🔗 Blockchain Fraud Analyzer Pro

Intelligence Artificielle pour la Sécurité On-Chain
L'équilibre parfait entre détection et sérénité

Installation • Utilisation • Configuration • API • Déploiement

🎯 Vision

Blockchain Fraud Analyzer Pro est une plateforme d'investigation on-chain qui combine des méthodes traditionnelles de détection de fraude avec des techniques ultra-scientifiques (MF-DFA, Transfer Entropy, RMT, ESN) pour identifier les comportements frauduleux les plus subtils.

"Dans le chaos de la blockchain, notre outil trouve l'harmonie."

✨ Fonctionnalités

🔍 Détection Spécifique

Type de Fraude	Méthode	Score de Confiance
🌀 Mixers (Tornado Cash)	Pattern matching + Graph analysis	0-100%
🔄 Wash Trading	Cycle detection + Transfer Entropy	0-100%
🧨 Rug Pull	Gini concentration + BOCD	0-100%
🥪 Sandwich Attacks	MEV pattern detection	0-100%
⚡ Flash Loans	Anomaly detection + RMT	0-100%

🧪 Méthodes Ultra-Scientifiques

Méthode	Application	Détecte
MF-DFA	Multifractal analysis	Patterns artificiels, lissage
Transfer Entropy	Causal information flow	Liens anormaux entre variables
BOCD	Bayesian changepoint	Changements de régime soudains
RMT	Random Matrix Theory	Corrélations non-naturelles
ESN	Echo State Network	Dynamique non-linéaire cachée
SSA	Singular Spectrum Analysis	Persistance spectrale anormale
RQA	Recurrence Analysis	Comportements trop réguliers

📊 Interface Feng Shui

5 Éléments : Navigation inspirée des principes du Feng Shui
Jauges énergétiques : Visualisation intuitive des risques
Thème sombre apaisant : Réduction de la fatigue visuelle
Animations fluides : Feedback utilisateur en temps réel

🏗️ Architecture

┌─────────────────────────────────────────────────────────────┐
│                    Streamlit Frontend                        │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐       │
│  │Dashboard │ │Investigation│ │Historique│ │Paramètres│       │
│  └──────────┘ └──────────┘ └──────────┘ └──────────┘       │
└─────────────────────────┬───────────────────────────────────┘
                          │
┌─────────────────────────▼───────────────────────────────────┐
│                 FraudAnalyzerWrapper                         │
│         • Orchestration des analyses                         │
│         • Gestion des erreurs                                │
│         • Cache des résultats                                │
└─────────────────────────┬───────────────────────────────────┘
                          │
┌─────────────────────────▼───────────────────────────────────┐
│              BlockchainFraudAnalyzer (Core)                  │
│  • detect_mixer_patterns()   • detect_wash_trading()        │
│  • detect_rug_pull_signals() • ultra_scientific_detection() │
└─────────────────────────┬───────────────────────────────────┘
                          │
┌─────────────────────────▼───────────────────────────────────┐
│                  BlockchainConnector                         │
│    Covalent │ Etherscan │ Polygonscan │ BSCScan             │
└─────────────────────────────────────────────────────────────┘

📦 Installation

Prérequis

Python 3.9+
pip 21.0+
Git

Installation Locale

# 1. Cloner le dépôt
git clone https://github.com/votre-compte/blockchain-fraud-analyzer.git
cd blockchain-fraud-analyzer

# 2. Créer un environnement virtuel
python -m venv venv
source venv/bin/activate  # Linux/Mac
# ou
venv\Scripts\activate     # Windows

# 3. Installer les dépendances
pip install -r requirements.txt

# 4. Configurer les clés API (optionnel)
mkdir .streamlit
cp .streamlit/secrets.toml.example .streamlit/secrets.toml
# Éditer .streamlit/secrets.toml avec vos clés

# 5. Lancer l'application
streamlit run app.py

Dépendances

streamlit>=1.28.0
pandas>=2.0.0
numpy>=1.24.0
plotly>=5.17.0
requests>=2.31.0
scipy>=1.10.0
scikit-learn>=1.3.0
statsmodels>=0.14.0
matplotlib>=3.7.0
networkx>=3.0
openpyxl>=3.1.0
python-dotenv>=1.0.0

🔑 API Keys

Services Supportés

Service	Utilité	Obtention
Covalent	Données multi-chain	covalenthq.com
Etherscan	Transactions Ethereum	etherscan.io
Polygonscan	Transactions Polygon	polygonscan.com
BSCScan	Transactions BSC	bscscan.com

Configuration des Secrets

Créez .streamlit/secrets.toml :

[api_keys]
covalent = "ckey_votre_cle_ici"
etherscan = "votre_api_key_etherscan"
polygonscan = "votre_api_key_polygonscan"
bscscan = "votre_api_key_bscscan"

[blockchain]
default_network = "ethereum"
max_blocks_back = 50000
rate_limit_delay = 0.1

[analysis]
default_sensitivity = 0.5
enable_ultra_scientific = true
max_transactions = 10000

🚀 Utilisation

1. Lancement de l'application

streamlit run app.py

L'application sera accessible à : http://localhost:8501

2. Investigation d'une adresse

# Exemple d'adresse à analyser
address = "0xd8dA6BF26964aF9D7eEd9e03E53415D37aA96045"  # vitalik.eth
network = "ethereum"

# Paramètres recommandés
blocks_back = 50000        # Derniers 50,000 blocs
detection_level = "Ultra"  # Analyse complète
methods = [
    "Mixer Detection",
    "Wash Trading",
    "Rug Pull",
    "Sandwich Attacks",
    "Ultra-Scientific"
]

