به ماه: تعریف و تشخیص پمپ و دمپایی رمزنگاری

طرح های پمپ و دامپ دستکاری قیمت های کلاهبرداری از طریق گسترش اطلاعات غلط است و حداقل از دهه 1700 در تنظیمات اقتصادی بوده است. با داشتن فن آوری های جدید پیرامون معاملات cryptocurrency ، این مشکل به مقیاس زمانی کوتاه تر و دامنه وسیع تر شدت یافته است. ادبیات علمی در مورد طرح های پمپ و دمپایی cryptocurrency کمیاب است ، و مقررات دولت هنوز گیر نکرده است ، و ارزهای رمزنگاری شده را به ویژه در برابر این نوع دستکاری بازار آسیب پذیر می کند. در این مقاله به بررسی اطلاعات موجود در مورد طرح های پمپ و دامپ از ادبیات اقتصادی کلاسیک ، سنتز این کار با ارزهای رمزپایه شده و معیارهایی را ارائه می دهد که می تواند برای تعریف پمپ و دمپایی رمزنگاری شود. این الگوهای پمپ و دامپ رفتار غیر عادی را نشان می دهند. بنابراین ، تکنیک های حاصل از تحقیقات تشخیص ناهنجاری برای یافتن نقاط فعالیت تجارت غیر عادی به منظور پرچم گذاری فعالیت بالقوه پمپ و دامپ استفاده می شود. این یافته ها حاکی از آن است که برخی از سیگنال ها در داده های معاملاتی وجود دارد که ممکن است به تشخیص طرح های پمپ و دامپ کمک کند ، و ما با بررسی چندین مورد در دنیای واقعی ، این موارد را در سیستم تشخیص خود نشان می دهیم. علاوه بر این ، ما دریافتیم که خوشه های فعالیت کلاهبرداری در مبادلات و سکه های خاص رمزنگاری. رویکرد ، داده ها و یافته های این مقاله ممکن است مبنایی برای تحقیقات بیشتر در مورد این مشکل کلاهبرداری در حال ظهور ایجاد کند و در نهایت می تواند از پیشگیری از جرم آگاه شود.

معرفی

ارزهای رمزنگاری شده به طور فزاینده ای مورد توجه مردم قرار گرفته اند و استفاده از آنها به عنوان یک بستر سرمایه گذاری رو به افزایش است. این ارزهای دیجیتالی بدون نیاز به یک مقام مرکزی (به عنوان مثال ، یک بانک) پرداخت در بخش آنلاین را تسهیل می کنند. بازار ارزهای رمزنگاری شده به سرعت در حال گسترش است و در زمان نوشتن در حال حاضر سرمایه ای در حدود 300 میلیارد دلار آمریکا (CoinmarketCap 2018) داشته است و آن را با تولید ناخالص داخلی دانمارک قابل مقایسه می کند (قیمت Cryptocurrency 2018). علیرغم مقادیر زیادی پول سرمایه گذاری و معامله شده به ارزهای رمزپایه ، آنها قلمرو غیرقابل کنترل هستند و برای بخش بزرگی از تنظیم نشده اند. فقدان مقررات ، همراه با پیچیدگی فنی آنها ، آنها را به یک هدف جذاب برای کلاهبرداران تبدیل می کند که به دنبال طعمه نادرست هستند. یکی از این کلاهبرداران به عنوان پمپ و دامپ (P& D) شناخته می شود ، که بازیگران بد سعی می کنند با گسترش اطلاعات نادرست در مورد کالا (یعنی یک سکه رمزنگاری خاص) برای افزایش مصنوعی قیمت ، سود کسب کنند. این کلاهبرداری دارای سابقه طولانی در تنظیمات اقتصادی سنتی است ، به همان اندازه که به شرکت دریای جنوبی لندن در دهه 1700 می رسد (بروکر 1998) ، سپس یک خانه طبیعی در سهام پنی و اینترنت پیدا کرد (کرامر 2004 ؛ معبد 2000) و دارداکنون اخیراً در بازارهای cryptocurrency ظاهر شده است (Khan 2018 ؛ Mac و Lytvynenko 2018 ؛ Martineau 2018).

ادبیات دانشگاهی در مورد Cryptocurrency (Crypto) طرح های P& D کمیاب است (برای یک استثنا ، به مقاله کار اخیر لی ، شین ، و وانگ ، 2018 مراجعه کنید). بنابراین ، این مقاله مروری بر آنچه در حال حاضر در مورد موضوع از وبلاگ ها و سایت های خبری شناخته شده است ، ارائه می دهد. برای ارائه زاویه نظری ، ادبیات اقتصادی مربوط به موضوع مورد بررسی قرار می گیرد و این اطلاعات با برجسته سازی شباهت ها و تفاوت های احتمالی با ارزهای رمزپایه سنتز می شود. از آنجا که این الگوها نوعی ناهنجاری است ، ادبیات مربوط به الگوریتم های تشخیص ناهنجاری نیز مورد بحث قرار می گیرد. هدف این است که معیارهای تعیین کننده ای را برای آنچه که یک Crypto P& D چیست و متعاقباً از این اطلاعات برای تشخیص امتیاز در داده های مبادله ای که با این معیارها مطابقت دارند استفاده کنید و پایه ای برای تحقیقات بیشتر را تشکیل دهید.

طرح پمپ و دامپ چیست؟

یک طرح پمپ و دامپ نوعی کلاهبرداری است که در آن متخلفان در طی یک دوره کالایی را جمع می کنند ، سپس قبل از فروش آنچه که آنها خریداری کرده اند برای خریداران مظنون با قیمت بالاتر ، به طور مصنوعی قیمت را از طریق گسترش اطلاعات نادرست (پمپاژ) جمع می کنند.(دامپینگ). از آنجا که قیمت به صورت مصنوعی متورم شده بود ، قیمت معمولاً کاهش می یابد و خریدارانی را که از قدرت اطلاعات کاذب خریداری کرده اند ، با ضرر می کند. در حالی که ما تجزیه و تحلیل اسکریپت جنایتی سخت را ارائه نمی دهیم (به Borrion 2013 ؛ Keatley 2018 ؛ Warren et al. 2017) در اینجا ، شکل 1 را می توان به عنوان یک انتزاع اسکریپت از سه مرحله اصلی - تجمع ، پمپ و زباله مشاهده کرد. فاز تجمع معمولاً در مدت زمان طولانی تر به صورت تدریجی اتفاق می افتد تا از افزایش قیمت قبل از پمپ جلوگیری شود.

