○ 초연결사회(Hyper-connected society)를 구현하기 위한 기반 기술로 블록체인이 주목받고 있으며, 최근에는 암호화폐 및 블록체인 기반 프로젝트를 위한 투자금을 암호화폐(Cryptocurrency)로 모집하는 행위인 ICO(Intial Coin Offering)이 자주 발생하고 있음
● ICO는 ...

○ 초연결사회(Hyper-connected society)를 구현하기 위한 기반 기술로 블록체인이 주목받고 있으며, 최근에는 암호화폐 및 블록체인 기반 프로젝트를 위한 투자금을 암호화폐(Cryptocurrency)로 모집하는 행위인 ICO(Intial Coin Offering)이 자주 발생하고 있음
● ICO는 프로젝트의 초기 단계에서, 블록체인을 기반으로 한 코인 또는 토큰을 온라인상에서 공개적으로 판매함으로써 필요한 자금을 조달하고, 투자자에게 참여 비율에 따라 공개적으로 코인 또는 토큰을 분배하는 과정을 포함함

○ ICO는 법에 정해진 절차 없이 일종의 사업 계획서인 백서(white paper)를 통해 암호화폐에 기반한 미래 사업의 비전을 제시하는 방식으로 투자자를 모집함
● 백서는 일반적으로 미래 가치를 공정하게 판단하기 어렵고, 프로젝트를 과장하기 때문에, 투자자로 하여금 과도한 기대를 갖게 하는 경향이 있음

○ 최근 일부 기업이 무분별하게 ICO를 진행하고 해킹, 사기적 모집이 증가하고 있기 때문에, 우리나라를 포함하여 중국, 미국 등 각국이 ICO 규제를 강화하고 있는 추세임

○ 본 연구에서는 최근 급증하는 암호화폐 ICO 행위와 관련, 인터넷에서 공개된 자료를 수집하고, 데이터 분석을 통해 ICO를 정량적으로 평가하고자 함.
● 인터넷상에 공개된 백서, 블록체인 암호화폐의 소스 코드, 관련 커뮤니티 내의 텍스트 데이터와 여론의 형성 및 전파 과정 등에 대한 분석을 진행하고자 함.
● 백서, 커뮤니티 내 여론을 기계학습 모델에 투입하기 위해 텍스트 임베딩 알고리즘인 BERT를 적용하여 텍스트 벡터 특성(feature)을 도출할 계획임
● 또한, 블록체인 암호화폐간 소스 코드의 유사도 분석을 위해 코드 분석 알고리즘인 exEyes, MOSS 등을 적용하여 기존 소스 코드들과의 유사도를 판명하고자 함
● 마지막으로, 커뮤니티 여론 전파의 사용자 네트워크 구조를 기계학습에 투입하기 위해 node2vec 알고리즘을 적용하고자 함

○ 데이터 기반의 정량적 ICO 평가방법론 제시
● 기업공개(IPO)를 분석하고 평가하는 사례는 다수 존재하지만 ICO를 평가하는데 최적화된 방법론에 대한 연구는 미진함
● 기존 ICO 평가방법론들은 평가자가 평가표에 직접 점수를 매기는 정성적인 방법으로 평가가 이루어지고 있으나 ICO에 적합한 평가 방식을 차용하지 못함
● 기업공개(IPO)와 비즈니스 모델 평가방법론을 확장하여 블록체인 및 암호화폐를 다루는 ICO에 최적화된 평가방법론을 고안할 필요가 있음.
● 본 연구에서는 ICO가 진행될 때 발생하는 데이터인 블록체인에 기반한 암호화폐 소스코드, 백서(White Paper), 마케팅 자료를 크롤링을 통해 수집 후 머신 러닝 모델에 투입하기 위한 node2vec, BERT와 같은 벡터 임베딩 기법을 적용하여 분석에 활용할 계획임
● 머신러닝 기반의 분석을 통해 정성적 평가 기준이 아닌 정량적 평가 기준을 수립하여 객관적인 ICO 평가 지표를 제시할 수 있을 것으로 기대됨.
○ 사기 ICO 예방을 위한 방법론 제시
● 금전 편취를 위한 사기 ICO가 범람하고 있음에도 불구하고 이를 평가하는 평가 방법 체계와 이를 탐지하고 예방하기 위한 연구가 부족한 상황임
● 본 연구를 통해 ICO의 정량적 평가방법론이 수립되는 경우, 사기 ICO에 대한 예방 시스템을 구축하여 건전한 블록체인 생태계 수립에 기여할 수 있음

1. 학문적 기여
○ 최신 임베딩 알고리즘을 활용한 비정형 데이터의 특성 공학 방법론 제시
● 지금까지 비정형 데이터를 활용한 연구는 텍스트 데이터에 국한되어 오고 있음. 또한, 이러한 데이터를 활용한 실질적인 문제 해결보다는 탐색적인 연구 문제 해결에만 사용되는 ...

