunganishi kinachojirekebisha

Katika fomula hii, \(E_1\) na \(E_2\) ni matumbo ya upachikaji wa nodi chanzo na lengwa ambayo hujifunzwa pamoja na mtindo. ReLU inakandamiza mahusiano dhaifu au hasi; na SoftMax inazalisha uzani wa uunganisho wa kawaida kwa msingi wa mstari. Grafu hii si lazima iwe yenye ulinganifu wa pande zote.

Grafu mnene inayofunzwa kisha hupunguzwa na kizingiti \(\epsilon\). Hivyo ni viungo tu vyenye nguvu vya kutosha vinavyohifadhiwa.

8. Mtiririko wa utabiri wa ST-GNN

Kila saa, vipengele vya tokeni na grafu katika saa hiyo hutumiwa kwa pamoja kuzalisha upachikaji wa anga.

Upachikaji huu unageuzwa kuwa mfululizo kwa muda. Kwa hivyo, mtindo hutumia mahusiano yote kati ya tokeni na mabadiliko kwa muda.

Kisimbaji cha Transfoma ya Muda huchakata historia ya saa \(W\). Uwakilishi katika hatua ya mwisho ya wakati unapitishwa kupitia safu ya sigmoid na kubadilishwa kuwa uwezekano wa pump-and-dump.

9. Alama ya F1

Kwa kuwa saa za pump ni chache sana katika hifadhidata, kuangalia tu kiwango cha usahihi kunaweza kupotosha. Alama ya F1 inatoa kiashiria cha utendaji chenye maana zaidi kwa matukio ya udanganyifu, ambayo ni tabaka la wachache, kwa kupima usawa wa usahihi na urejeshaji.

4. Mbinu na matokeo ya utafiti

Mfano wa pump kwenye ukurasa wa 5: Idadi ya miamala ya kila saa imeonyeshwa karibu na tukio la pump kwa tokeni za BRD na OAX. Grafu inaonyesha kwamba idadi ya miamala iliruka kwa kasi kote kwenye tukio na kwamba kunaweza kuwa na dalili za mwendo wa pamoja kati ya tokeni tofauti. Ujumbe mkuu ni kwamba matukio ya pump yanaweza kusomwa si tu kwa bei, bali pia na msongamano wa ghafla katika shughuli za miamala.

Grafu ya ulinganisho wa mtindo kwenye ukurasa wa 6: XGBoost na Random Forest hutoa alama ya chini ya F1 ikilinganishwa na mitindo inayotegemea grafu. Grafu za ulinganifu tuli na thabiti zinatoa uboreshaji zaidi ya mitindo ya kitamaduni; utendaji bora wa jumla unaonekana katika mbinu ya grafu inayojirekebisha.

Mikunjo ya usahihi-kurejesha kwenye ukurasa wa 6: Mikunjo ya PR ni muhimu hasa kwa sababu usawa wa tabaka ni wa juu sana. Mitindo inayotegemea grafu inaweza kudhibiti vyema mzigo wa kengele za uongo kwa kutoa usahihi wa juu zaidi katika kiwango sawa cha kurejesha.

Grafu ya utendakazi kulingana na tokeni kwenye ukurasa wa 7: Katika tokeni zilizo na angalau matukio matano ya pump kwenye seti ya majaribio, kama vile APPC na NXS, mtindo wa kujirekebisha unafikia alama za juu zaidi za F1. Hii inaonyesha kwamba mtindo hauwezi tu kufanya kazi kwa nguvu kwa wastani wa jumla, lakini pia katika tokeni maalum zenye matukio mengi.

Jedwali la vipengele kwenye ukurasa wa 9: Vipengele vinavyotumiwa na mtindo havijazuiliwa kwa OHLCV tu. Viashiria kama vile idadi ya miamala, kiasi cha mnunuzi, mabadiliko ya wastani na mkengeuko sanifu unaoendelea kwa saa 12, mabadiliko ya kiasi na bei, shinikizo la ununuzi, na saa ya siku pia vinatumika. Ujumbe mkuu ni kwamba udanganyifu unajaribiwa kufuatiliwa kama mabadiliko ya ghafla ya utawala.

5. Maelezo ya chanzo na mbinu

Utafiti hutumia seti ya data inayojumuisha matukio halisi ya pump-and-dump. Matukio hayo yanashughulikia kipindi cha 2017-2021 na lebo zinapatikana kutoka kwa kampeni za udanganyifu zilizoainishwa kwa kufuatilia majukwaa ya ujumbe yaliyosimbwa.

Data za soko hukusanywa na sarafu ya nukuu ya BTC kupitia API ya Binance. Data inawakilishwa katika mishumaa ya kila saa. Kila wakati wa pump huviringishwa kwa mpaka wa saa ulio karibu ili kuoanishwa na data ya soko.

Seti ya jumla ya data ina uchunguzi 1,905,850 kwa tokeni 84. Tabaka chanya, yaani idadi ya saa zilizowekwa alama kuwa pump, ni 314 pekee. Hii inalingana na kiwango chanya cha takriban 0.016%. Kwa hivyo tatizo hili ni tatizo la uainishaji lisilo na usawa uliokithiri.

