雷鋒網(wǎng)·AI金融評(píng)論按：目前，大多數(shù) ICO 不受政府法規(guī)的約束，交易平臺(tái)或機(jī)構(gòu)缺乏一套嚴(yán)密的評(píng)估體系，這也直接導(dǎo)致了 ICO 詐騙事件的層出不窮（注：典型案件可參考《史上最大ICO代投詐騙：帶頭人“李詩琴”疑跑路，涉案金額超6000萬元》了解）。日前，香儂科技創(chuàng)始人、斯坦福大學(xué)博士李紀(jì)為聯(lián)合美國加州大學(xué)圣塔芭芭拉分校、斯坦福大學(xué)共同提出了一種基于深度學(xué)習(xí)的加密貨幣 ICO 詐騙鑒別系統(tǒng)——IcoRating，以試圖改善這一局面。

據(jù)悉，IcoRating系統(tǒng)由李紀(jì)為和其團(tuán)隊(duì)基于 NLP 技術(shù)分析了市面上共 2251 種數(shù)字貨幣而得出。他們調(diào)查了這些數(shù)字貨幣的各個(gè)方面，包括生命周期、價(jià)格 變化和白皮書內(nèi)容、創(chuàng)始團(tuán)隊(duì)、Github 資料庫和官網(wǎng)等 ICO 信息，從而預(yù)測并實(shí)現(xiàn)了識(shí)別詐騙 ICO 項(xiàng)目的0.83的精確度。

對(duì)此，該團(tuán)隊(duì)在論文中表示：

我們希望這項(xiàng)工作能夠幫助投資者識(shí)別ICO詐騙項(xiàng)目，并自動(dòng)評(píng)估和分析ICO項(xiàng)目。

2017年，902個(gè)基于眾籌的數(shù)字貨幣中，45.6%已經(jīng)失敗

加密貨幣正獲得前所未有的關(guān)注和理解。與中心 化的電子貨幣和中央銀行系統(tǒng)不同，大多數(shù)數(shù)字法幣不受中央和地方機(jī)構(gòu)的監(jiān)管。對(duì)這些去中心化 的系統(tǒng)的控制，可通過一個(gè)開放、持續(xù)增長的分布式賬本——區(qū)塊鏈來實(shí)現(xiàn)。

如圖1所示，在過去 三年中，數(shù)字貨幣的市 場資本化程度得到了巨幅的提升。根據(jù) Cryptocurrency Market Capitalizations  提供的數(shù)據(jù)，加密貨幣的單日最高交易量已接近2017年紐約證券交易所交易量的日平均值。

圖：2013年7月至2018年1月的數(shù)字貨幣市場資本化情況

由于其去中心化的本質(zhì)，數(shù)字貨幣的眾籌融資并不需要具備風(fēng)險(xiǎn)投資的所有必要條件，而是通過 ICO 來完成。ICO，也稱為首 次代幣發(fā)售，是用區(qū)塊鏈將使用權(quán)和加密貨幣合二為一，來為開發(fā)、維護(hù)、交換相關(guān)產(chǎn)品或者服務(wù)的項(xiàng)目進(jìn)行融資的方式（注：參考“ICO”的維基百科）。

在 ICO 中，投資者用法 定貨幣（例如美元、人民幣）或其他加密貨幣（例如BTC、ETH）來獲得眾籌的加密貨幣。當(dāng) ICO 完 成后，這些用于眾籌的加密貨幣將具備貨幣的功能單位。新型幣種在發(fā)行前，一般會(huì)先準(zhǔn)備一個(gè)白皮書，以詳細(xì) 介紹這個(gè)幣種的商業(yè)性、技術(shù)性和金融性特征。

從圖2可以看出，ICO 項(xiàng)目的數(shù)量 從2013年7月到2017年1月一直呈現(xiàn)穩(wěn) 步增長的 態(tài)勢(shì)，并在 2017 年突飛猛進(jìn)。