ارزهای رمزپایه چیست؟

ارزهای رمزپایه یک رسانه دیجیتالی مبادله هستند و معمولاً به جای یک موسسه مرکزی به رمزنگاری متکی هستند تا از بروز مشکلات مانند جعل جلوگیری کنند. به عنوان مثال ، محبوب ترین cryptocurrency بیت کوین (BTC) است و برخی از مزایای آن این است که این امکان را برای معاملات بی اعتماد و محور فراهم می کند زیرا معکوس کردن پرداخت غیرممکن است و هیچ شخص ثالثی (به عنوان مثال بانک ها) درگیر نیست.(ناکاموتو 2008). در سیستم های مالی سنتی ، مشتری به شخص ثالث (به عنوان مثال ، یک بانک) اعتماد دارد تا دفترچه خود را به روز کند تا مانده حساب مشتری را منعکس کند. برعکس ، با بیت کوین ، این دفترچه در یک شبکه توزیع می شود ، و همه افراد موجود در شبکه دارای یک نسخه هستند و می توانند - در اصل - محتوای آن را بسازند. این دفترچه عمومی به عنوان blockchain شناخته می شود و فناوری اصلی است که بر روی آن بیت کوین و بسیاری از ارزهای رمزنگاری دیگر استراحت می کنند. در حال حاضر انواع مختلفی از ارزهای رمزنگاری شده وجود دارد ، و مواردی که کمتر شناخته شده به آن "altcoins" گفته می شود ، و همه آنها با اصول و مزایای متفاوتی با اصول فنی کمی متفاوت اجرا می شوند (مجله بیت کوین 2017). علاوه بر بیت کوین ، برخی دیگر از ارزهای رمزپایه محبوب تر شامل Ethereum (https://ethereum. org/) ، Ripple (https://litecoin. org/) و Litecoin (https://litecoin. org/) هستند.

اهداف این مقاله

در این مقاله ، ما به سه هدف اصلی رسیدیم. اول ، در صورت عدم وجود تحقیقات دانشگاهی در مورد طرح های پمپ و دمپایی رمزنگاری ، ما یک رسمیت اولیه کار از Crypto P& D را مشخص کردیم که معیارهای شناسایی شده ای را که ممکن است در مکان یابی و جلوگیری از این مشکل کلاهبرداری در حال ظهور کمک کند ، ارائه دادیم. دوم ، ما از این شاخص ها استفاده می کنیم و یک روش تشخیص خودکار ناهنجاری را برای یافتن الگوهای معاملات مشکوک پیشنهاد می کنیم. سوم ، برای درک بهتر پدیده Crypto P& D ، ما در سطح تبادل و در سطح جفت های رمزنگاری زوم می کنیم. هدف اصلی این مقاله برانگیختن علاقه دانشگاهی به موضوع و معرفی P& D به عنوان یک مشکل نوظهور است.

طرح های پمپ و دامپ در زمینه اقتصادی سنتی

در اوایل قرن هجدهم ، هنرمندانی که صاحب سهام در شرکت دریای جنوبی بودند ، شروع به ادعاهای دروغین درباره این شرکت و سود آن کردند. هدف این بود که به طور مصنوعی قیمت سهام را بالا ببریم و سپس آن را به خریداران نادرست که منجر به اعتقاد بر این بودند که آنها یک کالای امیدوارکننده را خریداری می کنند ، بفروشند. این به عنوان حباب دریای جنوبی گفته می شد و به عنوان نمونه ای مستند از یک طرح P& D (Bartels 2000 ؛ Brooker 1998) خدمت می کند.

در دوران مدرن ، طرح های P& D عمدتاً مبتنی بر اینترنت بوده اند که روی سهام به اصطلاح "پنی" یا "میکروکپ" متمرکز شده اند ، که شرکت های کوچکتر هستند که الزامات لازم را در صرافی های بزرگتر مانند NASDAQ ذکر نمی کنند (Dugan 2002؛ معبد 2000). بورس سهام میکروکپ مطابق با استاندارد تنظیم مقررات نگه داشته نمی شود ، این بدان معنی است که معمولاً اطلاعات زیادی در مورد شرکت هایی که ذکر شده اند وجود ندارد و باعث می شود آنها دستکاری را آسان تر کنند. به عنوان مثال ، در ایالات متحده ، شرکت های بزرگ عمومی گزارش های عمومی را در دسترس عمومی به کمیسیون بورس امنیت (SEC) ارائه می دهند که اغلب توسط متخصصان مورد تجزیه و تحلیل قرار می گیرند (کمیسیون اوراق بهادار و بورس ایالات متحده 2017). دسترسی به و تأیید اطلاعات به طور معمول با شرکت های میکروکپ دشوارتر است. اطلاعات نادرست در مورد سهام اغلب از طریق اسپم ایمیل پخش می شود که مشخص شده است که تأثیر مثبت خالص بر قیمت سهام دارد (یعنی اسپم در افزایش قیمت مؤثر است ، به بورووی 2009 مراجعه کنید). در ایالات متحده ، اجرای یک عملیات P& D در سهام پنی غیرقانونی است ، و موارد متعددی وجود دارد که افرادی که به دلیل مشارکت آنها در کلاهبرداری P& D به آنها متهم شده اند ("تحولات در بانکداری و قانون مالی: 2013" ، 2014 ؛یانگ و وردن 2015).