Tathmini ya mtindo inafanywa kwa mgawanyo wa mpangilio. 60% ya rekodi ya matukio ya kila saa imetengwa kwa ajili ya mafunzo, 20% kwa uthibitishaji, na 20% kwa majaribio. Zuio la saa 5 linawekwa kwenye mipaka ya mafunzo na majaribio ili kupunguza uvujaji wa muda mfupi. Kizingiti cha uamuzi kinachaguliwa ili kuongeza alama ya F1 katika seti ya uthibitishaji na hutumika bila kubadilishwa katika jaribio.

Kwa kulinganisha, miundo ya kitamaduni ya kujifunza mashine kama vile Random Forest na XGBoost inatumiwa. Kwa upande wa msingi wa grafu, lahaja tatu za ST-GNN hujaribiwa: grafu ya ulinganifu tuli, grafu ya ulinganifu thabiti inayoendeshwa na tukio, na grafu inayojirekebisha.

6. Lebo za meta

1. Mitindo inayotegemea grafu ilizidi mbinu za kitamaduni. XGBoost inabakia kwa F1 = 0.49 ± 0.03, na Random Forest iko kwa F1 = 0.53 ± 0.01. Kinyume chake, mitindo yote inayotegemea grafu inazidi mistari hii miwili ya msingi.

2. Grafu za ulinganifu tuli na thabiti zilitoa faida. Grafu tuli kulingana na ulinganifu wa kiasi hutoa F1 = 0.575 ± 0.04, na grafu ya kiasi thabiti hutoa F1 = 0.58 ± 0.02. Grafu tuli iliyojengwa kwa idadi ya miamala hutoa matokeo yenye nguvu miongoni mwa mbinu za ulinganifu kwa F1 = 0.60 ± 0.04.

3. Matokeo bora ya jumla yalikuja na grafu inayojirekebisha. Mtindo wa grafu inayojirekebisha ambao hutumia muundo wa kiunganishi unaojifunza hufikia thamani ya F1 = 0.62 ± 0.05. Tokeo hili linaonyesha kuwa inaweza kuwa na manufaa kwa mtindo wenyewe kujifunza utegemezi uliofichwa kati ya tokeni.

4. Mikunjo ya PR inaunga mkono faida ya mbinu ya grafu. Mikunjo ya ROC inaweza kupotosha kwa sababu matukio ya pump ni nadra sana. Kwa hivyo, makala inalenga katika uchambuzi wa usahihi-kurejesha. Mitindo inayotegemea grafu inatoa usahihi bora, haswa katika ukanda wa kurejesha wa juu.

5. Utendaji ni wa juu zaidi katika tokeni zenye matukio mengi kama APPC na NXS. Kwa APPC na NXS, ambazo zina angalau matukio matano ya pump kwenye seti ya majaribio, mtindo wa kujirekebisha hufikia thamani za F1 = 0.808 ± 0.05 na F1 = 0.931 ± 0.06 mtawalia.

6. Faida haitokani na uwezo wa mtindo tu. Matokeo ya msingi ya muda pekee katika viambatisho yanaonyesha kuwa kutumia tu GRU au Kisimbaji Transfoma kubwa zaidi hakufungi pengo katika mbinu ya grafu. Hii inaonyesha kwamba chanzo kikuu cha uboreshaji ni kutengeneza mifumo ya uhusiano kati ya tokeni.

Kwa Nini Hii Ni Muhimu?

Utambuzi wa udanganyifu katika masoko ya kripto mara nyingi ni tatizo muhimu kwa onyo la mapema na ufuatiliaji wa soko. Hata hivyo, data ya mlolongo wa vizuizi kwenye kiwango cha miamala, kina cha kitabu cha maagizo au jumbe za mitandao ya kijamii huenda isipatikane kila wakati. Utafiti huu unaonyesha kwamba uchimbaji wa uhusiano kati ya tokeni unaweza pia kufanywa na data ya soko iliyojumlishwa ya kila saa pekee, na hii inaweza kuboresha utendaji wa ugunduzi.

Hasa, kampeni za pump-and-dump si matukio ya pekee. Makundi yale yale yanaweza kulenga tokeni nyingi kwa nyakati zinazofanana, idadi ya miamala na kiasi inaweza kusonga kwa wakati mmoja kati ya tokeni fulani, au tabia ya soko inaweza kuunda athari ya mtandao ya muda mfupi. Mbinu inayotegemea grafu hujumuisha miendo hii ya pamoja katika mtindo.

Sehemu muhimu ya utafiti ni kwamba inaanzisha tathmini ambayo inakaribiana zaidi na hali halisi ya ufuatiliaji. Badala ya kuchagua madirisha madogo tu karibu na matukio ya pump, ugunduzi adimu wa anomali hufanywa ndani ya mtiririko mzima wa soko. Hii inafanya tatizo kuwa gumu zaidi lakini la kweli zaidi.

Mambo ya Kuzingatia

1. Utafiti huu ni uchapishaji wa awali (preprint). Matokeo hayapaswi kutathminiwa kwa uhakika wa toleo la mwisho lililokaguliwa na wenza.

