Defesa de dissertação (18/02/2026): Matheus dos Santos Moura
Discente: Matheus dos Santos Moura
Título: Detecção Híbrida de Anomalias e Pontos de Mudança para Esquemas de Pump-and-Dump em Corretoras Centralizadas de Criptomoedas
Orientador: Diogo Silveira Mendonça
Banca: Diogo Silveira Mendonça (Cefet/RJ), Eduardo Soares Ogasawara (Cefet/RJ) e Igor Machado Coelho (UFF)
Dia/Hora: 18 de fevereiro de 2026 / 15:00
Resumo: O rápido crescimento dos mercados de criptomoedas intensificou as preocupações relacionadas a práticas de manipulação de mercado, e particularmente aos esquemas de pump-and-dump. A detecção desses esquemas permanece desafiadora devido à alta volatilidade das criptomoedas e a disponibilidade limitada de dados confiáveis. Trabalhos relacionados baseiam-se predominantemente em técnicas de detecção de anomalias, as quais frequentemente apresentam dificuldades com precisão e adaptabilidade. Neste trabalho, propomos dois métodos de detecção offline que exploram um arcabouço híbrido combinando detecção de anomalias e de pontos de mudança para a identificação de esquemas de pump-and-dump. O primeiro método, HD Pump, integra a detecção de anomalias de volatilidade em séries temporais de preços com a detecção de pontos de mudança aplicada ao volume negociado. O segundo método, HD Pump Plus, estende essa abordagem ao substituir a série temporal de preços por uma série temporal baseada em rush orders. A avaliação experimental em um conjunto de dados contendo 178 eventos confirmados de pump-and-dump da exchange Binance mostra que o HD Pump Plus supera abordagens estatísticas anteriores, alcançando precisão de 96,4%, recall de 89,3% e F1-score de 92,7%. Esses resultados demonstram a efetividade da estratégia híbrida de detecção em avançar o estado da arte, mantendo simplicidade metodológica.