طرح های پمپ و دامپ در زمینه رمزنگاری

در حال حاضر فقدان ادبیات دانشگاهی در مورد طرح های پمپ و دمپایی رمزنگاری وجود دارد ، بنابراین در این بخش به دنبال ارائه کلی از منظره فعلی طرح های P& D Cryptocurrency است زیرا در پست های مختلف وبلاگ و مقالات خبری تحقق یافته است. در زمینه cryptocurrency یک modus modus کمی متفاوت از متن سنتی سهام پنی وجود دارد. به طور خاص ، این در ظهور گروه های اختصاصی P& D عمومی مشاهده شده است. این گروه ها در اتاق های چت آنلاین مانند Discord (https://discordapp. com) و Telegram (https://telegram. org) با هدف سازماندهی کلاهبرداری های پمپ-و دمپ در Cryptocur ارز انتخاب شده اند (شکل 2). گزارش شده است که تعداد اعضای برخی از این گروه ها به اندازه 200000 نفر بوده است که گروه های کوچکتر هنوز در حدود 2000 (Martineau 2018) در حال اجرا هستند. افزایش قیمت تا 950 ٪ شاهد بوده است ، که نشان می دهد میزان دستکاری این گروه ها قادر به آن هستند (تامپسون 2018). برای این گروه های P& D برای دستیابی به بهترین نتایج ، چندین گزارش از فعالیت نشان می دهد که آنها تقریباً به طور انحصاری سکه های محبوب کمتری را هدف قرار می دهند ، به ویژه آنهایی که دارای کلاه بازار کم و گردش خون کم هستند ، زیرا دستکاری آنها آسان تر به نظر می رسد (Khan 2018 ؛ Mac و Lytvynenko 2018؛ شهر 2018). تخمین دامنه کامل خسارات ناشی از پمپ و دمپایی رمزنگاری دشوار است. با این وجود شواهدی وجود دارد که نشان می دهد چنین طرح هایی میلیون ها دلار فعالیت تجاری ایجاد می کنند. وال استریت ژورنال مقاله تحقیقاتی را منتشر کرد که به گروه های پمپ و دامپ عمومی و 6 ماه فعالیت معاملاتی پرداخت. آنها 825 میلیون دلار در ارتباط با طرح های پمپ و دامپ بودند که یک گروه به تنهایی 222 میلیون دلار در معاملات حساب می کنند (Shifflett 2018). این نگاهی اجمالی به میزان فعالیت پولی توسط این گروه ها نشان می دهد ، تأثیر آن حتی می تواند بیشتر باشد زیرا بسیاری از گروه ها احتمالاً در گروه های خصوصی یا فقط دعوت شده فعالیت می کنند.

روش پمپ و دامپ معمولاً شامل رهبران گروه است که اعلام می کنند پمپ در یک زمان خاص در یک مبادله خاص انجام می شود و تنها پس از اعلام زمان مشخص ، سکه اعلام می شود (شکل 2 را ببینید). پس از اعلام سکه ، اعضای چت گروه سعی می کنند در بین اولین کسانی باشند که سکه را خریداری می کنند تا سود بیشتری کسب کنند. در واقع ، اگر آنها خیلی کند باشند ، ممکن است در اوج خرید شوند و نتوانند برای سود خود بفروشند."اعتیاد به مواد مخدره" در مورد خرید سکه پس از اعلام پمپ به دلیل بازه زمانی کوتاه این طرح ها است: مارتینو (2018) در دو پمپ گزارش شده است که طی 5-10 دقیقه به قله های خود رسیده است. در مرحله پمپاژ ، کاربران غالباً در تلاش برای فریب دیگران در خرید آن ، اطلاعات نادرست در مورد سکه را تشویق می کنند و به آنها امکان فروش آسان تر را می دهند. اطلاعات نادرست متفاوت است ، اما برخی از تاکتیک های رایج شامل اخبار دروغین ، پروژه های غیر موجود ، مشارکت های جعلی یا تأیید مشهور جعلی است (Martineau 2018 ؛ Town 2018). نمونه ای را در نظر بگیرید که گروهی از متخلفان حساب کاربری توییتر جان مک آفی ، کارآفرین اینترنت را با استفاده از یک ‘L" در نام کاربری جعل کردند (مک و Lytvynenko 2018). به حساب جعلی توییت مثبتی در مورد Altcoin خاص ارسال کرد و به همه کاربران گروه P& D گفته شد که آن را بازتوییت کنند. در مدت 5 دقیقهقیمت سکه از 30 دلار ، به 45 دلار ،- ، پس از حدود 20 دقیقه به 30 دلار کاهش یافته است. هر چیزی که باعث ایجاد هوای عمومی از مثبت شود ، بازی عادلانه است زیرا هدف این است که سکه های خود را بر روی سرمایه گذاران ناخواسته که دقت خود را انجام نداده اند ، با ترس از ترس از دست دادن در سرمایه گذاری بزرگ بعدی رمزنگاری کنید.

در اقدامی برای تأمین سود برای خود ، بسیاری از رهبران گروه پمپ و دامپ اغلب از اطلاعات خودی خود به نفع خود استفاده می کنند: زیرا آنها می دانند که سکه پمپ خواهد شد ، می توانند قبل از اعلام سکه ، سکه را از قبل خریداری کنندآی تی. این امر باعث می شود سود آنها در حالی که کاربران دیگر را ترک می کنند ، اساساً قمار کنند که آیا می توانند اوج را پیش بینی کنند یا خیر. ترس از دست دادن و پتانسیل ضرب و شتم شانس ممکن است سرمایه گذاران رمزنگاری آینده نگر را به سمت پیوستن به پمپ سوق دهد. رهبران گروه همچنین می توانند با ارائه دسترسی به اعلان پمپ در مرحله اولیه قبل از اعلامیه در سطح گروه ، در ازای پرداخت ، سود را تضمین کنند. حتی چند ثانیه از مزیت زمانی برای قرار دادن سفارشات بالقوه قبل از دیگران کافی است و از این طریق سکه های ارزان تری بدست می آورند ، از این رو سود خریدار را از عملیات پمپ و دامپ افزایش می دهد (مارتینو 2018).

با توجه به این واقعیت که فناوری پشت ارز رمزنگاری نسبتاً جدید است و بیشتر مبادلات بدون تنظیم ، دستکاری پمپ و دامپ در حال حاضر همیشه غیرقانونی نیست. و حتی در جایی که هست ، همیشه نمی توان به راحتی اجرا شد. با این حال ، ارگان های حاکم بر این مسئله شروع به تحقق این مشکل می کنند ، و در ایالات متحده کمیسیون معاملات آتی کالاها دستورالعمل هایی را در مورد چگونگی جلوگیری از کلاهبرداری های P& D صادر کرده است ، و همچنین ارائه یک برنامه دمنده سوت (کمیسیون معاملات معاملات آتی ایالات متحده 2018).

