Deep learning approach for anomaly detection in decentralized finance and stablecoin

다국어 초록 (Multilingual Abstract)

Decentralized Finance (DeFi), a blockchain-based financial service ecosystem, is rapidly growing by providing innovative financial services. However, it also poses various risks, such as the 2025 Bybit hack and the 2022 TerraUSD (UST) collapse. Therefore, anomaly detection in DeFi is essential and crucial to ensure the security and trustworthiness of the DeFi ecosystem. Nevertheless, due to the technical complexity of DeFi—such as its intricate protocol structures and the interactions among smart contracts—and the high volatility of the market, anomaly detection in DeFi remains a very challenging task.
This paper proposes a novel methodology for effectively detecting anomalies in DeFi and stablecoins. Specifically, we introduce a new deep learning model, the Anomaly VAE-Transformer, which combines a Variational Autoencoder (VAE) for extracting short-term local information and a Transformer for capturing long-term dependencies among data. Based on a deep understanding of DeFi protocols, we collect and analyze diverse on-chain data from Olympus DAO, a representative DeFi protocol, and USDT, the most widely used stablecoin, to extract features suitable for anomaly detection. We then demonstrate the superiority of the proposed model by closely analyzing anomaly cases that were successfully detected in Olympus DAO and USDT. By detecting abnormal behaviors in DeFi through the proposed method, malicious attacks and structural changes in DeFi protocols can be promptly identified, which is expected to protect users' assets and improve the security, reliability, and transparency of the DeFi market.

국문 초록 (Abstract)

블록체인에 기반한 분산 금융 서비스인 디파이(DeFi)는 혁신적인 금융 서비스를 제공하며 성장하고 있지만, 2025년 Bybit 해킹사고, 2022년 TerraUSD(UST) 붕괴 사건과 같이 다양한 위험 또한 존재한다. 따라서 디파이 생태계의 안전성과 신뢰성을 보장하기 위하여, 디파이에서의 이상행위 탐지(Anomaly detection)는 매우 중요하며 꼭 필요하다. 하지만 디파이의 복잡한 프로토콜 구조, 스마트 컨트랙트들의 상호작용 등 기술적 복잡성과 높은 시장 변동성으로 인해 디파이에서의 이상행위 탐지는 매우 어려운 도전 과제이다. 이에, 본 논문에서는 디파이와 스테이블코인(Stablecoin)에서 효과적으로 이상행위를 탐지하기 위한 새로운 방법론을 제안한다. 본 연구는 디파이와 스테이블코인에서 딥러닝(Deep learning)을 활용하여 이상행위를 탐지하는 연구로, 단기적인 지역 정보를 추출하기 위한 VAE(Variational autoencoder)와 장기적 관점에서의 데이터간의 의존성(Dependency)을 확인하는 Transformer를 결합한, 새로운 딥러닝 모델인 Anomaly VAE-Transformer를 제안한다. 제안된 모델에서는 디파이 프로토콜에 대한 깊은 이해를 바탕으로 대표적인 디파이 프로토콜인 Olympus DAO와 가장 널리 이용되는 스테이블코인인 USDT의 다양한 온체인 데이터(On-chain data)를 수집하고 분석하여 이상행위 탐지에 적합한 특징(Feature)들을 추출한다. 그리고 제안된 모델이 Olympus DAO와 USDT에서 성공적으로 탐지한 이상행위 사례를 자세히 분석함으로써, 제안된 모델의 우수성을 입증한다. 제안된 방법을 이용하여 디파이의 이상행위를 탐지함으로써 디파이 생태계에 대한 악의적 공격 시도, 디파이 프로토콜의 구조적 변화 등을 신속하게 파악할 수 있으므로, 디파이 사용자들의 자산을 보호하고 디파이 시장의 안전성, 신뢰성과 투명성을 향상시킬 것이라 기대된다.

목차 (Table of Contents)

• Chapter 1. Introduction 1
• Chapter 2. Related Works 8
• 1. DeFi and Olympus DAO 8
• 2. Stablecoin and USDT 26
• 3. Anomaly Detection using Deep Learning 37
• Chapter 3. Proposed Model 50
• 1. Data Collection and Feature Extraction 54
• 2. Anomaly VAE-Transformer 70
• Chapter 4. Experiments and Results 82
• 1. Olympus DAO 82
• 2. USDT 110
• 3. Performance Evaluation 124
• 4. Limitation and Discussion 138
• Chapter 5. Conclusion 141