加密货币时间序列中的欺诈异常检测
机器学习
2022-07-26 v1 密码学与安全
摘要
自2009年比特币问世以来,加密货币市场规模已超出最初预期,日交易额超100亿美元。随着行业自动化,对自动化欺诈检测器的需求愈发明显。实时检测异常可防止潜在事故与经济损失。多元时间序列数据的异常检测尤为困难,因其需同时考虑时间依赖性与变量间关系。实时识别异常并非易事,恰因其所呈现的具体异常行为:某些点可能表现出逐点全局或局部异常行为,而其他点可能因频率或季节性行为,或趋势变化而异常。本文基于来自特定账户的以太坊实时交易序列,调研了大量传统与新近算法,依其搜索策略与异常行为分类,表明将它们分组捆绑时可构成优良的实时检测器,报警时延不超过数秒且置信度极高。
引用
@article{arxiv.2207.11466,
title = {Anomaly Detection for Fraud in Cryptocurrency Time Series},
author = {Eran Kaufman and Andrey Iaremenko},
journal= {arXiv preprint arXiv:2207.11466},
year = {2022}
}