تعریف پمپ و دمپایی رمزنگاری

کاهش و جلوگیری از طرح های پمپ و دامپ به دانش در مورد عملکرد آنها نیاز دارد و بنابراین تشخیص این طرح های پمپ و دامپ گامی به سوی هدف کاهش است. برای شروع جستجو و شناسایی الگوهای نوع P& D بالقوه در داده های مبادله ، تعریف کار برای آنچه که یک P& D لازم است لازم است. پیشنهادی برای تعیین معیارهای تعیین شده در این بخش با خلاصه کردن بینش در مورد طرح های سنتی و رمزنگاری P& D که در بخش قبلی بیان شده است. جدول 1 برخی از شباهت ها و تفاوت های اصلی را با توجه به هدف ، تاکتیک و بازه زمانی سهام سنتی پنی و طرح های پمپ و دمپایی رمزنگاری خلاصه می کند.

به دست آوردن داده ها

کتابخانه CCXT (https://github. com/ccxt/ccxt) از دسترسی به 115 مبادله مختلف رمزنگاری پشتیبانی می کند. با این حال ، همه اینها اجازه بازیابی عمومی داده های تاریخی را ندارند. پس از فیلتر برای آن شرایط ، 24 مبادله باقی مانده است. برای اینکه نتایج قوی تر شود ، 24 مبادله نامزد برای صرافی ها با حداقل 50 جفت نماد و حداقل 20 روز از داده های OHLCV تاریخی 1-H فیلتر شدند. در کل ، پنج مبادله با تمام معیارها و 480 شمع مطابقت داشتند (~20 روز) از داده ها برای هر جفت نماد موجود از هر یک از این مبادلات خارج شد (به پیوست مراجعه کنید).

رویکرد تحلیلی

P& D موفق اغلب سنبله مشخصی در قیمت و حجم نشان می دهد (جدول 2 را ببینید) که با مشاهده انسان به راحتی قابل تشخیص است. با این حال ، با صدها مبادله و جفت نماد و معاملات معاملاتی که در طول روز به زمان های خاص محدود نمی شود ، غیر عملی و غیرممکن است که فقط به یک روش دستی برای تشخیص P& D متوسل شوید. بنابراین ، ما با استفاده از تشخیص ناهنجاری به یک روش تشخیص خودکار متوسل شدیم.

مقدمه ای کوتاه برای تشخیص ناهنجاری

نقاط داده ای که مطابق با بقیه مجموعه داده ها نیست ، اغلب به عنوان ناهنجاری یا دور از دسترس گفته می شود. تشخیص ناهنجاری فرآیند شناسایی این نقاط غیر سازگار است (Chandola و همکاران 2009). تکنیک های تشخیص ناهنجاری را می توان به طور گسترده ای در تشخیص ناهنجاری تحت نظارت و بدون نظارت طبقه بندی کرد. تشخیص ناهنجاری تحت نظارت به یک مجموعه داده های آموزشی متکی است تا یاد بگیرد که "عادی" برای دامنه چیست. دومی به توانایی دستیابی به یک مجموعه آموزش به اندازه مناسب وابسته است ، چیزی که اغلب چالش برانگیز است. در مقابل ، تکنیک های بدون نظارت به این فرض متکی هستند که ناهنجاری ها یک اتفاق نادر در داده ها برای جلوگیری از بیش از حد سیگنال های کاذب است. در اینجا ، این وظیفه محقق یا تحلیلگر است که پارامترهای تشکیل دهنده یک ناهنجاری را تعیین می کند.

انواع ناهنجاری ها

انواع مختلفی از ناهنجاری ها وجود دارد که توسط Chandola و همکاران به سه دسته اصلی گروه بندی شده اند.(2009): ناهنجاری های نقطه ، ناهنجاری های جمعی و ناهنجاری های متنی. ناهنجاری های نقطه صرفاً در داده هایی هستند که برای بقیه داده ها غیر عادی هستند. یک نمونه می تواند یک خرید غیرمعمول بزرگ نسبت به رفتار هزینه های تاریخی یک فرد باشد. از طرف دیگر ناهنجاری های جمعی به وضعیتی اشاره می کنند که در آن ممکن است یک نقطه داده واحد به خودی خود غیر عادی نباشد. در عوض ، یک اتفاق همزمان یا نزدیکی نقاط داده غیر عادی ممکن است نشان دهنده رفتاری باشد که غیر عادی است (به عنوان مثال ، یک الکتروکاردیوگرام انسانی که در آن یک نقطه کم واحد لزوماً غیر عادی نخواهد بود ، اما مقادیر کم متوالی نشانگر یک مسئله است). سرانجام ، ناهنجاری های متنی (همچنین به عنوان "ناهنجاری های مشروط" نیز شناخته می شود ، سونگ و همکاران 2007) نقاط داده هستند که فقط در زمینه های خاص غیر عادی تلقی می شوند. به عنوان مثال ، دمای گرم در زمستان غیر عادی خواهد بود ، اما در تابستان طبیعی تلقی می شود.

تشخیص ناهنجاری در زمینه طرح های Crypto P& D

در زمینه این مقاله ، تشخیص ناهنجاری بدون نظارت مورد توجه قرار خواهد گرفت ، زیرا در حال حاضر هیچ داده آموزشی دارای برچسب برای طرح های پمپ و دمپایی رمزنگاری در دسترس نیست (به بحث مراجعه کنید). ناهنجاری های مشروط اطلاعات متنی در مورد تنظیم را در نظر بگیرید (سونگ و همکاران 2007). این از طریق متغیرهای شاخص شرح داده شده است ، که مقادیر آن ممکن است به طور مستقیم نشانگر ناهنجاری و متغیرهای محیط باشد ، که متغیرهای آنها به طور مستقیم نشانگر ناهنجاری نیستند. متغیرهای شاخص بسته به مقادیر متغیرهای محیطی غیر عادی هستند. در متن فعلی این بدان معناست که هدف قرار گرفتن شاخص های برک آوت ، با توجه به تقویت کننده ها است (جدول 2). برای دامنه این مقاله ، ما به دلیل میزان داده های موجود ، تقویت کننده این که آیا یک جفت نماد در صرافی های متعدد وجود داشته است ، در نظر نمی گیریم. بنابراین ، هدف این است که قیمت و حجم مربوط به سنبله سکه ها را با کلاه بازار کم که برای سایر ارزهای رمزنگاری شده تجارت می کنند ، پیدا کنید. با توجه به ماهیت طرح های P& D ، پمپ ها ذاتاً پدیده های محلی هستند ، بنابراین هدف این است که ناهنجاری های محلی را در مورد تاریخ اخیر (یعنی تشخیص ناهنجاری های نقطه مشروط محلی) تشخیص دهیم.

