Drift-Aware Incremental Clustering for Cryptocurrency Rug-Pull Detection: An Empirical Comparison Against Periodic-Retrain Baselines on Real Ethereum Data
यह शोध पत्र एथेरियम पर क्रिप्टोकरेंसी रग पुल्स (rug pulls) की पहचान करने के लिए मैलवेयर डिटेक्शन से अनुकूलित एक ड्रिफ्ट-अवेयर इंक्रीमेंटल क्लस्टरिंग दृष्टिकोण का अनुभवजन्य मूल्यांकन करता है, जिसमें यह पाया गया है कि हालांकि यह कुछ मामलों में कम फॉल्स-पॉजिटिव दर प्रदान करता है, लेकिन एक आवधिक रूप से पुन: प्रशिक्षित सुपरवाइज्ड बेसलाइन अंततः उच्च और अधिक स्थिर समग्र प्रदर्शन प्राप्त करती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि इंटरनेट एक विशाल, हलचल भरे डिजिटल बाज़ार की तरह है जहाँ कोई भी अपनी दुकान लगा सकता है। क्रिप्टोकरेंसी की दुनिया में, इस बाज़ार को "DeFi" (विकेंद्रीकृत वित्त) कहा जाता है। यह रोमांचक है क्योंकि आप बिना किसी बैंक बॉस की निगरानी के डिजिटल कॉइन्स का व्यापार कर सकते हैं। लेकिन, बिल्कुल एक असली जुआ बाज़ार (flea market) की तरह, इसमें धोखेबाजों का भी अपना हिस्सा है। सबसे आम चालों में से एक है "रग पुल" (rug pull)। कल्पना कीजिए कि एक विक्रेता एक चमकदार नई दुकान लगाता है, लोगों की भीड़ को अपना सामान खरीदने के लिए आकर्षित करता है, और फिर अचानक पूरी दुकान समेटकर भाग जाता है, सारा पैसा लेकर गायब हो जाता है, और ग्राहकों के हाथ में केवल खाली डिब्बे छोड़ जाता है।
इन चोरों को पकड़ने के लिए, कंप्यूटर वैज्ञानिक "सुरक्षा गार्ड" बनाते हैं—स्मार्ट प्रोग्राम जो बाज़ार पर नज़र रखते हैं और भागने से पहले बुरे तत्वों को पहचानने की कोशिश करते हैं। आमतौर पर, इन गार्ड्स को पिछले घोटालों की तस्वीरें दिखाकर प्रशिक्षित किया जाता है और फिर हर कुछ महीनों में उन्हें फिर से प्रशिक्षित (retrain) किया जाता है ताकि वे उन नए तरीकों को सीख सकें जो स्कैमर इस्तेमाल कर रहे हो सकते हैं। हालाँकि, स्कैमर बहुत चालाक होते हैं; वे सुरक्षा गार्डों के फिर से प्रशिक्षित होने की तुलना में कहीं अधिक तेज़ी से अपने वेश और तरीके बदलते हैं। कंप्यूटर वायरस की दुनिया में, वैज्ञानिकों ने एक अलग दृष्टिकोण अपनाया है: फिर से प्रशिक्षित होने का इंतज़ार करने के बजाय, वे एक "ड्रिफ्ट-अवेयर" (drift-aware) सिस्टम का उपयोग करते हैं जो व्यवहार में होने वाले सूक्ष्म बदलावों पर लगातार नज़र रखता है और खुद को तुरंत अपडेट करता है, जैसे कि एक ऐसा गार्ड जो नया रूप देखते ही उसे तुरंत पहचान ले। यह शोध एक सरल प्रश्न पूछता है: क्या यह "इंस्टेंट-लर्निंग" (तुरंत सीखने वाला) गार्ड, "रिट्रेनिंग" (पुनः प्रशिक्षण प्राप्त करने वाले) गार्ड की तुलना में बेहतर काम करता है?
महान गार्ड की दौड़: इंस्टेंट लर्नर बनाम पीरियोडिक ट्रेनर
इस अध्ययन में, शोधकर्ताओं ने दो अलग-अलग प्रकार के सुरक्षा गार्डों को एक वास्तविक युद्धक्षेत्र पर आमने-सामने रखने का निर्णय लिया: इथरियम (Ethereum) ब्लॉकचेन। उन्होंने 633 वास्तविक टोकन प्रोजेक्ट्स के डेटासेट का उपयोग किया, जिनमें से कुछ ईमानदार थे और 327 पुष्ट "रग पुल" (घोटाले) थे।
प्रतिद्वंद्वी:
- द पीरियोडिक ट्रेनर (द बेसलाइन): यह मानक गार्ड है। यह ज्ञात घोटालों की एक सूची से सीखता है, तैनात किया जाता है, और फिर एक निर्धारित समय (जैसे कि हर 90 दिन) तक वहीं बैठा रहता है जब तक कि इसे वापस स्कूल न ले जाया जाए, नए उदाहरण दिखाए जाएं और इसे फिर से प्रशिक्षित किया जाए। यह एक ऐसे छात्र की तरह है जो परीक्षा के लिए कड़ी मेहनत करता है, परीक्षा देता है, और फिर दोबारा अध्ययन करने के लिए छह महीने तक प्रतीक्षा करता है।
