Automatisierte Finanzaktivitäten auf der Ethereum-Blockchain: Eine Analyse zur Erkennung von Finanzbots

Dieser Artikel präsentiert einen maschinellen Lernansatz zur Erkennung von Finanzbots, die auf der Ethereum-Plattform eingesetzt werden. Durch die Systematisierung bestehender Literatur und die Sammlung anekdotischer Beweise wird eine Taxonomie für Finanzbots erstellt, die 7 Kategorien und 24 Unterkategorien umfasst. Anschließend wird ein Datensatz mit 270 annotierten Adressen erstellt, der als Grundlage für die Entwicklung und Evaluierung von Clustering- und Klassifizierungsmodellen dient. Die besten Modelle erreichen eine Clusterpurität von 82,6% bzw. eine Genauigkeit von 83% bei der Unterscheidung von Bots und Menschen.