في ظل الانتشار السريع لعملات الميم (Memecoins) على منصات البلوكتشين، أصبح من الضروري حماية المستثمرين من عمليات الاحتيال، خاصة ما يعرف بـ "سحب السجادة" (Rug Pull). بينما كانت الدراسات السابقة تركز على رموز الإيثيريوم (Ethereum)، تحوّلت هذه الدراسة الجديدة لتسليط الضوء على شبكة سولانا (Solana) التي تعد الرائدة في هذا المجال من حيث حجم التداول وعدد الرموز.
تشير النتائج إلى أن عمليات احتيال سحب السجادة التي تحدث على سولانا مدفوعة في الأساس بتلاعب السيولة والديناميات الاجتماعية، على عكس ما يحدث في الإيثيريوم حيث تكون ثغرات عقود الذكية هي الدافع. وقد قام الباحثون بجمع قاعدة بيانات ضخمة تحتوي على 6.4 مليون رمز على مدار 7 أشهر، مما ساعد على بناء نموذج قادر على الكشف عن سحب السجادة في مراحله المبكرة.
تظهر الأبحاث أن الغالبية العظمى من رموز الميم تظهر علامات الاحتيال في أقل من ساعة من إطلاقها، مما يبرز أهمية التنبؤ السريع. ورغم عدم وجود ميزات على مستوى الكود، أثبتت نماذج التعلم الآلي الكلاسيكية، لا سيما نموذج تعزيز التدرج (Gradient Boosting) المعروف باسم XGBoost، قدرتها الفائقة على الكشف عن عمليات الاحتيال باستخدام بيانات التداول في الخمس دقائق الأولى فقط.
علاوة على ذلك، قامت الدراسة بتقييم التعميم عبر المنصات بين PumpFun وRaydium، ووجدت أن دمج البيانات من مصادر متعددة يقلل بشكل كبير من عمليات التحويل بين المجالات ويحسن موثوقية الكشف. تقدم هذه الدراسة فهماً متقدماً للاحتيالات في مجال التمويل اللامركزي (DeFi) على شبكات البلوكتشين عالية الإنتاجية وتوفر إطار عمل فعّال لحماية المستثمرين.
اكتشاف مبكر لاحتيال الميمكوينز على سولانا: كيف يتمكن التعلم الآلي من إنقاذ المستثمرين؟
تسلّط الدراسة الجديدة الضوء على كيفية استخدام التعلم الآلي للكشف المبكر عن عمليات الاحتيال في عالم الميمكوينز على شبكة سولانا. يستخدم الباحثون نماذج متقدمة للكشف عن سحب السيولة، مما يوفر حماية مهمة للمستثمرين.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
