Por favor, use este identificador para citar o enlazar este ítem:
https://www.repositorio.mar.mil.br/handle/ripcmb/844782| Título : | Detecção de fraudes em criptomoedas utilizando métodos de classificação de séries temporais baseados em redes neurais |
| Autor : | Caffé, Luiz Alfredo Zenon da Mata |
| metadata.dc.contributor.advisor: | Marcondes, Cesar Augusto Cavalheiro |
| Palabras clave : | Criptomoedas Blockchain Séries temporais Redes neurais |
| Áreas de conocimiento de la DGPM: | Tecnologia da Informação Ciência da computação |
| Fecha de publicación : | 2021 |
| Editorial : | Instituto Tecnológico da Aeronáutica (ITA) |
| Citación : | ZENON, Luiz Alfredo da Mata Caffé. Detecção de Fraudes em criptomoedas utilizando métodos de classificação de séries temporais baseados em redes neurais. 2021. 119 f. masterThesis (Mestrado em Ciências) – Programa de Pós Graduação em Engenharia Eletrônica e Computação, Instituto Tecnológico de Aeronáutica, São José dos Campos, 2021. |
| Descripción : | 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. |
| Resumen : | This work presents a method of detecting fraud in cryptocurrencies, originated from an Initial Coin Offering (ICO). For this, predictive models were used, based on neural networks, for the classification of time series, generated from transaction flow tables in the Ethereum network. The first ICO activity was carried out in 2013 and reached its peak in the first half of 2018, with a turnover between 7 and 12 billion dollars worldwide. However, it is estimated that 78% of ICO activities are fraudulent. Based on the behavior of fraudulent and non-fraudulent cryptocurrencies, as well as on the transaction tables of the collected cryptocurrencies, 5 normalized time series were developed, which were input into the following types of Artificial Neural Networks (ANN): Multi Layer Perceptron (MLP); Convolution Neural Network - Multi Layer Perceptron (CNN-MLP); and Long Short Term Memory - Multi Layer Perceptron (LSTM-MLP) designed for classification. At the end of the research, a Recall value of up to 91% was obtained in some cases. |
| Access: | Acceso abierto |
| URI : | http://www.repositorio.mar.mil.br/handle/ripcmb/844782 |
| Type: | Tesis de maestría |
| Aparece en las colecciones: | Tecnologia da Informação: Coleção de Dissertações |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Dissertacao_Zenon_Versao_Final.pdf | 11,32 MB | Adobe PDF |  Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.