圖：2013年7月至2018年1月的ICO項(xiàng)目增長情況

盡管 ICO 能提供公平合法的投資機(jī)會(huì)，但眾籌的便利也為一些不擇手段的企業(yè)通過 ICO 謀利創(chuàng)造了機(jī)會(huì)和激勵(lì)機(jī)制。群涌而起的 ICO，其中不乏一些項(xiàng)目發(fā) 起人以通過眾 籌抬高加密貨幣的價(jià)值，從而快速出售貨幣以獲利。除此之外，加密貨幣的去中心化本 質(zhì)也給政府監(jiān)管帶來了重大挑戰(zhàn)。

根據(jù)Engadget數(shù)據(jù)顯示，2017年，902個(gè)基于眾籌的數(shù)字貨幣中，45.6%已經(jīng)失敗。從圖3和圖4來看，還有一個(gè)更為嚴(yán)重的問題。

圖3和圖4中，x軸上的間隔代表（ICO）價(jià)格的變 化范圍，而y軸上的對(duì)應(yīng)值 則表示 ICO 項(xiàng)目貢獻(xiàn)的百分比?？梢钥闯觯?/p>

• 4.56% 現(xiàn)有 ICO 項(xiàng)目在發(fā)行半年后都遭受了價(jià)格下跌，其程 度甚至超過 99.9%，而在發(fā)行一年后，這個(gè)比例上升到6.89%；

• 約有 29% 的項(xiàng)目在發(fā)行半年后，價(jià)格下跌了80%以上，一年 后，這個(gè)比例增長到驚人的 39.6%。

雖然這樣說可能有點(diǎn)不負(fù)責(zé)任——即每一個(gè)在發(fā)行后價(jià)格急劇下跌的 ICO 項(xiàng)目都是騙局，但在 ICO 前建立一個(gè)可靠的 ICO 信用評(píng)級(jí)系統(tǒng)來評(píng)估數(shù)字貨幣是必要而迫切的。

在這種情況下，李紀(jì) 為研究團(tuán) 隊(duì)提出了 IcoRating 這種基于機(jī)器學(xué)習(xí)的 ICO 評(píng)分系統(tǒng)。通過分析 2251 個(gè) ICO 項(xiàng)目，該團(tuán)隊(duì) 將數(shù)字貨幣 的生命周期 和價(jià)格變化以 及各種 級(jí)別的 ICO 信息（包括其白皮書、創(chuàng)始團(tuán)隊(duì)、Github 資料庫、網(wǎng)站等）相 關(guān)聯(lián)。在最佳設(shè)置 的情況下，該項(xiàng)目 能夠以0.83的精確度和0.80的F1分?jǐn)?shù)來識(shí)別ICO詐騙項(xiàng)目。

與人類設(shè)計(jì)的評(píng)分系統(tǒng)相比，IcoRating 系統(tǒng)具有兩個(gè)關(guān)鍵優(yōu)勢(shì)：

• 客觀性：機(jī)器學(xué)習(xí)模型涉及的先驗(yàn)知識(shí)更少，可從數(shù)據(jù)中學(xué)習(xí)因果關(guān)系，這與需要大量人類專家的人類評(píng)級(jí)系統(tǒng)相反，而人 類專家不可避免會(huì)引入偏見。

• 不會(huì)被人為隨意篡改：信用評(píng)級(jí)的結(jié)果是通過黑盒培訓(xùn)從機(jī)器學(xué)習(xí)模型中輸出的。這個(gè)過程不用那么多的人員參與和干預(yù)。
  

加密貨幣、區(qū)塊鏈和ICO

在李紀(jì)為這篇論文的 第二個(gè)章節(jié)中，主要介紹了加密貨幣、區(qū)塊鏈和 ICO 的相關(guān)信息。如果密切關(guān)注幣圈和鏈圈的人士可能對(duì)這三個(gè)概念已諳熟于心。

1、加密貨幣

加密貨幣是“一種數(shù)字資產(chǎn)”，被視作交易媒介，通過加密技術(shù)以確保交易。大多數(shù)加密貨幣是去中心化的。第一個(gè)真正意義上的去中心化加密貨幣是比特幣（也稱BTC），由一個(gè)或一群不明身份的人在 2009 年以 Satoshi Nakamoto（中本聰）之名創(chuàng)建。自 BTC 出現(xiàn)以后，各種加密貨幣蜂擁而至，其中最知名的包括 Ethereum（簡稱ETH）、Ripple（簡稱RIP）、EOS 和 NEO。

2、區(qū)塊鏈

加密貨幣的交易由區(qū)塊鏈提供驗(yàn)證。人們可以將區(qū)塊鏈視為分布式賬本。它可以不斷增長并永久紀(jì)錄雙方之間的所有交易。每條紀(jì)錄都稱為一個(gè)區(qū)塊，包含鏈接到前一個(gè)區(qū)塊、時(shí)間戳和交易數(shù)據(jù)的加密哈希指數(shù)。該賬本以分布形式被所有參與者擁有，且記錄只能在改變所有后續(xù)網(wǎng)絡(luò)區(qū)塊的情況下得到更改。當(dāng)交易發(fā)生時(shí)，會(huì)廣播給網(wǎng)絡(luò)中的所有節(jié)點(diǎn)。區(qū)塊鏈?zhǔn)褂枚喾N時(shí)間戳方案，如 PoW（工作證明）或 PoS（股權(quán)證明）。

區(qū)塊鏈的概念消除了數(shù)據(jù)集中存儲(chǔ)而帶來的風(fēng)險(xiǎn)：沒有集中的故障點(diǎn)，數(shù)據(jù)對(duì)每個(gè)參與者都是透明的。

3、ICO

如前所述，ICO 是以加密貨幣為中心的眾籌融資手段，其可為早期項(xiàng)目提供眾籌機(jī)會(huì)，逃避風(fēng)險(xiǎn)投資家、銀行和證券交易所規(guī)則的限制。它們還提供了超越風(fēng)險(xiǎn)投資或私募股權(quán)投資的投資機(jī)會(huì)，二者是早期投資機(jī)會(huì)的主導(dǎo)。

另一方面，由于缺乏監(jiān)管，ICO 給投資者帶來了重大風(fēng)險(xiǎn)。不同國家對(duì) ICO 和加密貨幣有不同的規(guī)定。例如，中國政府禁止所有 ICO，而美國證監(jiān)會(huì)（SEC）則表示它有權(quán)對(duì) ICO 施行聯(lián)邦證券法，而委內(nèi)瑞拉政府則推出了自己的加密貨幣petromoneda（簡稱石油幣）。

IcoRating系統(tǒng)驗(yàn)證過程、方法

1、白皮書分析：內(nèi)容差異巨大

在 IcoRating 系統(tǒng)的驗(yàn)證過程中，該研究團(tuán)隊(duì)從各種平臺(tái)包括 CryptoCompare、CoinMarketCap和CoinCheckup一共收集了2251個(gè) ICO 項(xiàng)目信息。并在這些項(xiàng)目中獲得了 1317 份白皮書。

表1：ICO白皮書的各項(xiàng)統(tǒng)計(jì)數(shù)據(jù)

如表1所示，其顯示了 ICO 白皮書的各項(xiàng)統(tǒng)計(jì)數(shù)據(jù)，包括平均值、標(biāo)準(zhǔn)差，最大和最小字?jǐn)?shù)和句子數(shù)。研究團(tuán)隊(duì)從中得出一個(gè)顯著特征 ，白皮書的長度差異明顯。最多的一份白皮書中包含 6228 個(gè)句子，最少 38 個(gè)。具體地說，隨機(jī)抽樣的 10 份白皮書中的句子數(shù)量分別為886、143、38、967、3379、6228、496、2057、3075 和 298。雖然白皮書的篇幅不一定能反映 ICO 項(xiàng)目的質(zhì)量，但從中也能看出 ICO 白皮書內(nèi)容的巨大差異。

李紀(jì)為研究團(tuán)隊(duì)在收集而來的 白皮書上運(yùn)行了一個(gè)隱含狄利克雷分布（Latent Dirichlet Allocation：簡稱LDA）模型。LDA 是一種生成 性的統(tǒng)計(jì)模型，可以將文檔集中每篇文檔的主題并以概率分布的形式給出，從而通過分析一些文檔抽 取出它們的主題（分布），便可以根據(jù)主題（分布）進(jìn)行主題聚類或文本分類。同時(shí)，它是一種典型的詞袋模型，即一篇文檔是由一組詞構(gòu)成，詞與詞之間沒有先后順序的關(guān)系。

2、IcoRating：一個(gè)基于機(jī)器學(xué)習(xí)的評(píng)級(jí)模型

在描述創(chuàng)始團(tuán)隊(duì)信息時(shí)，研究團(tuán)隊(duì)的數(shù)據(jù)以下述信息為藍(lán)本：

Justin Sun，生于1990年，本科畢業(yè)于北京大學(xué)，碩士 畢業(yè)于賓夕法尼亞大學(xué)，是移動(dòng)社交應(yīng)用陪我和 TRON 的創(chuàng)始人兼 CEO，Ripple 大中華區(qū)的前首席代表。獲 2011 年亞洲周刊封面人物；2014年達(dá)沃斯全 球杰出青年；2015年 CNTV 年度新人物；2017年福布斯亞洲 Under30 企業(yè)家...

研究人員的目標(biāo)是自 動(dòng)從創(chuàng)始團(tuán)隊(duì)成員中提取 最重要的特征，并將其視為 NLP 標(biāo)簽問題。為此，他們定義 了5類標(biāo)簽：出生年份、大學(xué)、學(xué)位、公司和所獲獎(jiǎng)項(xiàng)，并將數(shù)據(jù)集分為不同種類進(jìn)行培訓(xùn)、開發(fā)和測試。

IcoRating 對(duì) ICO 項(xiàng)目使用的知識(shí)非常少，但卻能夠從真實(shí)世界中收集的數(shù)據(jù)集中學(xué)習(xí)到各個(gè)功能的重要性。

如前所述，IcoRating 是一個(gè)基于機(jī)器學(xué)習(xí)的評(píng)級(jí)模型。它使用的是 監(jiān)督學(xué)習(xí)模型。在標(biāo)準(zhǔn)監(jiān)督學(xué)習(xí)設(shè)置中，研究人員希望找到模型 F，可使輸入 x 映射至輸出 y：

這個(gè)公式中，輸入“x”代表“一個(gè) ICO 項(xiàng)目”，其中包括公開可 用信息的不用方面；輸出“y"，該值介于0到1之間，是一個(gè)二進(jìn)制 變量，用于 指示該 ICO 項(xiàng)目是否為 詐騙項(xiàng)目；“F”代表預(yù)測函數(shù)。

在訓(xùn)練期間，我們將 ICO 項(xiàng) 目一年的價(jià) 格變化作為訓(xùn)練的信號(hào)，試圖通過已知的 ICO 信息來預(yù)測其價(jià)格變化。預(yù)測函數(shù) F 由最大化預(yù)測 ICO 價(jià)格變化和黃金標(biāo)準(zhǔn)價(jià)格變化之間的L2差異來學(xué)習(xí)。

其中，在收集到的 2251 個(gè)項(xiàng)目中，研究人員收集了 1482 個(gè)項(xiàng)目的歷史價(jià)格，且這些 ICO 項(xiàng)目至少實(shí)行了一年及以上（截止到本研究進(jìn)行時(shí)）。

