Fraudedetectie in DeFi-protocollen met ML
Een praktijkgericht programma dat analytische methoden verbindt met de technische realiteit van gedistribueerde netwerken. Deelnemers werken met echte datasets en bouwen stap voor stap bruikbare vaardigheden op.
Wat dit programma inhoudt
DeFi-protocollen verwerken dagelijks miljarden aan transacties zonder centrale toezichthouder. Dat maakt geautomatiseerde detectie van misbruik technisch noodzakelijk.
Concrete problemen die centraal staan
Flash loan-aanvallen, rug pulls en wash trading laten herkenbare patronen achter in smart contract-events. Die patronen zijn meetbaar en modelleerbaar.
Je werkt met gelabelde datasets van bekende DeFi-exploits, waaronder Cream Finance en Euler Finance, en bouwt classifiers die vergelijkbare patronen in nieuwe protocollen herkennen.
Technieken in dit programma
- Graph Neural Networks voor transactienetwerken
- Tijdreeksanalyse op liquiditeitspool-events
- Contrastief leren voor adresrepresentaties
- Threshold-kalibratie voor lage false-positive rates
Elke module eindigt met een casestudy op een gedocumenteerde aanval. Je analyseert de transactiegeschiedenis en reconstrueert hoe een model de aanval had kunnen signaleren.
Vereist: kennis van PyTorch, basiskennis van Solidity-events is een voordeel maar niet verplicht.Programmastructuur en leerfasen
Programma-overzicht
Module 1: DeFi-aanvalspatronen
- Flash loans
- Hoe atomaire transacties misbruikt worden en welke on-chain signalen dat geeft
- Rug pulls
- Liquiditeitspatronen voor en na een exit-scam
- Wash trading
- Circulaire transactiedetectie via graafanalyse
Module 2: Graph Neural Networks
- GraphSAGE en GAT op transactiegraven
- Node-embeddings voor adresclassificatie
Module 3: Tijdreeksmodellen
- LSTM op pool-reserves en swap-volumes
- Changepoint-detectie met ruptures
Module 4: Productie-pipeline
- Realtime scoring via WebSocket-feeds
- Alerting en drempelwaarde-instelling
Begeleiding
Wekelijks een live Q&A-sessie van 90 minuten. Inzendingen worden beoordeeld binnen 5 werkdagen.
Wat deelnemers na afloop meenemen
Ieder traject bij Belgimora sluit af met een bewijs van deelname dat de behandelde thema's en verworven vaardigheden specifiek benoemt. Het document is bedoeld als referentie, niet als garantie voor een bepaalde uitkomst.
De echte waarde zit in de combinatie van praktische oefeningen, peer-feedback en de directe toepasbaarheid van de aangeleerde technieken in reële analyseomgevingen.
- Persoonlijk bewijs van deelname met programmanaam
- Toegang tot alle oefenmaterialen na afloop
- Verwijzing naar relevante vervolgtrajecten
- Netwerk van internationale deelnemers
Certificaat