2. Huu si mtindo wa uwekezaji. Mtindo unalenga kugundua matukio ya pump-and-dump. Haupaswi kutumiwa kama mfumo wa kununua, kuuza, au kutabiri bei kwa tokeni yoyote.

3. Kuna hatari ya chanya za uongo. Kuweka alama tokeni kama isiyo ya kawaida si uthibitisho wa udanganyifu peke yake. Ufuatiliaji wa soko unahitaji ukaguzi wa kibinadamu, data ya ziada na uthibitishaji wa kimuktadha.

4. Data ni data ya soko iliyojumlishwa pekee. Mtindo hautumii rasilimali za ziada kama vile kitabu cha maagizo, mtandao wa uhamisho wa pochi, mawimbi ya mitandao ya kijamii au mtiririko wa agizo la kubadilishana ndani ya soko. Kwa hiyo, baadhi ya aina za udanganyifu zinaweza zisionekane.

5. Tabaka chanya ni nadra sana. Kiwango chanya cha takriban 0.016% hufanya tathmini ya mtindo kuwa ngumu. Hii ndiyo sababu uchambuzi wa F1 na usahihi-kurejesha ni muhimu.

6. Grafu inayojirekebisha inaweza kuunda tatizo la ufasiri. Ingawa grafu za ulinganifu zinaeleweka zaidi, maana ya kiuchumi au kitabia ya muundo uliofichwa jirani uliofunzwa inapaswa kuchanganuliwa tofauti.

Ujumbe wa eneo hatari: Mada inahusiana na utambuzi wa udanganyifu katika masoko ya kripto. Nakala hii sio ushauri wa uwekezaji. Mbinu zilizoelezewa hapa hazipaswi kutumiwa kama chombo thabiti cha mashtaka kwa kujitegemea kuhusu tokeni yoyote, ubadilishaji fedha, au mtu. Utafiti unapaswa kutathminiwa katika muktadha wa ufuatiliaji wa soko la kitaaluma na ugunduzi wa mambo yasiyo ya kawaida.

Tathmini ya jumla: Makala yanahoji kuwa kuangalia tu mienendo ya bei na kiasi cha tokeni binafsi kunaweza kuwa haitoshi wakati wa kugundua ubadanganyifu katika soko la kripto. Kampeni za pump-and-dump mara nyingi huacha athari za uratibu, kurudia, biashara kubwa katika muda mfupi, na mwendo wa kawaida kati ya mali zinazofanana. Kwa hiyo, utafiti unapendekeza kuzingatia tokeni kama nodi na kuunda mahusiano yaliyofichwa kati yao na muundo wa grafu.

Hitimisho

Utafiti huu unaonyesha kwa nini kufikiri kulingana na grafu kunaweza kuwa muhimu katika utambuzi wa pump-and-dump kwenye kripto. Udanganyifu mara nyingi sio tu juu ya bei ya pekee inaruka kwa tokeni moja; inaweza kuwa na uratibu, kurudia, msongamano wa miamala na mwendo wa pamoja kati ya tokeni. Kwa hivyo, kutoa kielelezo kwa tokeni kama mtandao wa soko unaohusiana badala ya mistari huru kunaweza kuongeza uwezo wa utambuzi.

Hitimisho lenye nguvu zaidi la makala haya ni kwamba hata grafu zilizotolewa tu kwa kutumia data ya OHLCV iliyojumlishwa na shughuli za miamala hufanya vizuri zaidi kuliko mbinu za kawaida za Random Forest na XGBoost. Matokeo bora yalipatikana kwa mbinu ya grafu inayojirekebisha, ambayo hujifunza viungo ndani ya mtindo.

Ujumbe mkuu kwa msomaji wa Verianla ni huu: Utambuzi wa udanganyifu katika masoko ya kripto haupaswi kuwa mdogo kwa swali "je kiasi cha tokeni hii kiliongezeka?". Swali sahihi zaidi linaweza kuwa, "ni muundo gani wa mtandao unaoundwa na tabia ya tokeni hii, pamoja na tokeni nyingine zinazosonga kwa wakati mmoja au hivi karibuni?".

Maelezo ya Chanzo na Mbinu

Makala haya ni maudhui asili ya uhariri yaliyotayarishwa kulingana na PDF ya kitaaluma yenye mada "Uvumbuzi wa Udanganyifu katika Masoko ya Kripto (Fraud Detection in Cryptocurrency Markets with Spatio-Temporal Graph Neural Networks)". Maandishi sio tafsiri ya neno kwa neno; tatizo, mbinu, fomula, grafu, muundo wa majaribio, matokeo na mapungufu katika utafiti yameelezwa kwa kurahisishwa.

Fomula zimetolewa kama vizuizi vya LaTeX vinavyoendana na MathJax. Kwa kuwa baadhi ya mistari ya fomula katika PDF imegawanywa wakati wa uondoaji wa maandishi, mlolongo wa alama umepangwa huku ukibaki waaminifu kwa muktadha wa makala.