مجتبی کرمی

این پژوهش چارچوبی نوین به نام Real-TabPFN برای تشخیص کلاهبرداری راگ‌پول در اکوسیستم‌های بلاکچین ارائه می‌دهد. چارچوب پیشنهادی با ادغام 21 ویژگی کلیدی روی زنجیره (شامل ویژگی‌های توزیع توکن، نقدینگی، حجم معاملات، قیمت‌ها و فعالیت‌های قرارداد هوشمند) و 6 ویژگی OSINT (مانند حجم توییت‌ها، نتایج جستجوی گوگل، حضور در شبکه‌های اجتماعی و تحلیل احساسات) و بهره‌گیری از مدل متا-یادگیریReal-TabPFN، قادر به تشخیص زودهنگام راگ‌پول‌ها با دقت بالا است. برای جلوگیری از نشت داده‌ها، از اعتبارسنجی مبتنی بر زمان استفاده شده و داده‌ها به گونه‌ای تقسیم شده‌اند که مجموعه آزمون تنها شامل پروژه‌های جدیدتر باشد. ارزیابی بر روی مجموعه داده‌ای شامل 1,000 پروژه (600 راگ‌پول و 400 سالم) نشان می‌دهد Real-TabPFN در مقایسه با مدل‌های پایه مانندTabPFN ، XGBoost وLightGBM ، دقت و F1-Score بالاتری دارد. تحلیل تفسیرپذیری مدل اهمیت ویژگی‌هایی مانند واریانس پایین دارندگان (نشان‌دهنده کنترل متمرکز) و احساسات منفی در شبکه‌های اجتماعی را در تشخیص راگ‌پول تأیید می‌کند. این چارچوب با رعایت جداسازی زمانی در جمع‌آوری داده‌ها و استفاده از تکنیک‌های پیشرفته ادغام چندوجهی، امکان شناسایی الگوهای پنهان را فراهم کرده و می‌تواند به‌عنوان ابزاری عملی برای افزایش امنیت اکوسیستم‌های DeFi مورد استفاده قرار گیرد.