要約
Decentralized Finance（DeFi）は、様々なブロックチェーン上のスマートコントラクトによって構築され、提供される金融商品・サービスのシステムです。過去1年間で、DeFiは人気と時価総額を獲得しました。しかし、犯罪、特に様々な種類の証券取引法違反とも結びついています。DeFiにはKnow Your Customerの要件がないため、この空間における潜在的な犯罪を軽減しようとする政府には課題があります。本研究では、この問題が機械学習のアプローチに適しているかどうか、つまり、トークンのスマートコントラクトコードに基づいて、証券違反に関与する可能性のあるDeFiプロジェクトを特定できるかどうかを明らかにすることを目的としています。我々は、イーサリアムの特定のタイプの証券違反を検出する先行研究を適応し、DeFiプロジェクトのトークンのスマートコントラクトコードから抽出した特徴に基づく分類器を構築しました。最終的なロジスティック回帰モデルは98.9%のF-1スコアを達成し、最終的なランダムフォレスト分類器は98.6%のF-1スコアを達成した。さらに特徴レベルの分析を行った結果、1つの特徴でこの問題を高確率で検出できることがわかりました。1つの特徴量への依存度が高いため、現段階では、この問題に対して複雑な機械学習モデルは必要ない、もしくは望ましいとは言えない。しかし、DeFi証券違反がより巧妙になるにつれて、これは変化する可能性があります。本研究のもう一つの貢献は、(a)証券違反に関与したトークンの検証済みグランドトゥルースデータセットと(b)信頼できるDeFiアグリゲーターからの正当なトークンセットから成る新しいデータセットです。本稿ではさらに、我々のようなモデルを検察官がエンフォースメント活動で使用する可能性について議論し、より広い法的文脈につなげます。
要約(オリジナル)
Decentralized Finance (DeFi) is a system of financial products and services built and delivered through smart contracts on various blockchains. In the past year, DeFi has gained popularity and market capitalization. However, it has also been connected to crime, in particular, various types of securities violations. The lack of Know Your Customer requirements in DeFi poses challenges to governments trying to mitigate potential offending in this space. This study aims to uncover whether this problem is suited to a machine learning approach, namely, whether we can identify DeFi projects potentially engaging in securities violations based on their tokens’ smart contract code. We adapt prior work on detecting specific types of securities violations across Ethereum, building classifiers based on features extracted from DeFi projects’ tokens’ smart contract code. The final logistic regression model achieves a 98.9% F-1 score; the final random forest classifier achieves a 98.6% F1-score. From further feature-level analysis, we find a single feature makes this a highly detectable problem. The high reliance on a single feature means that, at this stage, a complex machine learning model may not be necessary or desirable for this problem. However, this may change as DeFi securities violations become more sophisticated. Another contribution of our study is a new dataset, comprised of (a) a verified ground truth dataset for tokens involved in securities violations and (b) a set of legitimate tokens from a reputable DeFi aggregator. This paper further discusses the potential use of a model like ours by prosecutors in enforcement efforts and connects it to the wider legal context.
arxiv情報
| 著者 | Arianna Trozze,Bennett Kleinberg,Toby Davies |
| 発行日 | 2023-03-03 15:44:10+00:00 |
| arxivサイト | arxiv_id(pdf) |