首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

庞氏骗局、市场操纵——关于区块链的几篇论文的读书笔记

Detecting Ponzi Schemes on Ethereum: Towards Healthier Blockchain Technology讲了庞氏骗局的检测。庞氏骗局是一种早就出现的骗局,它是通过从后来投资者取得的资金,作为“返利”返回给之前的投资者,虚假宣传,让投资者以为一定可以从中获利,而不断给其打钱,但可想而知,一旦发起骗局的人终止了,那么后来加入投资的那些人肯定收不到返利,资金就这样被骗走了。实际也表明,能从中获利的投资者占少部分,大部分参与者的利益是收到严重损害的,而获利最大的就是骗局的发起者。而智能合约由于其自动执行且不可终止,加上账户的匿名性,成为了庞氏骗局的一个很好的栖息地及保护伞。无疑,检测并预警庞氏骗局迫在眉睫。要检测智能庞氏骗局,首先能想到的办法就是可以根据智能合约的源码来手动判断,但这样工作量非常大,也不能实时监控,并且智能合约只需要通过字节码部署,没必要公开其源代码,所以其实以太坊上公开的源代码的合约并不多。所以更好的思路是从字节码入手,通过数据挖掘、机器学习的手段识别并预警智能庞氏骗局。首先,将智能合约的字节码反解成操作码是简单可行的,然后通过操作码的代码特征,如某个词出现的频率,可以判断其是否可能为庞氏骗局。此外,智能庞氏骗局有其独特的账户和交易行为特征,如参与者不多,多次参与,收益随机,大部分投资者没有回报,前期投资者回报次数较多,合约大部分只支付给曾经的投资者,投资次数与收益次数变异很大等,所以可以通过这些特征进行识别。这两个思路结合起来便是智能庞氏骗局的一个识别方法,这一方法无需源代码,在智能合约部署时即可识别庞氏骗局,且实验表明效果较好,有利于相关机构建立监管机制帮助投资者避免损失,帮助区块链技术更好的发展。

02

Python中gdal实现MODIS遥感影像数据读取与质量控制QC波段筛选及掩膜

前期推文Python中gdal栅格影像读取计算与写入及质量评估QA波段筛选掩膜详细介绍了基于Python语言gdal等模块实现遥感影像栅格数据的读取,以及基于质量评估(QA)波段实现栅格像元筛选与掩膜的全部操作。而在本文,我们依据前述这一篇推文的代码,结合大家更为熟悉的MODIS系列遥感影像产品,基于其质量评估波段进行具体的对照讲解。也就是说,本文重点不在于代码的讲解(具体代码在前述这一篇推文中已经很详细地介绍了),而是将上述代码在更为具体的一个实践中加以应用,告诉大家该如何选择波段、处理质量评估QA波段并进行筛选操作等。同时,这里还有一点需要注意:在MODIS系列遥感影像中,质量评估波段更应该称为质量控制波段,因为其官方手册中将其写作Quality Control,因此后文就写作质量控制波段或QC波段。

03

对话腾讯安全杨勇:产业互联网带来哪些新的安全挑战

在 2019 腾讯安全国际技术峰会上,腾讯安全平台部负责人、腾讯安全学院副院长杨勇向TechWeb等表示,产业互联网的发展给安全问题带来很多新的挑战,具体表现在三个方面。 第一,攻击面扩大,比如腾讯安全科恩实验室最新研究的汽车安全问题,实际上就是产业互联网带来的,是互联网跟汽车行业出行安全的结合。 第二,跨界,如果要解决安全问题,现在需要更多不同领域知识的结合。 第三,产业攻击场景的出现,现在攻击场景越来越产业化,比如,之前的攻击是你有一段代码,操作系统有一个漏洞,然后我把这个漏洞研究好我黑进去了,然

03

【书籍推荐】历时3年,清华大学iDLab实验室打造Reinforcement Learning and Control课程及讲义

The Intelligent Driving Laboratory (iDLAB) is a part of the School of Vehicle and Mobility (SVM) at Tsinghua University. This lab focuses on advanced automatic control and machine learning algorithms, and their applications on autonomous driving, connected vehicles, driver assistance and driver behavior analysis, etc. Our research interests are loosely divided into four categories: (1) Perception, decision and control for autonomous vehicles and driver assistance systems; (2) Reinforcement learning and optimal control; (3) Distributed estimation, learning and control; and (4) Large-scale optimization and control of eco-automation and electrified powertrain. We have achieved a series of important research results and peer-reviewed publications publicly available through this website.

02
领券