Blockchain apvieno mašīnmācīšanos ar stimuliem, lai identificētu NFT krāpšanu

- Reklāma -Sekojiet mums Google ziņās

Neaizvietojamo žetonu popularitāte ir pieaugusi, un tāpat kā ar visu pārējo, kas kļūst populārs kriptovalūtu pasaulē, arī krāpšana pieaug. Rezultātā daudzi cilvēki uzskata, ka NFT ir potenciāli riskants ieguldījums, jo pastāv iespēja tikt izkrāptiem. Par laimi, nozare cīnās, ieviešot uz mašīnmācīšanos balstītas tehnoloģijas, kas var mainīt NFT verifikāciju.

NFT krāpnieki izmanto a paņēmienu skaits lai apkrāptu pircējus, zīmolus, māksliniekus un kolekcionārus. Visizplatītākie no tiem ir pikšķerēšanas krāpniecība, izkrāpšana, viltus personu izkrāpšana un NFT tirgi, kā arī klaji viltoti NFT.

Tādējādi NFT krāpšana ir dārgs bizness, taču labā ziņa ir tā, ka problēmas risināšanai tiek strādāts vairākos projektos. Viņi to dara, apvienojot mašīnmācīšanos un spēcīgus stimulus, lai izveidotu drošāku vidi NFT veidotāju un kolekcionāru sadarbībai.

Kā mašīnmācība var atklāt NFT krāpšanu?

Lielākā daļa NFT ekspertu uzsvērs, cik svarīgi ir “veikt savu izpēti”, lemjot par to, vai ieguldīt jaunā marķierā. Tomēr realitāte ir tāda, ka lielai daļai cilvēku, kuri ir ieinteresēti iegādāties NFT, vienkārši nav ne jausmas, kā izpētīt marķiera autentiskumu, tāpēc viņiem neizbēgami ir jāpieņem neinformēts lēmums. Jauni risinājumi, kas izmanto mašīnmācīšanos, ir ļāvuši izveidot algoritmus, kas tiek apmācīti, izmantojot vēsturiskos NFT darījumu datus, lai tie varētu pamanīt krāpnieciskus marķierus un krāpniecību.

Mašīnmācīšanās izmantošana, lai identificētu krāpšanu citās nozarēs, piemēram, finanšu pakalpojumos, apdrošināšanā un spēlēs, ir labi dokumentēta, un tās pašas pārbaudītās metodes var izmantot arī blokķēdē. Mašīnmācīšanās algoritmi nodrošina efektīvāku un racionālāku veidu, kā atklāt krāpšanu, pateicoties to spējai apstrādāt lielu datu apjomu. Tādā veidā viņi spēj atklāt aizdomīgus tirdzniecības modeļus daudz ātrāk nekā jebkurš cilvēks.

Vēl viena mašīnmācīšanās modeļu priekšrocība ir tā, ka tie ir precīzāki. Tā kā viņi var apstrādāt milzīgus treniņu datu apjomus un pastāvīgi trenēties, laika gaitā tie kļūst arvien precīzāki. Viņi ir arī elastīgāki, jo spēj uztvert datu kopas tā, kā cilvēki to nekad nespētu.

Iespējams, ka mašīnmācību balstītas krāpšanas atklāšanas galvenā priekšrocība ir tās izmaksas un mērogojamība. Šādas sistēmas ir ļoti mērogojamas, un tās nenoveco. Drīzāk viņi laika gaitā labāk prognozē krāpšanu, jo algoritmi uzņem vairāk datu.

Kādi uz ML balstīti NFT krāpšanas noteikšanas rīki pastāv?

Pēdējos gados ir parādījušies vairāki uz ML balstīti NFT krāpšanas atklāšanas rīki, kuru kopīgs mērķis ir palīdzēt radītājiem un kolekcionāriem uzveikt krāpniekus. Viens no populārākajiem šādiem protokoliem ir Sargsuns, kas izmanto algoritmus, lai identificētu dublētus NFT un preču zīmju pārkāpumus. Tas izmanto jaudīgus datora redzes modeļus, kas ļauj pamanīt dublikātus pat tad, ja attēls vai teksts ir mainīts. Ikreiz, kad tā konstatē krāpniecisku darbību, tā var informēt intelektuālā īpašuma tiesību īpašnieku un ieteikt veidus, kā aizsargāt šo IP.

