Ethereum meskipun menunjukkan performa yang mencolok dalam inovasi blockchain, sifat terbuka dan anonimitasnya juga memberi peluang bagi pihak yang tidak bertanggung jawab. Data sudah terbuka di depan mata: hingga paruh pertama tahun lalu, kerugian akibat penipuan ICO dan penipuan daring mencapai 225 juta dolar AS, dan transaksi mencurigakan sepanjang tahun 2022 melibatkan jumlah yang lebih mengerikan—238 miliar dolar AS.

Bagaimana menutup lubang sebesar ini? Metode pelabelan manual tradisional sudah tidak mampu lagi, karena keterbatasan data pelabelan, biaya tinggi, dan sulit untuk skala besar. Untungnya, dalam beberapa tahun terakhir, teknologi pembelajaran mesin tanpa pengawasan telah mengalami terobosan, membawa ide baru dalam deteksi risiko transaksi.

**Bagaimana memulai? Pertama, rapikan data**
Langkah pertama dalam deteksi transaksi mencurigakan adalah mengstrukturisasi data transaksi Ethereum yang sangat besar. Tarik data transaksi historis dari sumber data di blockchain, lalu bangun jaringan transaksi berberat ganda. Singkatnya, node dalam graf adalah berbagai akun, sedangkan tepi mewakili aliran transaksi, dengan bobot yang ditentukan oleh jumlah transaksi dan cap waktu. Keuntungan dari desain ini adalah dapat melihat hubungan antar akun sekaligus karakteristik spasial dan temporal transaksi. Misalnya, transaksi besar dan sering yang terkonsentrasi mungkin adalah skema Ponzi, sementara transaksi kecil yang tersebar bisa terkait dengan serangan dusting.

**Lalu gunakan graf dual untuk mengekstrak fitur mendalam**
Dalam jaringan transaksi asli, hubungan transaksi sering tersembunyi dan tidak jelas, sehingga para peneliti memunculkan teknik konversi graf dual: memperlakukan setiap transaksi sebagai node independen, dan membangun koneksi antar transaksi yang berbagi akun. Dengan konversi ini, hubungan tidak langsung antar transaksi menjadi lebih eksplisit, memungkinkan penemuan banyak hubungan yang sebelumnya tidak terlihat.