1. 학문적 기여
○ 최신 임베딩 알고리즘을 활용한 비정형 데이터의 특성 공학 방법론 제시
● 지금까지 비정형 데이터를 활용한 연구는 텍스트 데이터에 국한되어 오고 있음. 또한, 이러한 데이터를 활용한 실질적인 문제 해결보다는 탐색적인 연구 문제 해결에만 사용되는 경우가 많았음
● 본 연구는 텍스트 데이터, 네트워크 데이터 등을 구축하고, 이를 각각의 벡터 임베딩 기법으로 특성을 추출하여 실질적인 문제 해결을 위한 지도 학습에 활용하는 방법론을 제시하였음

2. 실무적 관점
○ 최근 늘어나고 있는 블록체인 관련 비즈니스 평가 모형 제안
● 다양한 ICO가 범람하고 있는 가운데 성공적인 ICO를 예측하고, 이를 평가하기 위한 연구는 이루어지지 않음.
● ICO의 특성상, 제한된 자료를 이용하여 투자를 평가하고 있기 때문에 투자자의 경험과 판단이 중요하지만, 이를 평가하기 위한 모형은 정성적인 수준으로 이루어지고 있었음
● 본 연구에서는 ICO 과정 중에 나타나는 다양한 데이터들을 바탕으로 효과적인 투자를 위한 객관적인 평가 모형을 제안하였음

○ ICO 사기 관련 예방 및 탐지 모형 제안
● ICO와 관련한 다양한 사기 사건이 발생하고 있어 적잖은 사회적 손해가 발생함
● ICO에 대한 객관적인 평가 지표가 없어 투자자들은 큰 위험을 감수해야 함
● 블록체인 암호화폐는 계속해서 만들어지고 있지만 투자대상으로써 평가하기 위해서는 전문 지식이 필요하여 투자자들의 피해가 점점 커지는 상황임
● 따라서 ICO가 사기인지를 객관적으로 평가하여 불필요한 사회적 비용을 줄이고 미래의 암호화폐 금융시장에 대한 선제적 대응이 가능할 것으로 기대됨

○ 본 연구는 ICO의 성공 가능성 및 사기 여부를 탐지하기 위해 블록체인 암호화폐 소스코드, 백서, 커뮤니티 여론등 다양한 데이터를 수집하여 ICO를 여러 관점에서 정량적으로 평가하고자 함

○ 이를 위해 데이터 수집, Feature 개발, 데이터 분석, 결과 검증의 절차를 ...

○ 본 연구는 ICO의 성공 가능성 및 사기 여부를 탐지하기 위해 블록체인 암호화폐 소스코드, 백서, 커뮤니티 여론등 다양한 데이터를 수집하여 ICO를 여러 관점에서 정량적으로 평가하고자 함

○ 이를 위해 데이터 수집, Feature 개발, 데이터 분석, 결과 검증의 절차를 거쳐 연구를 진행하고자 함

○ 먼저, ICO 평가를 위한 체계적인 평가 프레임워크를 구상할 계획임
● 기존의 IPO 평가 연구를 분석하여 ICO를 평가하기 위한 핵심적인 특성(feature)을 재정의하여 블록체인 암호화폐에 대한 평가 체계를 설계하고자 함
● ICO에 대해 공식적으로 공개되는 자료는 백서와 블록체인 암호화폐 소스코드가 전부라고 볼 수 있으므로 해당 자료를 수집함과 동시에 ICO와 관련된 커뮤니티 여론 또한 사용자들의 투자 결정에 많이 참고되므로 사용자들의 여론에 대한 오피니언 마이닝(Opinion Mining)을 수행할 절차를 구축할 것임
● 최근 블록체인 암호화폐는 금융시장의 관심사이며 새로운 암호화폐에 대한 언론, 투자기관의 관심을 받고 있으므로 뉴스기사 또는 투자기관 의견 등을 종합하는 체계를 수립할 예정임
● 최종적으로 ICO 주요 특성별 정량적인 평가 지표를 제안하여 기존의 ICO와 새로이 등장하는 ICO를 객관적으로 평가할 수 있도록 할 것임