Watchdog rīki ietver AI dzinēju, kas reāllaikā uzrauga blokķēdes, piemēram, Ethereum, lai atklātu aizdomīgas darbības, kā arī paziņojumu pakalpojums, kas darbojas ar Discord, Twitter, Telegram un e-pastu, lai brīdinātu IP tiesību īpašniekus par iespējamu krāpšanu. Tas var arī sniegt detalizētu ziņojumu par NFT krāpniecību.

Doppel tikmēr ir pārrobežu ķēdes NFT uzraudzības platforma, kas paredzēta viltotu žetonu meklēšanai. Tas darbojas, indeksējot NFT datus no vairākām blokķēdēm, tostarp Ethereum, Flow un Solana. Pēc tam tas skenē šīs ķēdes, lai atklātu jaunas NFT darbības, salīdzinot tās ar plašajām esošajām NFT datu kopām, lai noteiktu, kad tiek radīti viltojumi.

Visbeidzot, PixelPlex nesen uzsāka rīku ar nosaukumu CheckNFT.io, ko var izmantot, lai analizētu NFT kolekcionējamus priekšmetus, atklātu krāpnieciskas darbības un žetonus un samazinātu riskus.

Stimulu loma

Izmantojot uz mašīnmācīšanos balstītus NFT krāpšanas noteikšanas rīkus, kas tagad ir plaši pieejami, piemēram, protokoli Vakveli sola reāli mainīt cīņu pret NFT krāpniekiem. Wakweli, kas nosaukts pēc svahili vārda “patiess”, ir NFT sertifikācijas platforma, kas balstās uz jaunu Demokrātijas pierādījumu konsensa algoritmu, lai ļautu savai kopienai pierādīt digitālo līdzekļu derīgumu.

Veids, kā tas darbojas, ir diezgan vienkāršs. Ikviens, piemēram, NFT veidotājs, var pieprasīt sertifikātu, lai apstiprinātu NFT, piesaistot WAKU marķierus. Protokols izmanto cilvēku sertificētājus, kuri arī iegulda WAKU, lai pārbaudītu NFT autentiskumu un izsniegtu sertifikātu, tādējādi gūstot peļņu no savas likmes. Pēc tam plašāka Wakweli kopiena var brīvi apstrīdēt jebkura sertifikāta derīgumu, ievietojot WAKU marķierus un sniedzot pierādījumus, kas liecina, ka sertificēts NFT ir viltots. Dažādu uz ML balstītu rīku pieejamībai būtu jānodrošina, ka gan sertificētāji, gan izaicinātāji var atrast visus nepieciešamos pierādījumus savu apgalvojumu pamatojumam. Tas ir spēcīgs protokols, kas mudina visus spēlētājus rīkoties godīgi, un, tā kā tas kļūst arvien izplatītāks un, cerams, tiek integrēts ar vadošajiem NFT tirgiem, krāpšanas gadījumiem vajadzētu kļūt daudz retākiem.

Kāpēc Tas jautājumi

Mašīnmācīšanās un Wakweli spēcīgo stimulu kombinācija ir ļoti nepieciešama, jo NFT nozare jau ilgu laiku ir cīnījusies, lai pārvarētu krāpniecības sērgu. NFT ir tehnoloģija ar gandrīz neierobežotu potenciālu, taču, kamēr ikdienas lietotājiem nav pieejams vienkāršs veids, kā pārbaudīt digitālo līdzekļu autentiskumu, tie netiks plaši ieviesti.

- Reklāma -

Avots: https://thecryptobasic.com/2023/01/09/blockchain-is-combining-machine-learning-with-incentives-to-identify-nft-fraud/?utm_source=rss&utm_medium=rss&utm_campaign=blockchain-is-combining -mašīnmācība ar stimuliem nft-krāpšanas identificēšanai