Εντοπισμός ύποπτων συναλλαγών στο Blockchain, με την χρήση Μοντέλων Μηχανικής Μάθησης

This item is provided by the institution :
/aggregator-openarchives/portal/institutions/uoa   

Repository :
Pergamos Digital Library   

see the original item page
in the repository's web site and access all digital files if the item*



Εντοπισμός ύποπτων συναλλαγών στο Blockchain, με την χρήση Μοντέλων Μηχανικής Μάθησης

ΚΑΜΑΡΗΣ ΑΓΓΕΛΟΣ (EL)
KAMARIS ANGELOS (EN)

born_digital_graduate_thesis
Πτυχιακή Εργασία (EL)
Graduate Thesis (EN)

2024


Το blockchain δημιουργήθηκε από τον Satoshi Nakamoto το 2008. Η πρώτη του εφαρμογή ήταν το ψηφιακό νόμισμα bitcoin, με σκοπό την δημιουργία ενός δικτύου υπολογιστών για την εκτέλεση χρηματοοικονομικών συναλλαγών, με μαθηματικώς αποδεδειγμένη ασφάλεια, χωρίς όμως την ύπαρξη μιας κεντρικής εξουσίας. Κάθε blockchain, αποτελείται από έξυπνα συμβόλαια (smart contracts) τα οποία είναι προγράμματα αποθηκευμένα στο blockchain, τα οποία ενεργοποιούνται όταν πληρούνται οι συνθήκες με τις οποίες τα έχουμε προγραμματίσει. Από το 2008 μέχρι και σήμερα το blockchain έχει εξελιχθεί και έχει καταφέρει να δημιουργήσει μια αγορά των 19.36 δισεκατομμυρίων δολαρίων . Με τον καιρό όμως εμφανίστηκαν και τεχνικές τις οποίες εκμεταλλεύτηκαν κακόβουλοι χρήστες για να κερ- δοσκοπήσουν.Μόνο το 2023, 1.8 δισεκατομμύρια δολάρια κλάπηκαν από blockchain χρήστες. Μερικά από τα πιο γνωστά όπως το FTX hack για παράδειγμα, κατάφεραν να επηρεάσουν πέρα από την καθημερινότητα πολλών χρηστών του, καθώς χάθηκαν 600 εκατομμύρια δολάρια την ημέρα όπου η ίδια εταιρία δήλωσε χρεωκοπία. Διάφορες κακόβουλες πρακτικές όπως είναι οι απάτες, το ξέπλυμα χρήματος και χακαρίσματα, αξιοποιούνται σε καθημερινή βάση από χρήστες και οργανισμούς που εκμεταλλεύονται σφάλματα σε έξυπνα συμβόλαια του blockchain. Συχνά αυτές οι πρακτικές περνάνε απαρατήρητες ή δεν αντιμετωπίζονται την κατάλληλη στιγμή είτε λόγω του μεγάλου όγκου πληροφοριών που εμφανίζεται στο blockchain ή λόγω τεχνικών που αποσκοπούν στο να κρύψουν αυτές τις παράνομες κινήσεις. Σε αυτήν την εργασία σας παρουσιάζεται ένα πρόγραμμα το οποίο έρχεται να απαντήσει σε αυτό το πρόβλημα. Το πρόγραμμα, δημιουργεί μια βάση δεδομένων με τις συναλλαγές που έχουν γίνει σε ένα έξυπνο συμβόλαιο, την οποία χρησιμοποιεί για να δημιουργήσει και να θρέψει διάφορα μοντέλα μηχανικής μάθησης (machine learning models), τα οποία κάνουν μη επιβλεπόμενη ανίχνευση ανωμαλιών (unsupervised anomaly detection) σε αυτό το σύνολο δεδομένων. ΄Ετσι καινούργιες συναλλαγές που χρησιμοποιούν το έξυπνο συμβόλαιο που παρακολουθεί το πρόγραμμα, μπορούν να χωριστούν σε ανώμαλες και μη, λίγο μετά την δημοσίευσή τους μέσα σε blocks στο blockchain. (EL)
Blockchain was created by Satoshi Nakamoto in 2008. Its initial application was the digital currency Bitcoin, aiming to establish a network of computers for the execution of financial transactions with mathematically proven security, without the presence of a central authority. Each blockchain consists of smart contracts, which are programs stored on the blockchain that are activated when the programmed conditions are met. From 2008 until today, the blockchain has evolved and managed to create a market worth of 19.36 billion dollars . However, over time, malicious users have exploited various techniques to make a profit. In 2023, 1.8 billion dollars were stolen from blockchain users . Notable incidents like the FTX hack, for example, impacted the daily lives of many users, resulting in a loss of 600 million dollars on the day the company declared bankruptcy. Various malicious practices, such as fraud, money laundering and hacking, are used daily by users and organizations to exploit vulnerabilities in blockchain smart contracts. Often, these practices go unnoticed or are not addressed promptly due to the vast amount of information present on the blockchain or the use of techniques aimed at concealing these illicit activities. This work, presents a program that addresses this issue. The program creates a dataset of transactions that have occurred within a smart contract, using it to build and train multiple machine learning models. These models perform unsupervised anomaly detection on that dataset. Thus, new transactions done with that smart contract, can be split to anomalies and normal,shortly after their publication within a block on the blockchain. (EN)

Τεχνολογία – Πληροφορική

Τεχνολογία – Πληροφορική (EL)
Technology - Computer science (EN)

Greek

Βιβλιοθήκη και Κέντρο Πληροφόρησης » Βιβλιοθήκη Σχολής Θετικών Επιστημών » Πληροφορική
Σχολή Θετικών Επιστημών » Τμήμα Πληροφορικής & Τηλεπικοινωνιών

https://creativecommons.org/licenses/by-nc/4.0/




*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)