○ 둘째, 기존 IPO 평가 기법을 ICO에 적합하게 확장하여 설계한 평가 프레임워크에 따라 ICO 데이터를 수집할 계획임
● 암호화폐 ICO의 경우 실체 구현체인 소스코드를 공개함으로써 자신들의 기술력을 증명함
● 하지만, 사기 ICO로 판명난 과거 프로젝트 중에도, 소스 코드는 기존 프로젝트의 것을 베껴오는 것이 있어, 소스 코드의 공개 여부만으로도 전문가가 아닌 사람들이 기술력에 대한 검증을 진행하는 것은 불가능에 가까움
● ICO 백서를 구성하는 핵심 요인을 추출하여 DB화하고, ICO에서 제시하는 블록체인 암호화폐 소스코드의 유사도 판별, 핵심 코드 도출을 위한 임베딩 기법을 적용할 예정임
● 소스 코드 및 저장소 내의 활동기록 등을 추출하여 저장하고자 함
● 만약 소스 저장소가 없는 경우, 저장소 관련 벡터의 값을 결측치로 두어 모델에서 소스 저장소가 없는 것을 반영시키도록 할 계획임

○ 셋째, ICO 백서로부터 추출된 정보와 함께 다양한 채널을 통해 관련 텍스트 데이터를 수집할 계획임
● 한국의 경우 암호화폐 투자 관련 논의가 활발한 다음의 “코인천사” 카페 및 클리앙 “암호화폐당” 게시판, 암호화폐 모임인 “DDENGLE” 등의 커뮤니티를 웹 크롤링하여 특정 암호화폐에 대한 사용자들의 여론을 수집할 계획임
● 또한, 네이버 블로그, 다음 블로그, 티스토리 등의 블로그 플랫폼에 올라오는 특정 코인 관련 포스트들에 대해서도 웹 크롤링을 이용하여 텍스트 데이터를 구축할 계획임.
● 국외 ICO의 경우, 다양한 해외 채널을 발굴하여 수집할 계획임.
● 수집된 텍스트 데이터는 텍스트 벡터 임베딩 알고리즘인 BERT와 감성분석을 통해 연구에 활용될 계획임
● 또한, 커뮤니티의 여론 확산 구조를 작성자-댓글 등의 네트워크 구조로 확인 후 네트워크를 node2vec 알고리즘으로 벡터화할 계획임

○ 마지막으로 객관적인 평가방법론을 도출하기 위해 기존 ICO 백서를 통해 성공적으로 상장된 암호화폐 및 실패 사례, 사기로 판명된 사례를 분류하는 분류기 개발할 계획임
● ICO 백서의 분류기 개발을 위해 수집된 데이터에 구체적인 라벨링(labeling) 작업을 수행하여 고품질의 학습 데이터를 구축하고자 함
● 분류기는 성공, 실패, 사기를 분류할 뿐만 아니라 판단에 대한 신뢰도를 바탕으로 점수화할 수 있는 지표를 도출하도록 구현할 예정임
● ICO 백서로부터 추출된 핵심 특성(feature)과 더불어 웹 크롤링으로 얻은 정보를 결합하여 신뢰도를 확보할 수 있는 지표로 발전시킬 예정임

○ 데이터 분석은 Deep Learning과 Gradient Boosting을 활용하여 Ensemble Model을 통해 데이터를 분류하고자 함
● 첫 번째 모형인 Deep Learning 모형에서는 텍스트 데이터를 BERT 알고리즘을 통해 벡터화시킨 데이터셋을 이용하여 합성곱 신경망 분류 모델을 사용하여 분류할 예정임
● 두 번째 모형인 Gradient Boosting 분류 모형에서는 벡터 형태의 Feature들을 모두 투입하여 유의미한 분류 모형을 구축할 계획임
● 본 연구에서 활용하고자 하는 Gradient Boosting알고리즘인 catboost 알고리즘은 Anna Veronika Dorogush et al.,(2017)에 의하면 범주형 자료 분류에 최적화된 변환 기법을 가지고 있는 것으로 확인 됨
● 따라서, 성공, 실패, 사기 3개의 분류로 데이터를 구분하는 해당 연구에 가장 적합한 알고리즘으로 확인하였음