برخی از تکنیک های مورد استفاده برای مطالعه تاریخچه حرارتی جهان را می توان برای درک خرابی کریپتوها مورد استفاده قرار داد.

DoKwon: "95 درصد خواهند مرد [coins]اما تماشای مرگ شرکت ها نیز لذت بخش است"

8 روز پیش کنایه آمیز. pic.twitter.com/fEQMZIyd9a

– پدر (@EncryptedPedro) 11 مه 2022

بیش از 40 میلیارد دلار از دارایی های سرمایه گذار در سقوط بین 5 تا 13 می 2022 از بین رفت. کمتر از یک سال بعد، دو کوون به اتهام تلاش برای فرار از تعقیب قضایی به دلیل فعالیت های جنایی مربوط به ناپدید شدنش دستگیر شد.

از آن زمان، مجلداتی در مورد سقوطی که منجر به سقوط سکه لونا و استیبل کوین UST Terra از دلار آمریکا شد، نوشته شده است.

اکنون، برای اولین بار، دانشمندان از مکانیک آماری برای مهندسی معکوس برخورد با استفاده از همان تکنیک های مورد استفاده برای مطالعه فیزیک ذرات استفاده کرده اند.

این تحقیق که در کینگز کالج لندن انجام شد، بر رویدادهای تراکنش و سفارشاتی که در زمان حادثه رخ داده بودند متمرکز بود. طبق مقاله تحقیقاتی پیش از چاپ تیم:

“ما نظم ها را به صورت ذرات فیزیکی می بینیم که روی یک محور 1 بعدی حرکت می کنند. اندازه ترتیب مربوط به جرم ذره است و مسافت طی شده با ترتیب مربوط به مسافتی است که ذره حرکت کرده است.”

از همین تکنیک ها برای ترسیم برهمکنش های ترمودینامیکی، دینامیک مولکولی و برهمکنش ها در سطح اتمی استفاده می شود. با استفاده از این موارد در رویدادهای فردی در یک دوره زمانی در یک اکوسیستم محدود مانند بازار لونا، محققان توانستند بینش عمیق تری در مورد ریزساختار سکه و دلایل اصلی فروپاشی به دست آورند.

این فرآیند شامل دور شدن از روش تصویر فوری ذاتی در رویکرد پیشرفته فعلی، از تشخیص ناهنجاری مبتنی بر امتیاز Z، به نمای دقیق رویدادهای رخ داده است.

با مشاهده رویدادها به‌عنوان قطعه، تیم توانست داده‌های لایه 3 را در تجزیه و تحلیل خود بگنجاند (این شامل داده‌های مربوط به ارسال سفارش، لغو، و مسابقات، در بالای داده‌های لایه اول و دوم است).

به گفته محققان، این امر آنها را به کشف “نمونه های متداول کلاهبرداری و لایه بندی در بازار” سوق داد، که تا حد زیادی به سقوط فلش ​​Luna کمک کرد.

سپس این تیم الگوریتمی را برای تشخیص لایه‌بندی و تقلب ایجاد کرد. طبق این مقاله، این یک چالش مهم است زیرا هیچ مجموعه داده شناخته‌شده‌ای در رابطه با سقوط Luna وجود ندارد که حاوی نمونه‌هایی از جعل یا لایه‌بندی باشد.

محققان داده‌های مصنوعی ایجاد کردند تا مدل‌های خود را برای تشخیص این فعالیت‌ها بدون چنین داده‌هایی آموزش دهند. پس از آموزش، مدل بر روی مجموعه داده لونا اعمال شد و با تجزیه و تحلیل فعلی انجام شده از طریق سیستم Z-score مقایسه شد.

مرتبط با: دانشگاه برتر بریتانیا با استارتاپ هوش مصنوعی برای تجزیه و تحلیل بازار ارزهای دیجیتال شریک است

محققان می نویسند: «روش ما با موفقیت رویدادهای تقلبی را در مجموعه داده های اصلی بازار تجاری LUNA شناسایی کرد،» و خاطرنشان کردند که روش Z-score «نه تنها در تشخیص تقلب شکست خورده است، بلکه به اشتباه سفارش های محدود بزرگ را به عنوان جعلی نشان می دهد.»

در ادامه، محققان بر این باورند که کار آنها می تواند مبنایی برای مطالعه ساختار خرد بازار در سراسر امور مالی باشد.

سقوط ناگهانی لونا تنها هشت روز پس از آن رخ داد که دو کوون، یکی از بنیانگذاران Terra، به الکساندرا بوتز، ستاره شطرنج آمریکایی-کانادایی گفت که 95 درصد ارزهای دیجیتال ورشکست خواهند شد و افزود: تماشای مرگ شرکت‌ها لذت بخش است.

نویسنده: Tristan Greene