不可替代代币的流行度飙升，与加密世界中流行的其他一切一样，欺诈也在增加。 因此，许多人将 NFT 视为一种潜在的风险投资，因为它有可能被骗。 幸运的是，该行业正在通过引入基于机器学习的技术进行反击，这些技术可以改变 NFT 验证的游戏规则。
NFT 欺诈者使用 技术数量 以欺骗买家、品牌、艺术家和收藏家。 其中最常见的包括网络钓鱼诈骗、拉高出货、虚假角色诈骗和 NFT 市场，以及公然伪造的 NFT。
因此，NFT 欺诈是一项代价高昂的业务，但好消息是多个项目正在努力解决这个问题。 他们通过结合机器学习和强大的激励措施来做到这一点，从而为 NFT 创作者和收藏家的协作创造一个更安全的环境。
机器学习如何检测 NFT 欺诈？
机器学习模型的另一个好处是它们更准确。 因为它们可以处理大量的训练数据并不断地自我训练，所以它们会随着时间的推移变得越来越准确。 它们也更加灵活，因为它们能够以人类永远无法做到的方式感知数据集。
也许基于机器学习的欺诈检测的主要优势在于其成本和可扩展性。 这样的系统具有极强的可扩展性，并且不会老化。 相反，随着算法吸收更多数据，它们会随着时间的推移更好地预测欺诈。
有哪些基于机器学习的 NFT 欺诈检测工具？
近年来出现了许多基于 ML 的 NFT 欺诈检测工具，它们的共同目标是帮助创作者和收藏家等人打败诈骗者。 出现的最流行的此类协议之一是 看门狗，它使用算法来识别重复的 NFT 和商标侵权。 它利用强大的计算机视觉模型，使其能够发现重复项，即使图像或文本已被更改。 每当发现欺诈活动时，它都会通知知识产权所有者并建议保护该知识产权的方法。
Watchdog 的工具包括一个 AI 引擎，可以实时监控以太坊等区块链以检测可疑活动，还有一个通知服务，可以与 Discord、Twitter、Telegram 和电子邮件一起使用，以提醒知识产权权利人注意潜在的欺诈行为。 它还可以提供有关 NFT 骗局的详细报告。
Doppel meanwhile 是一个跨链 NFT 监控平台，旨在寻找假冒代币。 它通过索引来自多个区块链（包括以太坊、Flow 和 Solana）的 NFT 数据来工作。 然后，它会扫描这些链以寻找新的 NFT 活动，并根据其庞大的现有 NFT 数据集对其进行审查，以确定何时创建了假冒产品。
最后，PixelPlex 最近推出了一款名为 检查NFT.io，可用于分析 NFT 收藏品，检测欺诈活动和代币，并将风险降至最低。
激励的作用
随着基于机器学习的 NFT 欺诈检测工具现已广泛可用，协议如 瓦奎利 承诺在打击 NFT 欺诈者的斗争中发挥真正的作用。 Wakweli 以斯瓦希里语中“真实”的意思命名，是一个 NFT 认证平台，它依赖于一种新颖的民主证明共识算法，使其社区能够证明数字资产的有效性。
它的工作方式相当简单。 任何人，例如 NFT 的创建者，都可以通过抵押 WAKU 代币来申请证书来验证 NFT。 该协议使用同样持有 WAKU 股份的人工验证者来检查 NFT 的真实性并颁发证书，从而从他们的股份中获得收益。 然后，更广泛的 Wakweli 社区可以通过质押 WAKU 代币并提供证明经认证的 NFT 是假的证据来自由挑战任何证书的有效性。 各种基于 ML 的工具的可用性应该确保验证者和挑战者都可以找到他们需要的所有证据来支持他们的主张。 这是一个强大的协议，可以激励所有参与者诚实行事，并且随着它变得越来越广泛，并有望与领先的 NFT 市场整合，欺诈事件应该会变得不那么普遍。