[论文解读] Hybrid Cryptocurrency Pump and Dump Detection

Hadi Mansourifar, Lin Chen+1 more|arXiv (Cornell University)|Mar 14, 2020

Advanced Malware Detection Techniques参考文献 16被引用 8

一句话总结

本文提出了一种在加密货币市场中使用基于距离和基于密度的异常检测相结合的混合泵-and- dump 检测方法。它引入了距离度量的自动阈值设定方法以及一种新型密度评分，相较于单一方法，在检测主要交易所交易对中的异常价格操纵行为方面表现出更优性能。

ABSTRACT

Increasingly growing Cryptocurrency markets have become a hive for scammers to run pump and dump schemes which is considered as an anomalous activity in exchange markets. Anomaly detection in time series is challenging since existing methods are not sufficient to detect the anomalies in all contexts. In this paper, we propose a novel hybrid pump and dump detection method based on distance and density metrics. First, we propose a novel automatic thresh-old setting method for distance-based anomaly detection. Second, we propose a novel metric called density score for density-based anomaly detection. Finally, we exploit the combination of density and distance metrics successfully as a hybrid approach. Our experiments show that, the proposed hybrid approach is reliable to detect the majority of alleged P & D activities in top ranked exchange pairs by outperforming both density-based and distance-based methods.

研究动机与目标

• 为应对日益增长的加密货币市场中泵-and-dump 行为检测的挑战，此类行为正被越来越多的欺诈者利用。
• 克服现有异常检测方法在不同市场背景下泛化能力不足的局限。
• 开发一种结合基于距离和基于密度度量的稳健混合检测框架，以提升检测准确性。
• 引入专为金融时间序列异常检测设计的新型自动阈值设定与密度评分机制。

提出的方法

• 提出一种基于价格时间序列统计特性的自动阈值设定方法，用于基于距离的异常检测。
• 引入一种名为“密度评分”的新指标，用于量化局部数据点的密度，从而增强对聚集异常行为的检测能力。
• 将基于距离和基于密度的评分整合为混合检测模型，以提高检测的敏感性和特异性。
• 将该混合模型应用于主要交易所中排名靠前的加密货币交易对的历史价格数据。
• 在异常评分前，使用 z-分数标准化和滑动窗口技术对时间序列数据进行预处理。
• 采用加权融合策略，将基于距离和基于密度的评分整合为统一的异常评分。

实验结果

研究问题

• RQ1 自动阈值设定方法是否能提升基于距离的异常检测在加密货币价格时间序列中的可靠性？
• RQ2 新型密度评分指标是否能增强对价格波动聚集模式下泵-and-dump 行为的检测能力？
• RQ3 结合基于距离和基于密度的度量是否能获得优于单一方法的检测性能？
• RQ4 该混合方法在识别真实世界中的泵-and-dump 事件方面，相较于最先进方法表现如何？

主要发现

• 在多个主流加密货币交易对中，混合方法在检测泵-and-dump 活动方面优于单独的基于距离和基于密度的方法。
• 所提出的自动阈值设定方法减少了人工调参，提升了异常检测的一致性。
• 密度评分有效捕捉了局部价格操纵模式，尤其在高频交易环境中表现突出。
• 与基线方法相比，混合模型在真实交易所数据上实现了更高的 F1 分数和更低的误报率。