编者按：本文来自加密谷Live，作者：PengtaiXu，翻译：Sherrie，Odaily星球日报经授权转载。加密货币和监管的必要性
加密货币是一种存在于数字世界的交易媒介，依靠加密技术使交易安全。加密货币背后的技术允许用户直接向他人发送货币，而不需要通过第三方，如银行。为了进行这些交易，用户需要设置一个数字钱包，而不需要提供身份证号码或信用评分等个人细节，因此可以让用户伪匿名。对于普通的加密货币用户来说，这种匿名性可以让他们放心，因为他们的个人信息或交易数据不会被黑客窃取。然而，这种交易匿名性的提高，也容易被犯罪分子滥用，进行、恐怖融资等非法活动。这种非法活动给区块链钱包用户以及加密货币实体都造成了巨大的损失。虽然金融行动特别工作组等监管机构已经在这些实体的监管中引入了标准化的指导方针，但由于每天都有大量的加密货币实体和交易发生，监控加密货币空间是一项具有挑战性的任务。解决方案
DFI.Money（YFII）发起关于如何分配Balancer奖励提案:9月3日，聚合器项目DFI.Money（YFII）收到首批Balancer（BAL）奖励，共计BAL 679.83个，价值21,814美元。该奖励来源于YFII/DAI矿池，后续每周都将收到。关于奖励如何分配，社区发起提案进行投票：放进循环挖矿池；换成yCRV给投票人激励参与投票；注入社区基金。[2020/9/8]
图片来源：https://dribbble.com/shots/2723032-Needle-in-a-Haystack因此，人们有兴趣利用开源信息，例如新闻网站或社交媒体平台，来识别可能的安全漏洞或非法活动。在与LynxAnalytics的合作中，我们已经致力于开发一个自动工具，以刮取开源信息，预测每篇新闻文章的风险分数，并标记出风险文章。这个工具将被整合到Cylynx平台中，这是LynxAnalytics开发的一个工具，用于帮助监管机构通过使用各种信息源监控区块链活动。开源信息的数据获取
动态 | 捷豹路虎DLT开发人员解释如何通过报告路况获得加密货币奖励:英国最大汽车制造商捷豹路虎分布式账本技术团队的软件开发人员Aaron Hetherington解释了驾驶员如何通过报告道路问题而获得加密货币奖励。Hetherington称，捷豹路虎的技术可以追踪车辆何时何地撞到路上的坑洞，这样就可以将维修细节发送给英国和爱尔兰的地方议会。他补充道：“当然，发现这些不好的路况是有奖励的。利用像IOTA这样的加密货币，我们可以将奖励直接发送给客户。”通过让汽车自动向导航提供商或地方当局报告道路状况数据，比如交通拥堵或坑洼，司机将获得加密货币积分，这些积分可用于自动支付通行费、停车费和充电费。2019年4月，捷豹路虎表示正在测试软件，旨在允许其汽车司机获得加密货币IOTA作为共享数据的奖励。据悉，该公司正在开发“智能钱包”技术，以安装在其汽车中。目前还未确定何时上市。（SiliconRepublic）[2020/2/6]
我们确定了3类开源数据，这些数据可以提供有价值的信息，帮助检测加密货币领域的可疑活动。这些类别是：传统的新闻网站，如谷歌新闻，它将报告重大的黑客事件。加密货币专用新闻网站，如Cryptonews和Cointelegraph，它们更有可能报道小型实体和小型安全事件的新闻。社交媒体网站，如Twitter和Reddit，在官方发布黑客新闻之前，加密货币所有者可能会在那里发布有关黑客的消息。
动态 | 各国代表在FATF开会讨论如何监管虚拟资产和虚拟资产服务提供商:金色财经报道，据FATF官网消息，1月9日，各国主管开会讨论了如何监督和管理虚拟资产和虚拟资产服务提供商（VASP）。自金融行动特别工作组（FATF）在2019年6月敲定这些新措施以来，这次会议是主管们首次有机会讨论如何实施这些新措施。 论坛讨论了三个主要领域：1.迄今为止，从那些已经建立VASP监督制度并已经开始监督VASP的国家吸取的经验教训。2.起草VASP法律法规时的常见问题。3.管理者有效监管VASP所需的工具、技能、程序和技术。这次会议确定了需要采取进一步行动的若干领域。这些问题将在FATF全体会议和将于2020年5月举行的监督机构论坛的会议上进一步讨论。据此前报道，2019年6月22日，FATF官网发布《基于风险的角度：监管数字资产和数字资产服务商的章程指南》，该指南将帮助各国和虚拟资产服务提供商了解其反和反恐融资义务，并有效实施FATF适用于该行业的要求。[2020/1/11]
现场 | 降维安全CTO：交易所应该如何保护数字资产:12月16日，由ChainUP主办，节点资本等联合主办的“Future BlockChain”全球行活动在韩国举办。降维安全CTO在会议中表示，交易所主要面临Hacker、恶意量化团队、恶意用户、恶意项目方这些外部攻击。具体到黑客攻击有以下四点：DoS勒索、Web渗透/APT社会工程学攻击以及利用区块链项目自身的漏洞进行攻击。据降维安全统计，交易所应用（不涉及期货合约）风险，共有5大类，14个子类，68个风险点。他表示：专业的事情应该交给专业的人做，选择专业的交易所系统和专业的安全服务商，非常重要。[2018/12/16]