- द ड्रिफ्ट-अवेयर क्लस्टरिंग गार्ड (द न्यूकमर): यह गार्ड इस विचार से प्रेरित था कि वैज्ञानिक कैसे विकसित होते कंप्यूटर वायरस को पकड़ते हैं। फिर से प्रशिक्षण सत्र का इंतज़ार करने के बजाय, यह वास्तविक समय में बाज़ार पर नज़र रखता है। यह नए प्रोजेक्ट्स को उनके व्यवहार के आधार पर "क्लस्टर्स" (समूहों) में वर्गीकृत करता है। यदि कोई नया प्रोजेक्ट संदिग्ध रूप से किसी ज्ञात घोटाले जैसा दिखता है, तो उसे फ्लैग (चिह्नित) कर दिया जाता है। यदि नए प्रोजेक्ट्स का एक समूह अजीब तरह से एक साथ व्यवहार करने लगता है, तो यह तुरंत एक नया "संदिग्ध" वर्ग बना लेता है। यह एक ऐसे गार्ड की तरह है जो केवल बुरे लोगों की सूची याद नहीं करता, बल्कि जैसे ही कोई नया तरह का चोर सामने आता है, उसे तुरंत पहचान लेता है।
प्रयोग:
शोधकर्ताओं ने एक सख्त और निष्पक्ष दौड़ आयोजित की। उन्होंने सुनिश्चित किया कि "ड्रिफ्ट-अवेयर" गार्ड भविष्य के उत्तरों को न देख सके (एक समस्या जिसे "डेटा लीकेज" कहा जाता है जो अक्सर वैज्ञानिकों को यह सोचने के लिए भ्रमित करती है कि उनका नया तरीका वास्तव में बेहतर है)। उन्होंने ब्लॉकचेन के समय को पांच अलग-अलग हिस्सों में विभाजित किया और परिणामों की निरंतरता देखने के लिए दौड़ को पांच बार चलाया।
परिणाम:
यहाँ एक मोड़ आया: "इंस्टेंट लर्नर" दौड़ नहीं जीता। वास्तव में, पुराने ज़माने के "पीरियोडिक ट्रेनर" गार्ड ने वास्तव में थोड़ा बेहतर प्रदर्शन किया और वह बहुत अधिक विश्वसनीय था।
- सटीकता (Accuracy): रिट्रेन किए गए गार्ड ने 0.891 का उच्च समग्र स्कोर (जिसे F1-स्कोर कहा जाता है) प्राप्त किया, जबकि इंस्टेंट लर्नर का स्कोर 0.873 था।
- स्थिरता (Stability): यहाँ अंतर बहुत बड़ा था। रिट्रेन किया गया गार्ड समय के साथ प्रदर्शन के मामले में बहुत स्थिर था, जिसमें बहुत कम उतार-चढ़ाव देखा गया। हालाँकि, इंस्टेंट लर्नर एक रोलरकोस्टर की तरह था। स्कैमरों को पकड़ने की इसकी क्षमता (जिसे "प्रिसिजन" कहा जाता है) बहुत अधिक बदलती रही, जिसका उतार-चढ़ाव 0.064 था, जबकि रिट्रेन किए गए गार्ड का उतार-चढ़ाव केवल 0.015 था।
नए गार्ड को संघर्ष क्यों करना पड़ा?
शोधकर्ताओं ने पाया कि "ड्रिफ्ट-अवेयर" गार्ड का एक विशिष्ट गुण था: वह बहुत सतर्क था। वह किसी भी नए समूह को घोटाला घोषित करने से पहले पर्याप्त सबूत (न्यूनतम समूह आकार) देखने का इंतज़ार करता था। इसने उसे निर्दोष प्रोजेक्ट्स पर गलत आरोप लगाने से बचने में बहुत कुशल बनाया (कम फॉल्स पॉजिटिव), लेकिन इसका मतलब यह भी था कि उसने कई वास्तविक घोटालों को मिस कर दिया (कम रिकॉल)। यह एक ऐसे गार्ड की तरह था जो गलत व्यक्ति को गिरफ्तार करने से इतना डरता है कि वह कई वास्तविक चोरों को निकल जाने देता है।
अध्ययन ने यह महत्वपूर्ण सबक भी दिया कि हम इन विचारों का परीक्षण कैसे करते हैं। शुरू में, शोधकर्ताओं को लगा कि इंस्टेंट लर्नर जीत रहा है, लेकिन उन्हें एहसास हुआ कि उन्होंने अनजाने में अपनी सेटिंग्स को ट्यून करते समय गार्ड को टेस्ट के उत्तर देखने की अनुमति दे दी थी। एक बार जब उन्होंने इस "लीकेज" को ठीक किया, तो परिणाम बदल गए, जिससे पता चला कि पुराना तरीका वास्तव में श्रेष्ठ था।
निष्कर्ष:
हालाँकि यह विचार कि एक गार्ड तुरंत सीखता है विज्ञान कथा (science fiction) जैसा लगता है, यह अध्ययन सुझाव देता है कि वर्तमान उपकरणों के साथ क्रिप्टोकरेंसी रग पुल को पकड़ने के लिए, पारंपरिक प्रशिक्षण और पुन: प्रशिक्षण (training and retraining) अभी भी चैंपियन है। यह अधिक सटीक और बहुत अधिक स्थिर है। इंस्टेंट-लर्निंग पद्धति ने गलत अलार्म से बचने में आशा दिखाई, लेकिन यह अभी पुराने गार्ड की जगह लेने के लिए तैयार नहीं थी। शोधकर्ता निष्कर्ष निकालते हैं कि इंस्टेंट लर्नर को वास्तव में प्रभावी बनाने के लिए, हमें इसे बेहतर "आंखें" (लेनदेन कैसे चलते हैं इसके बारे में अधिक विस्तृत डेटा) देनी होगी और इसे अलार्म बजाने का निर्णय लेने के बेहतर तरीके सिखाने होंगे। तब तक, पीरियोडिक रिट्रेनिंग डिजिटल रग पुल के खिलाफ सबसे विश्वसनीय ढाल बनी हुई है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।