Как мы пришли к машинному обучению
Первые эксперименты
Елисей работал в банке и заметил, что традиционные методы анализа не справляются с объёмом блокчейн-данных. Мы начали экспериментировать с нейронными сетями для выявления подозрительных транзакций.
Создание собственных алгоритмов
Разработали первые модели для кластеризации биткоин-адресов. Наш алгоритм показал точность 89% в определении связанных кошельков — это был прорыв для нашей маленькой команды.
Первые крупные клиенты
Румынский банк доверил нам анализ подозрительных криптовалютных операций. За полгода мы обработали более 2 миллионов транзакций и выявили 47 потенциально мошеннических схем.
Расширение возможностей
Внедрили анализ смарт-контрактов Ethereum. Надежда разработала систему раннего обнаружения DeFi-уязвимостей, которая предотвратила потери клиентов на сумму свыше 3 миллионов евро.