آناتومی

تکنیک تشخیص ناهنجاری مورد استفاده یک تکنیک آستانه است ، با الهام از تحقیقات قبلی در مورد انکار حملات خدماتی به یک شبکه (Siris and Papagalou 2004). برای یک مقدار خاص ، یک میانگین متحرک ساده با گرفتن میانگین مقادیر قبلی در یک پنجره زمانی معین محاسبه می شود ، طولی که به عنوان عامل تاخیر شناخته می شود. به این ترتیب ، می توان یک مقدار را با یک دوره در یک دوره زمانی مقایسه کرد ، بر خلاف یک ارزش مفرد ، و امکان تشخیص ناهنجاری های محلی را در مقایسه با تاریخ اخیر فراهم می کند. این نوع الگوریتم آستانه ، به ما امکان می دهد یک پایه کاربردی را ارائه دهیم که تحقیقات بیشتر می تواند با الگوریتم های پیچیده تر گسترش یابد. علاوه بر این ، همانطور که بیشتر در مورد طرح های پمپ و دمپایی رمزنگاری آموخته می شود ، به احتمال زیاد اطلاعات دامنه بیشتری (به عنوان مثال ، زمان های خاص ، سکه ها یا الگوهای معاملاتی) را می توان در الگوریتم ها در تلاش برای افزایش دقت تشخیص گنجانید.

ناهنجاری

اگر قیمت بالا در هر نقطه معین بیشتر از آستانه ناهنجاری محاسبه شده برای آن نقطه باشد ، نقطه مشخص می شود که غیر عادی است. آستانه ناهنجاری با استفاده از افزایش درصد معین ( epsilon ) محاسبه می شود ، یک عامل تاخیر ( gamma ) و میانگین حرکت ساده ( mu_<gamma> سمت چپ (x راست) ) بیش از قیمت بسته شدن. نمونه X یک مشاهده خاص در سری زمانی است که با مقادیر OHLCV مربوطه همراه است. در این حالت ، x و ( gamma ) را می توان به عنوان اشیاء dateTime در نظر گرفت ، بنابراین (x - gamma ) نشان دهنده حرکت به عقب در سری زمانی توسط یک عامل ( gamma ) است. میانگین متحرک بدین ترتیب ( mu_<gamma> سمت چپ (x راست) = frac<<mathop sum olimits_^ x_>><gamma>) که برای همه x تعریف شده است که در آن (x - gamma ge 0 ). آستانه برای هر نقطه معین پس از تاخیر زمانی به عنوان تعریف می شود ( epsilon cdot mu_<gamma> سمت چپ (x راست) ) عملکرد ناهنجاری نقطه را به ما می دهد:

$ $ قیمت _anomaly سمت چپ (x راست) = سمت چپ > epsilon cdot mu left( x ight)> \ le epsilon cdot mu left( x ight)> \ end> درست. $ $

ناهنجاری حجم

ناهنجاری حجم تقریباً به طور یکسان با موارد فوق تعریف شده است ، مگر با میانگین متحرک محاسبه شده به عنوان ( mu_<gamma> سمت چپ (x راست) = frac<<mathop sum olimits_^ x_>><gamma>) ، منجر به:

$ $ حجم _anomaly سمت چپ (x راست) = سمت چپ > epsilon cdot mu left( x ight)> \ le epsilon cdot mu left( x ight)> \ end> درست. $ $

ناهنجاری

هدف این است که ناهنجاری های نقطه مشروط محلی را تشخیص دهیم ، یعنی همزمان همزمان یک ناهنجاری قیمت و ناهنجاری حجم. علاوه بر این ، اطلاعات متنی در مورد اینکه آیا سکه دارای کلاه بازار کم است یا نه ، می توان یک جفت معاملات رمزنگاری/رمزنگاری را در نظر گرفت. شاید شاخص های متنی دیگری نیز وجود داشته باشد که می توان آنها را مورد بررسی قرار داد ، اگرچه برای دامنه این مقاله ، فقط دو مورد ذکر شده در بالا مورد بررسی قرار می گیرند.

کلاه بازار کم

کلاه بازار یک سکه به عنوان زمان قیمت آن تعریف می شود و راهی برای قضاوت در مورد محبوبیت یا اندازه یک سکه است. داده های کلاه بازار از https://coinmarketcap. com/ کشیده شد. ده سکه برتر از مجموعه داده ها و درصد کل درپوش بازار مورد نظر آنها در جدول 4 نشان داده شده است. از این می توان دریافت که ده سکه برتر بیش از 85 ٪ از کل سرمایه بازار را تشکیل می دهند ، که حاکی از آن است که وسیع استاکثر سکه ها نسبت به بالا کلاه بازار بسیار کمتری دارند. برای بقیه این مقاله ، "کلاه بازار پایین" به عنوان هر سکه زیر صدک 75 (0. 029 ٪) از کل کلاه بازار تعریف می شود.

پارامترهای سخت

ما پنجره تخمین را به 24 ساعت افزایش دادیم ، بنابراین در مقایسه با میانگین نیاز به تغییر شدیدتری داشت. علاوه بر این ، آستانه حجم و قیمت به ترتیب به 400 ٪ و 10 ٪ افزایش یافته است (شکل 5). این امر منجر به شناسایی 920 پمپ و دامپ در طی 20 روز ، حدود 0. 5 P& D در هر نماد شد. غوطه وری قیمت تنها 50 ٪ از پمپ های ادعا شده را دنبال می کرد و در نتیجه تعداد کل پمپ و دمپایی پایین تر از مجموعه پارامتر اولیه بود.

پارامترهای متعادل

با اطلاعات به دست آمده از دو مجموعه پارامتر قبلی ، ما سعی کردیم تعادل بین این دو پیدا کنیم. پنجره تخمین برای محدود کردن جستجو به صورت محلی به 12 ساعت برگردانده شد و آستانه حجم و قیمت به ترتیب بین مقادیر پارامتر اولیه و سخت به ترتیب در 300 ٪ و 5 ٪ سازش بود. این منجر به حدود 1. 6 پمپ و دمپایی در هر نماد ، برای کل 2150 در طی 20 روز داده شد (شکل 6). علاوه بر این ، 75 ٪ از پمپ های ادعا شده دارای زباله های مربوط به قیمت هستند. این بدان معنی است که در یک سیستم در زمان واقعی ، این پارامترها می توانند به تشخیص نقاطی منجر شوند که اغلب برای تحقیقات بیشتر پرچم گذاری می شوند زیرا احتمالاً نشانگر یک طرح P& D هستند.

