Principaux à retenir
- Les liquidations forcées ont probablement déclenché une baisse de 90% du mantra pendant la faible liquidité.
- L’IA aurait pu détecter les mouvements de portefeuille risqués en temps réel, alertant les équipes de risque d’agir avant l’effondrement.
- Cependant, l’intelligence artificielle peut également aider à prévenir d’autres types de fraude.
Dans le secteur à grande vitesse des marchés crypto, les millisecondes peuvent signifier des millions. Pourtant, la plupart des échanges reposent toujours sur des systèmes obsolètes, aveugles aux signes d’alerte précoce cachés dans les mouvements de portefeuille, la profondeur du carnet de commandes et le sentiment social.
Et si une machine aurait pu repérer les fissures se formant avant l’effondrement?
À mesure que l’IA gagne du terrain dans trading Infrastructure, les experts disent que les outils pour empêcher les accidents comme le mantra existent déjà mais ne sont pas utilisés.
Tu veux voir ça
Sommaire
Rôle de l’IA dans la prévention des accidents comme le mantra
Le 13 avril, Mantra (OM), un projet de crypto de l’actif réel (RWA), s’est écrasé de 90% en heures, passant de 6 $ à moins de 1 $. Les craintes initiales d’une traction de tapis ont été rejetées en faveur d’une cause plus plausible: des liquidations forcées déclenchées par des contrats à terme à haut niveau trading pendant une faible liquidité.
Selon Ahmad Shadid, fondateur et PDG d’O.XYZ, l’utilisation d’un agent d’IA peut avoir empêché l’accident et a immédiatement détecté et résolu le problème.
« Premièrement, l’IA nous permet d’exécuter des tests de stress vivant au lieu des exercices de feuille de calcul une fois sur quart sur lesquels les échanges reposent.
« Deuxièmement, des modèles d’apprentissage en profondeur formés sur les données de livres historiques peuvent prévoir des pics de glissement en millisecondes », a déclaré Shadid.
Pour le fondateur d’O.XYZ, la recherche sur les réseaux de neurones convolutionnels temporels atteint une précision de la marche de 76% pour prédire le prochain mouvement des prix des instantanés de limite, les machines prouvant peuvent voir La fragilité qui manque les humains.
Dans le cas de Mantra, les portefeuilles liés à des investisseurs stratégiques ont déplacé des millions d’OM à OKX quelques jours avant le plongeon.
«Un agent d’IA aurait alerté des bureaux de risque en temps réel, achetant à tout le monde les minutes ou les heures nécessaires pour élargir les écarts, ajouter des garanties ou faire une pause trading Jusqu’à ce que la profondeur revienne », a déclaré Shadid.
Les échanges centralisés (CEX) ont besoin de l’IA le plus – les livres de commande opaques et les moteurs de liquidation renforcent le risque. Ajout d’IA aux flux de données existants (comme ceux de Kaiko ) offre une visibilité instantanée dans le glissement sans exposer les données utilisateur.
Les données Defi sont publiques et en chaîne, permettant à l’IA de surveiller plusieurs chaînes simultanément. Bien que l’exécution soit plus lente en raison du règlement sur chaîne, les mêmes outils d’IA peuvent être adaptés à différentes infrastructures.
Parmi les principaux défis d’adoption, Shadid a mis en évidence trois en particulier:
- Accès aux données: les CEX gardent étroitement les données de commande détaillées, ce qui rend difficile de former des modèles précis. L’adoption dépend de la montre que les outils de risque partagés réduisent les dommages de réputation.
- Conformité: les régulateurs exigent la transparence. L’IA de la boîte noire ne le coupera pas – les modèles doivent expliquer clairement les alertes.
- Coûts de calcul: l’IA en temps réel a besoin d’une puissance de GPU importante. Les réseaux GPU décentralisés offrent un calcul abordable basé sur une rafale, ce qui le rend viable pour les petites plates-formes.
« La pièce la plus difficile est la gouvernance des données », a-t-il déclaré à CCN.
«Les CEX hérités gardent les livres à profondeur et les journaux de liquidation comme les joyaux de la couronne; sans cette granularité, les algorithmes sous-ajustés et se noient dans de faux positifs.»
«Les convaincre signifie prouver qu’une couche de risque partagée réduit plus les coûts de dommage de la marque qu’il ne le révèle le flux propriétaire,« Shadide ajouté.
La nouvelle technologie peut anticiper l’initié Trading Activités
Mais l’activité de l’IA ne se limite pas aux accidents comme ceux du mantra. Il peut également aider à détecter et à prévenir l’initié trading activités.
Ai clusters portefeuilles par comportement et drapeaux des mouvements inhabituels, tels que les gros supports envoyant des jetons aux CEX pendant une faible liquidité. Ces modèles sont apparus avant que la Terra et le mantra ne se bloquent, donnant aux équipes des risques le temps d’agir.
Pour le shadide, les agents de reconnaissance de motifs regroupent les portefeuilles par des empreintes digitales comportementales (comme les temps de maintien, les ponts d’échange et la garantie de prêt) et les anomalies de signalisation telles que plusieurs grands porteurs de gros titulaires se déplaçant vers le même CEX pendant les heures de faible liquidité.
«Ces modèles ont précédé la terre et le mantra;« Il a dit à CCN.
« Nous associons cela avec des signaux de sentiment et de profondeur: si les dépôts de baleines coïncident avec des écarts élargis et un sentiment social négatif, la probabilité d’un dépotoir coordonné des sauts. »
Comme Shadid partage, le système marque qui convergence et pousse des alertes à plusieurs niveaux – de «Regardez attentivement« aux «commandes de marché des haltes automobiles« .
« Dans les arrière-tests sur les données historiques du LOB et de la chaîne, le modèle aperçoit des grappes suspectes des heures avant l’effondrement des prix, la surveillance manuelle de surpassement par rappel à deux chiffres. Ce n’est pas un clairvoyance – il s’agit simplement de laisser les données parler plus rapidement que les humains ne peuvent lire un explorateur de blocs », a conclu Shadid.