检索文章和社交媒体帖子的内容，然后建立情绪分析模型。该模型为文章中提到的实体分配了一个风险活动的概率。情绪分析模型
我们尝试了四种不同的自然语言处理工具进行情绪分析，即VADER、Word2Vec、fastText和BERT模型。在通过选定的关键指标对这些模型进行评估后，RoBERTa模型表现最佳，被选为最终模型。
区块链试验引发暴风股价暴涨后 暴风首次回应如何避免炒币风险:据了解，播酷云负责人，暴风新影CEO崔天龙针对投机客可能存在的BFC炒作现象做出解释。崔天龙说道，“这种炒作我们肯定是很不愿意见到的。但是万一一旦发生了，我们还是有很多的手段来控制它。”他例举称，“比如说很简单的做法，我只需要在我的官网上，把BFC积分和我的产品的兑换进行价格绑定，基本上就对它的价值进行了锚定，会很大程度上限制BFC的炒作。”[2017/12/13]
图片来源：https://www.codemotion.com/RoBERTa模型对新闻文章或社交媒体帖子的文本进行处理，并为特定文本分配一个风险分数。由于该文本在数据收集过程中已经被标记为实体，我们现在已经有了加密实体的相关风险指标。在后期，我们将多个文本的风险分数结合起来，给出一个实体的整体风险分数。RoBERTa原本是一个使用神经网络结构建立的情感分析模型，我们将最后一层与我们标注的风险分数进行映射，以适应风险评分的环境。为了提高模型在未来文本数据上的通用性，我们进行了几种文本处理方法，即替换实体、删除url和替换hash。然后我们使用这个表现最好的模型进行风险评分。风险评分
现在，每篇文章都有一个相关的来源，一个风险概率和一个计数，指的是文章被转发、分享或转发的次数。为了将这些风险概率转换为加密货币实体的单一风险得分，我们首先将文章的概率值缩放到0到100的范围内，并获得每个来源的加权平均值，结合文章的风险得分和计数。加权平均数用于对计数较高的文章给予更大的重视，因为份额数量很可能表明文章的相关性或重要性。
在计算出各来源的风险得分后，我们对各来源的风险得分进行加权求和，得到综合得分，公式如下：
传统的新闻来源被赋予了更高的权重，因为这些来源更有可能报道重大的安全漏洞。该解决方案的有效性
我们在2020年1月1日至2020年10月30日的174个加密货币实体的名单上测试了我们的解决方案，并将结果与该时间段内的已知黑客案例进行了比较。我们发现，我们的风险评分方法表现相当出色，在37个已知的黑客案例中识别了32个。我们还分析了我们的解决方案对单个实体的有效性。下图显示了Binance从2020年1月1日至2020年10月30日的风险评分。虚线红线代表已知的黑客案例。从图中我们观察到，我们的解决方案报告了5个已知黑客中的4个黑客的风险得分增加。也有几个峰值与已知黑客案例不一致。然而，这并不构成一个主要问题，因为对我们的模型来说，更重要的是识别尽可能多的黑客，减少未识别的黑客数量。
有趣的发现
在风险评分过程中，我们注意到，与规模较小的实体相比，规模较大的实体的风险评分往往有较大比例的假阳性记录。这是因为大型实体被谈论得更多，因此会有更多的负面帖子和虚假谣言，从而导致更高的不准确率。另一个值得强调的有趣趋势是，围绕着黑客攻击通常有几个明显的高峰。这是由于不同数据源的反应时间不同。社交媒体网站Twitter和Reddit通常是第一个看到高风险事件发生时的高峰，因为用户会发帖提出他们观察到的异常情况，比如一个实体的网站在没有事先通知用户的情况下宕机。官方消息一般是在官方声明之后，稍后才会发布。局限性
我们发现，我们的解决方案有两个潜在的局限性，首先是需要不断地维护收集器。网站设计可能会随着时间的推移而改变，这些网站的刮擦器需要更新，以确保相关信息仍能被检索到，从而达到风险评分的目的。第二个限制是，验证一篇文章是否已被正确地标记为加密货币实体是具有挑战性的。例如，一篇报道Bancor可疑活动的文章可能也会因为一个不相关的事件提到Binance。我们的解决方案会错误地将新闻标记为两个实体，并将Binance标记为风险，即使它不是文本中的关键主题。然而，这并不是一个主要的限制，因为我们只使用新闻文章的标题和摘录来进行风险评分，这通常只包含文章的关键信息。结语
我们的项目让监管机构可以轻松挖掘开源信息，更好地识别加密货币领域发生的风险事件。我们提供了一个分析文章并预测风险分数的语言模型，以及根据实体和来源信息汇总这些分数的方法。这些方法都被编织成一个可以端到端运行的自动化流水线。将该项目整合到Cylynx平台中，将对其现有功能进行补充，并为监管机构识别高风险加密货币实体提供巨大的帮助。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。