В МФТИ создали ML-алгоритм для выявления криптокошельков мошенников

В МФТИ создали ML-алгоритм для выявления криптокошельков мошенников

В МФТИ создали ML-алгоритм для выявления криптокошельков мошенников

Выпускник Физтеха разработал алгоритм машинного обучения, позволяющий выявить и заблокировать сибил-аккаунты, созданные мошенниками для кражи криптовалютных токенов, которые бесплатно раздают в рамках рекламных акций.

Разработка протестирована на 2,5 млн криптокошельков и показала точность обнаружения фальшивок 90% — в два раза выше аналогов, используемых в криптоиндустрии с целью защиты airdrop-кампаний от атак злоумышленников.

Для незаконного получения вознаграждений, предлагаемых при продвижении криптопроектов, мошенник может создать целую сеть фейковыз кошельков (сибил-аккантов). Подобные злоупотребления искажают метрики, провоцируют падение курса токенов и в итоге подрывают доверие к проекту.

«Мой алгоритм анализирует десятки параметров: от поведенческих паттернов и кросс-чейн-активности до сетевых связей между кошельками, — пояснил автор дипломной работы Алексей Саплин. — Это позволяет выявлять даже сложные кластеры, которые остаются незамеченными при использовании стандартных методов. Алгоритм показал точность 90%, а большинство существующих решений показывают эффективность на уровне 45–60%».

Тестирование разработки проводилось в рамках открытого конкурса, организованного Layer Zero, благодаря этому проект смог аннулировать несправедливое распределение токенов на сумму $10,2 миллиона.

Созданный Саплиным ML-алгоритм можно заточить и под другие криптопроекты; в МФТИ уже ведутся работы в этом направлении. Сам автор собирается продолжить исследования в аспирантуре и надеется, что ему в итоге удастся создать универсальный инструмент выявления мошеннических схем в различных блокчейн-экосистемах.

Суверенный ИИ вне очереди: в России обсуждают приоритет для GigaChat

Российские компании и госорганы могут обязать выбирать суверенные ИИ-модели в ряде сфер, даже если те дороже национальных, но не более чем в полтора раза. Переплатить до 50% за происхождение нейросети? Именно такой вариант сейчас обсуждается.

О соответствующем проекте постановления правительства сообщает «Коммерсантъ».

Суверенной предлагается считать модель, полностью разработанную российским юрлицом и работающую исключительно на инфраструктуре в РФ.

По данным издания, сейчас этим критериям соответствует только GigaChat от Сбера. Национальным моделям разрешено использовать открытые разработки (в эту категорию отнесена «Алиса AI» Яндекса).

Перечень потенциальных сфер применения широкий: от подготовки законов, госпрограмм и нацпроектов до налогов, таможни, бюджета, критической информационной инфраструктуры, образования, здравоохранения и Госуслуг.

Но бежать закупать GigaChat пока рано. Минцифры подчёркивает: список сводный, отражает разные предложения и ещё не сформирован окончательно. «Ъ» связывает инициативу со Сбером, однако банк заявляет, что документ собирает идеи участников обсуждения и не является его собственным предложением.

Конкуренты энтузиазма не разделяют. Яндекс выступает за единые правила и самостоятельный выбор моделей под задачи. В MWS AI предупреждают: после ограничения списка допустимых решений заказчики могут остаться без подходящего варианта по качеству и цене.

Есть вопросы и к самой арифметике. Эксперты напоминают, что стоимость токенов — лишь часть расходов: внедрение, проверка ответов и исправление ошибок могут обойтись куда дороже. Техдиректор GenAI-направления Just AI Антон Сипачев видит риск монополизации: главным выгодополучателем становится одна компания.

RSS: Новости на портале Anti-Malware.ru