Título: Detección de comportamiento malicioso en la Blockchain de Ethereum
Directora: Maria Vanina Martinez
Jurados: Esteban Mocskos  y Diego Garbervetsky

Resumen:
Con el objetivo de eliminar un tercero de confianza en las transacciones monetarias entre dos partes, se crea el concepto de criptomoneda con Bitcoin y Ethereum dos de los primeros casos de usos exitosos utilizando blockchain como infraestructura. Sus propiedades de inmutabilidad, descentralización y privacidad motivaron que una parte del sistema financiero se mueva a ellas, creando un nuevo concepto de finanzas descentralizadas (DeFi).
Para lograr esto, crearon las criptomonedas Bitcoin (BTC) y Ether (ETH) respectivamente. Además, Ethereum como infraestructura permite la creación de programas denominados Smart Contracts que corren de manera descentralizada y distribuida. Con el auge de las criptomonedas y DeFi, es que en las blockchains se almacenan y transfieren grandes cantidades de valor. Por lo tanto, gracias a la privacidad que estas proveen, son blanco de
distintos ataques informáticos cuyo autor queda bajo el anonimato. En este trabajo con el objetivo de detectar comportamiento malicioso en Ethereum, instanciamos la arquitectura de inteligencia artificial NetDER que a diferencia de otros métodos de detección, los cuales implementan soluciones ad-hoc a comportamientos específicos, NetDER permite crear modelos híbridos que combinen técnicas de análisis de datos, machine learning y razonamiento basado en conocimiento ontológico para la detección de comportamientos maliciosos de distinto tipo. Para esto, modificamos la implementación existente para optimizar la ejecución, desarrollamos reglas propias que detecten comportamiento sospechoso de las cuentas en blockchain y generamos una base de conocimiento utilizando Ethereum como dominio. Por cada una de estas reglas analizamos los distintos resultados y cómo estas reglas se comportan entre sí.