The Kosmosis Use-Case of Crypto Rug Pull Detection and Prevention

目前防止加密资产欺诈的方法基于区块链网络内的交易图分析。虽然这种方法可以有效地识别欺诈交易模式，但它无法捕捉交易的语义，而且受限于区块链数据。因此，基于交易图的预防方法本质上是有限的。为了应对这些限制，我们提出了Kosmosis方法，旨在随着新的区块链和社交媒体数据的不断出现，逐步构建一个知识图谱。在构建过程中，它旨在提取交易的语义，并通过在知识图谱中融合区块链和社交媒体数据，将区块链地址连接到其现实世界的实体上。这使得可以采用新颖的预防方法来防止作为加密资产欺诈形式的“地毯式抽屉”。为了证明Kosmosis方法的有效性和实际适用性，我们研究了2021年一系列真实的“地毯式抽屉”。通过这个案例，我们说明了Kosmosis如何通过利用构建的知识图谱的洞见来帮助识别和预防这种欺诈活动。

本论文旨在提出一种新的预防加密资产欺诈的方法，即通过构建知识图谱来提取交易的语义，并将区块链地址与现实世界的实体相连接，从而实现对rug pull等欺诈行为的预防。

Kosmosis方法通过构建知识图谱，将区块链数据和社交媒体数据相融合，提取交易的语义，并将区块链地址与现实世界的实体相连接，从而实现对rug pull等欺诈行为的预防。

本论文通过实例研究了2021年一系列rug pull案例，证明了Kosmosis方法在预防加密资产欺诈方面的有效性和实用性。论文还介绍了实验设计和使用的数据集，并提供了开源代码。

在这个领域中，最近的相关研究包括基于交易图的欺诈检测方法，以及使用机器学习技术来预测加密货币价格的方法。