بازرسی نزدیکتر از مجموعه پارامتر متعادل

نتایج مجموعه پارامتر متعادل برای شناسایی پویایی P& D در سطح جفت ارز و نماد نزدیکتر مورد بررسی قرار گرفت. برای انجام این کار ، ما نتایج را فیلتر کردیم که فقط شامل مشاهداتی است که P& D در آن شناسایی شده در جفت نماد Crypto/Crypto با کلاه بازار کم بود.

یافته های سطح مبادله

تعداد P& D می تواند در سطح مبادله مورد بررسی قرار گیرد و بینشی در مورد اینکه مبادلات ممکن است اهداف مناسبی برای تکنیک های بیشتر تحقیقات و کاهش باشد ، بررسی می شود. نمونه ای از چگونگی درصد نمادهای مورد تجزیه و تحلیل مربوط به درصد پمپ های شناسایی شده در شکل 7 نشان داده شده است. مبادله های Binance و Bittrex بیشتر از پمپ ها را نسبت به تعداد نسبی نمادهای مورد تجزیه و تحلیل نشان می دهند ، نشان می دهد که این مبادلات بیشتر برای P& D استفاده می شودطرح ها از دیگران. برعکس ، Exchange Kraken تقریباً 6 ٪ از نمادها را تشکیل می دهد ، اما کمتر از 1 ٪ پمپ ها. این شاید به بهترین وجه با این واقعیت توضیح داده شود که کراکن یکی از مبادلات تنظیم شده مستقر در ایالات متحده است و عمدتاً با جفت ارز Crypto/Fiat ، بر خلاف Crypto/Crypto سروکار دارد. این یافته ها حاکی از آن است که صرافی هایی که معاملات تنظیم شده تری را ارائه می دهند کمتر مستعد ابتلا به طرح های P& D هستند.

یافته های سطح جفت نماد

شکستن پمپ و دمپ در سطح نماد این امکان را فراهم می کند که ارزهای رمزنگاری شده ، به طور نامتناسب اغلب تحت تأثیر قرار می گیرند و از این رو آسیب پذیرتر می شوند (جدول 6). داده ها نشان می دهد که بیشترین P& D برای یک جفت نماد 13 بود که اکثریت قریب به اتفاق نمادها بین 0 تا 3 P& D داشتند. این مطابق با این تصور است که سکه های خاص ممکن است بیشتر از سایرین مورد هدف قرار گیرند. نکته جالب توجه این است که پنج مورد از ده سکه پمپ برتر در تبادل Bittrex پمپ شدند. تحقیقات بیشتر ممکن است در تلاش برای دیدن اینکه آیا پیوندهایی بین بیشترین سکه های پمپ شده وجود دارد ، می تواند در مورد خواص این سکه ها بررسی کند.

قابلیت ردیابی در دنیای واقعی

آزمایش اصلی یک سیستم شناسایی پمپ و دامپ قابلیت تشخیص در دنیای واقعی آن است. ما از طرح های پمپ و دامپ استفاده کردیم که صریحاً در گروه های چت آنلاین به عنوان "استاندارد طلا" موارد تأیید شده ارکستر شدیم. اگرچه تا حدی کوچکتر ، این منبع از P& D تأیید شده به ما امکان می دهد تا به صورت موردی به ردیابی نگاه کنیم. P& D تأیید شده با نظارت بر دو گروه پمپ و دامپ ، سیگنال مهتاب (حدود 3000 عضو) و Crypto Trading ™ (حدود 56،000 عضو) به دست آمد و اعلامیه های آنها را مشاهده کرد. با استفاده از این اطلاعات ، ما دو مورد را نشان می دهیم که سیستم ما (با مجموعه پارامتر متعادل) با موفقیت یک P& D تأیید شده را تشخیص داد ، و دو مورد که سیستم ما نمی تواند P& D را به روشنی شناسایی کند.

تشخیص موفقیت آمیز

مورد 1

در مورد 1 (شکل 9) سکه ای که قرار بود قربانی شود در هفدهم آگوست 2018 ، ساعت 4 بعد از ظهر اعلام شد. در نتیجه تلاش های هماهنگ آنها ، قیمت و حجم زیادی قابل مشاهده است ، دقیقاً از زمانی که این اعلامیه انجام شد ، آغاز می شود. سیستم ما قادر به شناسایی سنبله های غیر عادی بود و به درستی فعالیت تجاری عجیب و غریب را به عنوان نتیجه P& D پرچم گذاری کرد.

مورد 2

زمان اعلام P& D در مورد 2 (شکل 10) بیست و یکم آگوست 2018 ، ساعت 4 بعد از ظهر بود. یک بار دیگر ، سیگنال های هشدار دهنده از سنبله های مربوط به قیمت و حجم مربوطه وجود دارد ، و سیستم به درستی فعالیت عجیب و غریب را در زمان شروع اعلام شده به عنوان کلاهبرداری نشان می دهد. در این حالت ما همچنین قیمت و حجم را که فقط قبل از زمان اعلامیه افزایش می یابد ، مشاهده می کنیم ، شاید این نشانگر تجارت خودی توسط رهبران گروه باشد.

تشخیص ناموفق

مورد 3

اعلامیه پمپ در این مورد در تاریخ 4 سپتامبر 2018 ، ساعت 3:30 بعد از ظهر ارائه شد. یک بار دیگر ، ما سنبله های مربوط به قیمت و حجم را مشاهده می کنیم (شکل 11) ، اما در این حالت سیستم ما نتوانست آنها را به عنوان نتیجه یک طرح پمپ و دامپ مشخص کند. دلیل این امر این است که قیمت به جای اینکه بلافاصله پرتاب شود ، برای مدتی بعد از پمپ صعود کرد. بنابراین ، ما می توانیم مشاهده کنیم که گاهی اوقات حرکت ناشی از یک گروه پمپ ممکن است برای یک دوره زمانی باقی بماند (در این مورد حدود 24 ساعت). سکه که در این مورد پمپ می شود (RDN) نیز حدود 13 روز قبل توسط همان گروه پمپ شد (به "مورد 2" مراجعه کنید). وام از این ایده که سکه های خاصی بیشتر از سایرین مورد هدف قرار می گیرند.

