May, 2023

NFT 市场中的异常交易检测

PDF
TL;DR本研究旨在揭示诸如流通交易等常见的欺诈行为，以帮助监管者缩小市场中坏演员的搜索范围并为投资者提供保护。使用市场数据，我们设计了从网络、货币和时间角度出发的定量特征，将其提供给 K-means 聚类无监督学习算法，并讨论了聚类结果的重要性和监管措施如何减少不良行为。
发现论文，激发创造
  • 非同质化代币（NFT）：概述、评估、机遇与挑战

    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

  • NFT 价格的决定因素

    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

  • NFTVis：NFT 表现的可视分析

    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

  • 在去中心化加密货币交易所上检测和量化洗盘交易

    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

  • 多模态表征学习对 NFT 售价预测的影响

    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

  • 比特币时代的泵毁操作：加密货币市场操纵的实时检测

    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

  • 在以太坊区块链上检测金融机器人

    利用机器学习在以太坊平台上检测金融机器人，建立了金融机器人分类，并提供关于当前机器人情况的额外见解。

    Mar, 2024

  • 实时图实验室：开放、动态和真实的非同质化交易图

    通过对 NFT 生态系统的时间图分析，研究了其特性、动态和潜在发展方向，并利用机器学习模型丰富现有数据集，为图数据社区提供了新的机会。

    Oct, 2023

  • 基于网络的内部交易异常检测

    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

  • 在线加密货币操纵的全貌

    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