Detrás de la detección de cazadoras de brujas en los intercambios: la lucha entre el diseño de algoritmos, los mecanismos de apelación y la ciencia de datos

El mecanismo de cribado anti-síbilo de Lighter Exchange ha generado recientemente mucho debate. El fundador y CEO Vladimir Novakovski confesó la lógica detrás de este sistema en una reciente entrevista comunitaria.

En cuanto a las normas de selección, mencionó un punto clave: hay un canal de quejas. Si los usuarios sienten que el algoritmo les ha “perjudicado”, pueden presentar un formulario de queja en Discord, pero el número real de apelaciones es mucho menor de lo esperado, lo que indica en cierta medida que la precisión del sistema no es mala. Sin embargo, también enfatizó que los detalles específicos del algoritmo no se harán públicos —esta decisión es muy realista; al fin y al cabo, ningún proyecto quiere ver cómo se resuelve su lógica de control de riesgos y luego “prescribe la medicación adecuada”.

La carga de trabajo técnica implicada en la construcción de sistemas no es pequeña. Se utilizan análisis de conglomerados, reconocimiento de patrones de comportamiento y otras operaciones rutinarias de ciencia de datos. Curiosamente, el equipo cuantitativo, que suele ser responsable de la liquidez y la reducción de market makers, también fue incorporado y pasó varias semanas participando en investigación y desarrollo. Además, también intercambió experiencias con otros protocolos y cazadores de brujas a nivel individual que habían realizado trabajos similares.

Confían en el resultado final. Pero al mismo tiempo, también es franco: si realmente hay un error de juicio, los usuarios pueden apelar a través de canales formales. Esta actitud sigue siendo digna de reconocimiento.