مورد 4

در مورد 4 (شکل 12) اعلامیه پمپ در ساعت 4 بعد از ظهر انجام شد. در تاریخ 3 سپتامبر 2018. به همین ترتیب ، به پرونده 3 ، سیستم ما دوباره نتوانسته است سنبله های غیر عادی را به عنوان پمپ و دامپ علامت گذاری کند ، به همین دلیل قیمت پس از آن به سرعت فرو نمی رود. به منظور شناسایی صحیح این مواردی که در آن قیمت برای مدتی پس از اعلامیه ، حرکت را حفظ می کند ، می توان پیشرفت بالقوه ای را به الگوریتم انجام داد که به موجب آن کاهش حجم نیز مورد توجه قرار می گیرد. به این ترتیب ، اگر قیمت یا حجم آن کاهش یابد ، آن را به عنوان P& D شمارش می کند ، بر خلاف تکیه فقط به قیمت های قیمت. علاوه بر این ، در این حالت ، می بینیم که روز بعد یک P& D توسط سیستم ما تشخیص داده می شود ، اگرچه مشخص نیست که آیا این نتیجه هدف قرار دادن اضافی توسط گروه است یا صرفاً یک مثبت کاذب.

بحث

در این مقاله تلاش شده است تا مسئله طرح های پمپ و دمپایی Cryptocurrency را به جامعه علوم جنایت معرفی کند. با محبوبیت بیشتر ارزهای رمزنگاری شده ، آنها همچنین به یک هدف محتمل برای فعالیت های جنایی تبدیل می شوند. طرح های پمپ و دمپایی cryptocurrency تلاش های ارکستر شده برای تورم قیمت یک رمزنگاری به صورت مصنوعی است. ما شاخص های برک آوت و تقویت کننده ها را به عنوان معیارهایی برای یافتن پمپ و دامپ شناسایی کردیم و داده ها را با استفاده از یک روش تشخیص ناهنجاری بررسی کردیم. در حالی که انتخاب پارامترهایی که یک ناهنجاری را ذاتاً ذهنی می کند ، مشاهده کردیم که یک رویکرد متعادل بین پارامترهای اولیه ساده لوح و پارامترهای دقیق ممکن است در پرچم گذاری فعالیت های مشکوک کمک کند. ما همچنین توانستیم نشان دهیم که با استفاده از یک مجموعه محدود از پارامترها ، می توان فعالیت پمپاژ را در داده ها و همچنین فعالیت دامپینگ بعدی تشخیص داد. علاوه بر این ، ما دو گروه پمپ و دامپ را به منظور بدست آوردن چندین مورد از طرح های پمپ و دامپ زندگی واقعی که در آن زمان الگوریتم تشخیص خود را به کار بردیم ، نظارت کردیم تا عملکرد آن را در سناریوهای واقعی نشان دهیم.

پمپ و دامپ به عنوان یک چالش برای علم جرم

علاوه بر یافتن پمپ و دامنه های بالقوه ، شواهدی از خوشه بندی در داده ها پیدا کردیم. اکثریت قریب به اتفاق سکه ها با کلاه بازار کم هستند در حالی که ده سکه برتر 85 ٪ از کلاه بازار را به خود اختصاص داده اند. علاوه بر این ، توزیع نهایی پمپ و دامپ نشان داد که حدود 30 ٪ از نمادها تقریباً 80 ٪ از پمپ ها را به خود اختصاص داده اند ، نشان می دهد که حتی در بین سکه های کلاه در بازار پایین ، برخی از سکه ها بیشتر از سایرین هدف قرار می گیرند. این الگوی که به ادبیات جرم شناسی محیط زیست ترجمه شده است ، شبیه به تکرار قربانی شدن است (فارل و پیز 1993 ؛ Kleemans 2001 ؛ ویزل 2005 ؛ فارل 2015). به عنوان مثال ، اگر یک گروه چت P& D یک سکه مناسب را پیدا کند که قبلاً آنها را با موفقیت هدف قرار داده اند ، ممکن است که آنها احتمالاً پمپ دیگری را روی همان سکه انجام دهند. نمونه ای از این در بخش مطالعه موردی ، که در آن سیگنال مهتاب گروه دو بار همان سکه (RDN) را دو بار هدف قرار داده است ، در حدود یک دوره 2 هفته نشان داده شده است. این خوشه بندی را می توان برای اهداف پیشگیرانه مورد سوء استفاده قرار داد زیرا تلاش ها می توانند به سمت خوشه ها متمرکز شوند ، و پیدا می کنند که چه چیزی آنها را به اهداف جذاب می رساند و اجرای استراتژی هایی برای کاهش فعالیت های بی نظیر بالقوه. به عنوان مثال ، ایده های پیشگیری از جرم موقعیتی ، مانند افزایش خطر یا تلاش مورد نیاز برای ارتکاب P& D همچنین می تواند به عنوان روشهای مفیدی برای پیشگیری باشد (کلارک 2012). مبادله ای را در نظر بگیرید که نیاز به تأیید اضافی برای کاربران است که جفت های نماد خاصی را که مشخص می شود آسیب پذیر هستند ، تجارت می کنند. چنین مداخله ای باعث افزایش تلاش مورد نیاز برای تجارت و از این رو برای پمپ کردن سکه آسیب پذیر می شود. هنگام در نظر گرفتن چگونگی افزایش خطر ، یک مثال می تواند سیستمی باشد که در آن تشخیص خودکار فعالیت تجاری غیر عادی با همکاری انسان استفاده می شود. این سیستم می تواند نکات مشکوک را نشان دهد که ناظران ممکن است بیشتر مورد بررسی قرار دهند و احتمال شناسایی چنین برنامه های P& D را افزایش می دهد.

یک چالش مهم برای پیشگیری از پمپ و دامپ ممکن است در هماهنگی تلاش های بین نهادهای خصوصی مانند مبادلات رمزنگاری و نهادهای دولتی باشد. در حالی که دولت ها در حال جلب این مشکل هستند و منابع بیشتری را به کاهش طرح های پمپ و دامپ اختصاص داده اند ، صرافی ها ممکن است انگیزه کمی برای همکاری داشته باشند زیرا از فعالیت تجاری در سیستم عامل های خود بهره مند می شوند. سرانجام ، اقدامی به سمت مقررات بیشتر دولت - در داده های ما مبادلات کمتر تنظیم شده به طور نامتناسب مورد هدف قرار گرفتند - به نظر می رسد که مفهوم تجارت رمزنگاری به عنوان یک مبادله غیرمتمرکز و بدون دخالت دولت را تضعیف می کند. یک رویکرد بین رشته ای و مسئله محور از طرف پزشکان و جامعه تحقیقاتی به نظر می رسد مسیری ارزشمند در کاهش طرح های پمپ و دمپایی رمزنگاری شده است.

