NFT 市场中的异常交易检测
本篇技术报告系统性研究了当前 NFT 生态系统,包括各种技术解决方案、技术组件、协议、标准、安全演化等方面,旨在提供对该领域的系统性概述。
May, 2021
数字艺术中的非同质化代币(NFTs)作为一个突破性平台,将艺术和技术领域连接起来,通过区块链存储的元数据与离链数据相结合,创造了一种新颖的数字资产形式,本研究分析了在 OpenSea 上进行交易的 NFT 集合的链上和链下数据,以了解影响 NFT 定价的因素。结果显示,尽管 NFT 的文本和图像数据可用于解释同一集合内的价格变动,但提取出的特征无法推广到新的、未曾见过的集合。此外,我们发现 NFT 集合的交易量通常与其在线存在,如社交媒体粉丝和网站流量有关。
Oct, 2023
本文设计了一个视觉分析系统 NFTVis 来量化和评估 NFT 的性能,这个系统包含了一个新的 NFT 稀有度模型和四个协调一致的视图来表示影响 NFT 性能的各种因素,并使用两个案例研究和用户研究来验证其效用和有效性。
Jun, 2023
本文研究了以太坊区块链上两个著名的限价订单簿交易所(IDEX 和 EtherDelta)上的股票洗盘现象,发现超过 30% 的所有交易的代币都受到了股票洗盘的影响,并发现有些代币几乎完全是由洗盘交易构成,暗示着需要在分布式系统中采取反制措施。
Feb, 2021
本文介绍 MERLIN,一种基于多模态神经网络的深度学习框架,用于预测非同质化代币(NFT)的销售价格,其不依赖金融特征而仅利用基本数据集(即 NFT 图像和文本描述),并具有适应用户偏好的功能,勾勒出不同的风险回报投资方案,实验证明 MERLIN 模型在金融评估标准方面取得了显著表现,优于基于金融特征的基准机器学习分类器。
Feb, 2023
本文深入分析了互联网社区组织的 “炒作 - 倒卖” 诈骗机制,并进一步报告了两个相关的案例研究。最后,我们介绍一种实时检测诈骗的方法,以帮助投资者避免受害。
May, 2020
本文旨在通过数据驱动的方法,利用美国证券交易委员会公开的内幕交易信息,构建关系网络以识别潜在异常,结果表明此方法能够发现内幕交易中的有趣模式,从而有望发现非法内幕交易。
Feb, 2017
本文研究了加密货币在社交媒体平台上的欺诈行为,发现大量 Twitter 账户是机器人或被停止使用的账户,同时通过 Telegram 和 Discord 的信息进行主题建模,发现了 “Pump-and-dump” 和 “庞氏骗局” 两种不同的欺诈方案。鉴于 Telegram 中有超过 20%的频道与这些骗局有关,该研究揭示了一个鲜为人知的社交机器人活动,为打击加密货币网络操纵制定了可操作的政策。
Jan, 2020