Хотя Ethereum демонстрирует яркие достижения в области инноваций блокчейна, его открытые и анонимные характеристики также предоставляют преступникам возможность для злоупотреблений. Перед нами данные: по состоянию на первую половину прошлого года, совокупные убытки от мошенничества с ICO и онлайн-мошенничеств составили 2,25 миллиарда долларов, а за весь 2022 год объем таких необычных транзакций достиг ошеломляющих 23,8 миллиарда долларов.

Как заполнить такую огромную дыру? Традиционные методы ручной маркировки давно уже не справляются: ограниченность данных, высокая стоимость и сложности масштабирования. К счастью, за последние годы прорыв произошел в области методов обучения без учителя, что открыло новые возможности для обнаружения рисков транзакций.

**С чего начать? Сначала структурируем данные**
Первый шаг в обнаружении аномальных транзакций — структурировать огромный объем данных Ethereum. Извлечь исторические записи транзакций из блокчейн-источников и построить взвешенную мультиграфовую сеть транзакций. Проще говоря, узлы графа — это аккаунты, ребра — потоки транзакций, а веса определяются суммой транзакции и временной меткой. Такой дизайн позволяет одновременно выявлять связи между аккаунтами и анализировать пространственно-временные характеристики транзакций. Например, скопление частых крупных транзакций может указывать на Понци-схему, а разброс мелких транзакций — на Dust-атаку.

**Затем используем двойной граф для извлечения глубоких признаков**
В исходной сети транзакций отношения между ними часто скрыты. Поэтому исследователи придумали метод преобразования в двойной граф: каждую транзакцию рассматривать как отдельный узел, а связи между транзакциями — через общие аккаунты. После такой трансформации косвенные связи между транзакциями становятся явными, что позволяет выявлять множество ранее невидимых цепочек связей.