محدودیت ها < pan> یک چالش مهم برای پیشگیری از پمپ و دامپ ممکن است در هماهنگی تلاش های بین نهادهای خصوصی مانند مبادلات رمزنگاری و نهادهای دولتی باشد. در حالی که دولت ها در حال جلب این مشکل هستند و منابع بیشتری را به کاهش طرح های پمپ و دامپ اختصاص داده اند ، صرافی ها ممکن است انگیزه کمی برای همکاری داشته باشند زیرا از فعالیت تجاری در سیستم عامل های خود بهره مند می شوند. سرانجام ، اقدامی به سمت مقررات بیشتر دولت - در داده های ما مبادلات کمتر تنظیم شده به طور نامتناسب مورد هدف قرار گرفتند - به نظر می رسد که مفهوم تجارت رمزنگاری به عنوان یک مبادله غیرمتمرکز و بدون دخالت دولت را تضعیف می کند. یک رویکرد بین رشته ای و مسئله محور از طرف پزشکان و جامعه تحقیقاتی به نظر می رسد مسیری ارزشمند در کاهش طرح های پمپ و دمپایی رمزنگاری شده است.

محدودیت های مهم برای پیشگیری از پمپ و دامپ ممکن است در هماهنگی تلاش های نهادهای خصوصی مانند مبادلات رمزنگاری و نهادهای دولتی باشد. در حالی که دولت ها در حال جلب این مشکل هستند و منابع بیشتری را به کاهش طرح های پمپ و دامپ اختصاص داده اند ، صرافی ها ممکن است انگیزه کمی برای همکاری داشته باشند زیرا از فعالیت تجاری در سیستم عامل های خود بهره مند می شوند. سرانجام ، اقدامی به سمت مقررات بیشتر دولت - در داده های ما مبادلات کمتر تنظیم شده به طور نامتناسب مورد هدف قرار گرفتند - به نظر می رسد که مفهوم تجارت رمزنگاری به عنوان یک مبادله غیرمتمرکز و بدون دخالت دولت را تضعیف می کند. یک رویکرد بین رشته ای و مسئله محور از طرف پزشکان و جامعه تحقیقاتی به نظر می رسد مسیری ارزشمند در کاهش طرح های پمپ و دمپایی رمزنگاری شده است.

محدودیت ها

در تحقیقات فعلی ، ما به داده های در دسترس عموم متوسل شدیم و چارچوبی را برای تجزیه و تحلیل آینده پمپ و دامنه های رمزنگاری فراهم کردیم. با این حال ، چندین محدودیت توجه را به خود جلب می کند. اول ، صحت پرچم گذاری یک پمپ و دامپ ادعا شده به پارامترهای انتخاب شده بستگی دارد و نمی توان در صورت عدم وجود یک حقیقت زمینی از پمپ و دمپایی تأیید شده مشخص شد. تجزیه و تحلیل ما باید به عنوان اولین تلاش برای قرار دادن موضوع در ادبیات دانشگاهی رفتار شود. دوم ، مجموعه داده فقط 20 روز داده با دانه بندی ساعتی را در بر می گیرد. در حالی که این برای دامنه این مقاله کافی بود ، تحقیقات آینده می خواهند برای جمع آوری مقادیر قابل توجهی از داده ها و در یک دانه بندی کوچکتر (به عنوان مثال ، در هر دقیقه) تلاش کنند. سوم ، مانند هر سیستم پرچم گذاری ، تصمیمی گرفته می شود که چند مورد مثبت کاذب قابل قبول است (یعنی سکه های نادرست پرچم دار). به احتمال زیاد ، مبادله ای می خواهد از اعلام سکه استفاده برای فعالیت کلاهبرداری جلوگیری کند در صورتی که اینگونه نباشد. این سازش به ویژه در تنظیمات در زمان واقعی پیچیده است ، بنابراین یک راه جایگزین جالب برای تحقیقات آینده ممکن است به سمت شناسایی سیگنال های هشدار دهنده اولیه حرکت کند که می تواند تجارت مشکوک را در نقطه ای از زمان برجسته کند که هزینه های مثبت کاذب نسبتاً کم باشد (به عنوان مثال.، در مرحله تجمع نسبتاً طولانی و کم فعالیت قبل از یک پمپ). تشخیص حضور هر دو مثبت کاذب و منفی کاذب در هر سیستم تشخیص P& D بسیار مهم است. به منظور به حداقل رساندن احتمال خطاهای نوع I (یعنی مثبت کاذب) ، پارامترهای الگوریتم تشخیص را می توان سختگیرتر تنظیم کرد (به عنوان مثال ، قیمت بزرگتر یا حجم بیشتر افزایش می یابد) که به نوبه خود احتمال ارتکاب یک خطای نوع II را افزایش می دهد (یعنی.، به طور نادرست یک پمپ و دمپایی واقعی را از دست ندهید ؛ منفی کاذب). بنابراین ، هزینه ای برای خطاهای نوع I و Type II باید تعیین شود و تعادل بین این دو رخ داده است. تنها راهی که باید کاملاً اطمینان داشته باشیم که مجموعه خاصی از سنبله های قیمت و حجم نتیجه یک گروه P& D است ، عبور از آن سنبله ها با هدف گروهی برای دستکاری است. بنابراین ، یک منطقه مطلوب برای تحقیقات آینده ایجاد یک بانک اطلاعاتی از پمپ های تأیید شده است. در حالی که کار بسیار فشرده است که به روشی کاملاً دستی انجام شود ، احتمالاً ایجاد چنین بانک اطلاعاتی از طریق ترکیبی هوشمند از کارهای خودکار و دستی (به عنوان مثال ، یک سیستم فیلتر خودکار با بررسی انسانی) حاصل می شود.

چنین بانک اطلاعاتی می تواند به عنوان ابزاری برای آزمایش صحت الگوریتم تشخیص و همچنین امکان استفاده از روشهای یادگیری ماشین نظارت شده استفاده شود.

تحقیقات آینده