على الرغم من أن إيثريوم تظهر أداءً لافتًا في ابتكار تقنية البلوكشين، إلا أن خصائصها المفتوحة والمخفية قد أتاحتا فرصة للمجرمين. البيانات أمام أعيننا: حتى النصف الأول من العام الماضي، بلغت الخسائر الناتجة عن الاحتيال في عروض العملات الأولية (ICO) والاحتيال عبر الإنترنت 2.25 مليار دولار، أما في عام 2022 بأكمله، فكانت المعاملات غير العادية التي تشمل مبالغ ضخمة تصل إلى 238 مليار دولار.

كيف نملأ هذا الثقب الكبير؟ طرق التصنيف اليدوي التقليدية لم تعد قادرة على التحمل، إذ أن تصنيف البيانات محدود، والتكلفة عالية، ويصعب توسيع النطاق. لحسن الحظ، شهدت السنوات الأخيرة تقدمًا في تقنيات التعلم الآلي غير المراقب، مما أتاح أفكارًا جديدة لاكتشاف مخاطر المعاملات.

**كيف نبدأ؟ أولاً، تنظيم البيانات**
الخطوة الأولى في كشف المعاملات غير العادية هي هيكلة البيانات الضخمة الخاصة بإيثريوم. يتم سحب سجلات المعاملات التاريخية من مصدر البيانات على السلسلة، ثم بناء شبكة معاملات متعددة الأوزان. ببساطة، العقد في الرسم البياني تمثل الحسابات، والروابط تمثل تدفقات المعاملات، ويحدد وزن الرابط قيمة المعاملة والطابع الزمني. الميزة في هذا التصميم هو القدرة على رؤية العلاقات بين الحسابات، بالإضافة إلى خصائص المعاملات الزمانية والمكانية. على سبيل المثال، التجمعات من المعاملات ذات الحجم الكبير والمتكررة قد تشير إلى عملية احتيال من نوع بونزي، بينما المعاملات الصغيرة والمتفرقة قد تكون هجمات غبار العملات.

**ثم استخدام تحويل الرسم البياني المزدوج لاستخراج خصائص عميقة**
في شبكة المعاملات الأصلية، غالبًا ما تكون علاقات المعاملات غير واضحة، لذلك ابتكر الباحثون تقنية تحويل الرسم البياني المزدوج: حيث يُعتبر كل معاملة كعقدة مستقلة، ويتم إنشاء روابط بين المعاملات التي تشترك في حسابات مشتركة. من خلال هذا التحويل، تصبح العلاقات غير المباشرة بين المعاملات واضحة، مما يمكن من اكتشاف سلاسل علاقات لم تكن مرئية من قبل.