Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Caffé, Luiz Alfredo Zenon da Mata |
| Orientador(a): |
Marcondes, Cesar Augusto Cavalheiro |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Instituto Tecnológico da Aeronáutica (ITA)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://www.repositorio.mar.mil.br/handle/ripcmb/844782
|
Resumo: |
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. |
