Embora a Ethereum se destaque na inovação blockchain, suas características abertas e anónimas também oferecem oportunidades para atores mal-intencionados. Os dados estão à vista: até à primeira metade do ano passado, as perdas acumuladas por fraudes em ICOs e fraudes online atingiram 225 milhões de dólares, e o valor envolvido em transações anómalas durante todo o ano de 2022 foi ainda mais assustador — 23,8 mil milhões de dólares.

Como preencher um buraco tão grande? Os métodos tradicionais de anotação manual já não aguentam mais, pois a anotação de dados é limitada, cara e difícil de escalar. Felizmente, nos últimos anos, houve avanços na tecnologia de aprendizagem de máquina não supervisionada, que trouxe novas ideias para a deteção de riscos em transações.

**Por onde começar? Primeiro, organizar os dados**
O primeiro passo na deteção de transações anómalas é estruturar os vastos dados de transações da Ethereum. Extrair registros históricos de transações das fontes de dados na cadeia, e depois construir uma rede de múltiplas transações ponderada. Simplificando, os nós no gráfico representam as contas, as arestas representam o fluxo de transações, e o peso é determinado pelo valor da transação e pelo carimbo de data/hora. A vantagem deste design é que permite identificar tanto as ligações entre contas quanto as características espaço-temporais das transações. Por exemplo, transações frequentes e de grande valor podem indicar um esquema Ponzi, enquanto transações dispersas de pequeno valor podem estar relacionadas a ataques de poeira.

**Depois, usar o gráfico dual para extrair características profundas**
No gráfico de transações original, as relações de transação muitas vezes são obscuras, por isso os pesquisadores desenvolveram a técnica de conversão para o gráfico dual: tratar cada transação como um nó independente, e estabelecer conexões entre transações que compartilham a mesma conta. Com essa conversão, as ligações indiretas entre transações tornam-se explícitas, permitindo descobrir muitas cadeias de relacionamento que antes não eram visíveis.