Sequence-Based Target Coin Prediction for Cryptocurrency Pump-and-Dump

要約

タイトル：暗号通貨のパンプ＆ダンプのためのシーケンスベースのターゲットコイン予測
要約：

– 暗号通貨市場でのパンプ＆ダンプスキームの拡大に伴い、事前にこれらの不正活動を検出して潜在的に感受性のある投資家に警告することが必須となっています。
– この論文では、スケジュールされたパンプ前にリストされたすべてのコインのパンプ確率を予測することに焦点を当てます。これを、ターゲットコイン予測タスクと呼びます。
– まず、2019年1月から2022年1月までのTelegramで主催された最新の709のP＆Dイベントについて包括的な調査を行いました。私たちの経験的分析により、パンプされたコインがチャンネル内の均質性を示し、チャンネル間の異質性があることなど、いくつかの興味深いパターンが明らかになりました。
– これに着想を得て、チャンネルのP＆Dイベント履歴を位置注意メカニズムを介してシーケンス表現にエンコードする新しいシーケンスベースのニューラルネットワーク、SNNを開発し、予測精度を高めます。
– 位置的注意は、特にシーケンスの長さが長い場合に有用な情報を抽出し、ノイズを軽減するのに役立ちます。
– 広範な実験により、提案手法の効果と汎用性が確認されました。
– さらに、GitHubでコードとP＆Dデータセットを公開し、定期的にデータセットを更新しています。

要約(オリジナル)

With the proliferation of pump-and-dump schemes (P&Ds) in the cryptocurrency market, it becomes imperative to detect such fraudulent activities in advance to alert potentially susceptible investors. In this paper, we focus on predicting the pump probability of all coins listed in the target exchange before a scheduled pump time, which we refer to as the target coin prediction task. Firstly, we conduct a comprehensive study of the latest 709 P&D events organized in Telegram from Jan. 2019 to Jan. 2022. Our empirical analysis reveals some interesting patterns of P&Ds, such as that pumped coins exhibit intra-channel homogeneity and inter-channel heterogeneity. Here channel refers a form of group in Telegram that is frequently used to coordinate P&D events. This observation inspires us to develop a novel sequence-based neural network, dubbed SNN, which encodes a channel’s P&D event history into a sequence representation via the positional attention mechanism to enhance the prediction accuracy. Positional attention helps to extract useful information and alleviates noise, especially when the sequence length is long. Extensive experiments verify the effectiveness and generalizability of proposed methods. Additionally, we release the code and P&D dataset on GitHub: https://github.com/Bayi-Hu/Pump-and-Dump-Detection-on-Cryptocurrency, and regularly update the dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI