PREDICTING FRAUDULENT CRYPTOCURRENCY TRANSACTIONS USING LOGISTIC REGRESSION

Аннотация

В статье проводится SWOT-анализ киберугроз, выявляются
сильные и слабые стороны криптовалют и освещается проблема обнаружения
мошеннических транзакций с криптовалютой. Для решения задач авторы
предлагают использовать новые технологии, основанные на методах анализа
данных, в частности, разработку моделей логистической регрессии. Предлагается
алгоритм классификации мошеннических транзакций с криптовалютой, который
сводится к классической схеме классификации данных. Выделяются следующие
этапы: загрузка данных в набор данных и первичный анализ, подготовка данных
для анализа, разделение на обучающую и тестовую выборки, применение
алгоритма классификации к обучающей выборке, оценка точности модели на
тестовой выборке, оптимизация модели при необходимости и заключение,
где, если модель точность высока, ее можно использовать для классификации
мошеннических транзакций. Основная задача представленных этапов –
обнаружить подозрительные транзакции с криптовалютой с как можно меньшим
количеством ложных срабатываний. Классификацию криптовалютных транзакций
предлагается осуществлять с помощью криптовалюты Ethereum. В качестве
инструментов выбран язык R и его интегрированная среда обработки R Studio.
Для выявления мошеннических транзакций с криптоактивами была разработана