Detecção de fraudes em criptomoedas utilizando métodos de classificação de séries temporais baseados em redes neurais

• Ano de defesa: 2021
• Autor(a) principal: Caffé, Luiz Alfredo Zenon da Mata
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Tecnológico da Aeronáutica (ITA)
• Palavras-chave em Português: Criptomoedas; Blockchain; Séries temporais; Redes neurais; Tecnologia da Informação; Ciência da computação
• Link de acesso: http://www.repositorio.mar.mil.br/handle/ripcmb/844782

Este trabalho apresenta um método para a detecção de fraudes em criptomoedas, originadas a partir de uma Oferta Inicial de Moedas (Initial Coin Offering - ICO). Para isto, foram utilizados modelos preditivos, baseados em redes neurais, para a classificação de Séries Temporais, geradas a partir das tabelas de fluxo de transações na rede Ethereum. A primeira atividade de ICO foi executada em 2013 e alcançou o seu auge no primeiro semestre de 2018, com movimentações entre 7 e 12 bilhões de USD em todo o mundo. Todavia, estima-se que 78% das atividades de ICO são fraudulentas. Baseadas no comportamento de criptomoedas fraudulentas e não fraudulentas, bem como nas tabelas de transações das criptomoedas coletadas, foram desenvolvidas 5 séries temporais normalizadas, que deram entrada nos modelos de Redes Neurais Artificiais (RNA) dos tipos Multi Layer Perceptron (MLP), Convolution Neural Network - Multi Layer Perceptron (CNN-MLP) e Long Short Term Memory - Multi Layer Perceptron (LSTM-MLP) projetados para classificação. Ao final da pesquisa, foi obtido um valor de (Recall) de até 91% em alguns casos.