在測試期間，F(xiàn)（x）可預(yù)測 價(jià)格變化，如果預(yù)測價(jià)格低于其 ICO 價(jià)格的“m”值，則可認(rèn)為該項(xiàng)目為詐騙。在本次研究中，研究人員根 據(jù)要求將“m”設(shè)置為 0.01、0.1和1。

IcoRating測試結(jié)果

測試結(jié)果通過不同的特征組 合來識(shí)別 ICO 詐騙項(xiàng)目的結(jié)果，這些組合由白皮書、Github 資料庫、創(chuàng)始團(tuán)隊(duì)、網(wǎng)站這四個(gè)特征任意組合而呈。

隨著 “m” 值從0.01增加到0.1，再增加到1，詐騙項(xiàng)目的比例逐漸增加，精度逐漸提高，召回率也在逐漸降低。

最終測試結(jié)果顯示，白皮書 和 Github 資料庫是最 重要的兩 類特征。在 “m” 被設(shè)置為0.1和0.5時(shí)，其獲得的 F1 分?jǐn)?shù)均為0.7。通過增加更多的特征，研究人員得到了更高的精確度和更低的召回率。當(dāng)將所有特征組合考慮進(jìn)去時(shí)，IcoRating 模型在“m值被設(shè)置為1”時(shí)，其預(yù)測的 ICO 詐騙項(xiàng)目 實(shí)現(xiàn)了0.83的精確度、0.77 的召回率和 0.80 的 F1 分?jǐn)?shù)。

雷鋒網(wǎng)·AI金融評(píng)論注：該篇論文來自于https://arxiv.org/pdf/1803.03670.pdf，雷鋒網(wǎng)·AI金融評(píng)論對(duì)其進(jìn)行重點(diǎn)編譯。

——————全文完——————

【今日福利】

比特幣等虛擬貨 幣的波動(dòng)性總是出乎 人意料，資本和人心難以捉摸，但價(jià)格的另一 影響因素卻樸素得多——技術(shù)和應(yīng)用 價(jià)值。這也是2017年區(qū)塊鏈行業(yè)的關(guān)鍵詞。過去的一年，在眾多大小公司涌入?yún)^(qū)塊鏈，POC 項(xiàng)目和 代幣遍地開花的同時(shí)，也有一些先行者呼吁，“不要為了區(qū)塊鏈而區(qū)塊鏈”。

技術(shù)的發(fā)展 永無止境，在這條探索的道路上，我們看到的不只是尸骨，還有正在建造的座座豐碑。2017年，雷鋒網(wǎng)曾與數(shù)十家區(qū)塊鏈行業(yè)傳統(tǒng)企業(yè)、新創(chuàng)公司進(jìn) 行對(duì)話，并報(bào)道?，F(xiàn)在我們選取了其中8家代表性機(jī)構(gòu)的實(shí)踐 案例，包括工商銀行、招商銀行、平安集團(tuán)、銀聯(lián)、螞蟻金服等，匯編成特輯報(bào)告。除此外，還有20+智能金融公司案例，涵蓋普惠金融、風(fēng)控信貸、財(cái)富管理等議題。

以下為特輯部分目錄：

  ● 世界經(jīng)濟(jì)論壇報(bào)告：全方位評(píng)估 Fintech 將如何顛覆金融業(yè)競爭格局，包括路徑、模式和終局

  ● 前瑞銀大牛：區(qū)塊鏈如何變革傳統(tǒng)金融兩大應(yīng)用模式？

  ● 區(qū)塊鏈+金融，帶你直擊實(shí)踐應(yīng)用中的需求和痛點(diǎn)

  ● 比特幣、以太坊、區(qū)塊鏈、代幣、ICO，你需要知道的一切都在這了

....

戳這里（ http://www.ozgbdpf.cn/specialEdition/detail/s/5a4c9564b9e38），查看雷鋒網(wǎng) Fintech 年度特輯全文。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。