3. Interprétation des Résultats

Score	Niveau	Interprétation	Action
0-20%	🟢 LOW	Comportement normal	Aucune action
20-40%	🟡 MEDIUM	Activité inhabituelle	Surveillance
40-70%	🟠 HIGH	Activité suspecte	Investigation
70-100%	🔴 CRITICAL	Fraude probable	Action immédiate

📊 Exemples d'Analyse

Cas 1: Détection de Mixer

# Adresse ayant interagi avec Tornado Cash
address = "0x47ce0C6eD5B0Ce3d3A51fdb1C52DC66a7c3c2936"

# Résultats attendus
mixer_score: 0.78 (HIGH)
suspicious_wallets: ["0x...", "0x..."]
patterns: ["round_values", "hub_and_spokes"]

Cas 2: Analyse Ultra-Scientifique

# Détection de manipulation subtile
ultra_results = {
    'multifractal_width': 0.42,     # >0.3 = anomalie
    'transfer_entropy_mean': 0.35,  # >0.3 = causalité anormale
    'rmt_pvalue': 0.003,            # <0.05 = corrélations non-aléatoires
    'global_ultra_anomaly_score': 0.68
}

🧪 Mode DEBUG (Forensique)

Pour les investigations approfondies avec logs détaillés :

streamlit run app.py -- --debug

Ou dans le code :

analyzer = BlockchainFraudAnalyzer(debug=True)

Les logs sont sauvegardés dans logs/blockchain_fraud_forensic_YYYYMMDD_HHMMSS.log

📁 Structure du Projet

blockchain_fraud_app/
├── app.py                          # Application Streamlit principale
├── blockchain_fraud_analyzer.py    # Core de détection (à copier)
├── requirements.txt                # Dépendances
├── README.md                       # Ce fichier
├── .streamlit/
│   ├── secrets.toml               # Clés API (ignoré par git)
│   ├── config.toml                # Configuration Streamlit
│   └── secrets.toml.example       # Template des secrets
├── utils/
│   ├── __init__.py
│   ├── blockchain_connector.py    # Connexion aux APIs
│   └── fraud_analyzer_wrapper.py  # Wrapper d'intégration
├── logs/                          # Logs forensiques
└── reports/                       # Rapports générés

🚢 Déploiement

Streamlit Cloud (Recommandé)

Pousser le code sur GitHub

git add .
git commit -m "Initial commit"
git push origin main

Connecter sur Streamlit Cloud
- Aller sur share.streamlit.io
- Cliquer "New app"
- Sélectionner votre dépôt GitHub
- Branche: main
- Fichier principal: app.py
Configurer les Secrets
- Aller dans Settings → Secrets
- Ajouter le contenu de .streamlit/secrets.toml
Déployer 🚀

Docker

FROM python:3.9-slim

WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

EXPOSE 8501
CMD ["streamlit", "run", "app.py", "--server.port=8501", "--server.address=0.0.0.0"]

docker build -t blockchain-fraud-analyzer .
docker run -p 8501:8501 blockchain-fraud-analyzer

Heroku

# Procfile
web: streamlit run app.py --server.port=$PORT --server.address=0.0.0.0

# Déploiement
heroku create blockchain-fraud-analyzer
git push heroku main
heroku config:set STREAMLIT_SERVER_MAX_UPLOAD_SIZE=10

🔧 Configuration Avancée

Ajustement des Seuils

# Dans l'interface Paramètres
mixer_threshold: 0.3      # Seuil de suspicion mixer
wash_threshold: 0.4        # Seuil wash trading
rug_threshold: 0.5         # Seuil rug pull
ultra_threshold: 0.6       # Seuil ultra-scientific

Optimisation des Performances

# Pour les analyses de masse
use_sampling = True
max_transactions = 5000
blocks_back = 10000

# Pour les analyses forensiques
use_sampling = False
max_transactions = 50000
blocks_back = 500000

📈 Roadmap

Support Solana et autres blockchains
Analyse en temps réel (WebSocket)
Modèle ML personnalisable
API REST pour intégration externe
Dashboard d'alertes push
Export PDF des rapports
Mode batch pour analyse de masse

🤝 Contribution

Les contributions sont les bienvenues !

# Fork le projet
# Créer une branche
git checkout -b feature/amazing-feature

# Commit les changements
git commit -m 'Add amazing feature'

# Push
git push origin feature/amazing-feature

# Ouvrir une Pull Request

📄 License

Distribué sous licence MIT. Voir LICENSE pour plus d'informations.

🙏 Remerciements

Streamlit - Framework frontend exceptionnel
Covalent - API blockchain de qualité
Etherscan - Données on-chain fiables
Communauté - Tests et retours précieux

📞 Support

Canal	Lien
Issues GitHub	github.com/.../issues
Documentation	docs.blockchain-fraud-analyzer.io
Email	support@blockchain-fraud-analyzer.io

⚖️ Avertissement Légal

Cet outil est fourni à des fins éducatives et d'investigation légitime. L'utilisateur est seul responsable de l'utilisation conforme aux lois applicables (AML, KYC, RGPD). L'outil ne constitue pas un avis juridique.

🍚 Blockchain Fraud Analyzer Pro — L'équilibre entre sécurité et sérénité 🍚

Développé avec 🧠 et 🧘 | Inspiré par le Feng Shui | Propulsé par l'IA

⬆ Retour en haut

📄 Fichier supplémentaire : `.streamlit/secrets.toml.example`

# ====================================================================
# BLOCKCHAIN FRAUD ANALYZER PRO - SECRETS TEMPLATE
# ====================================================================
# Copiez ce fichier vers .streamlit/secrets.toml et ajoutez vos clés
# NE JAMAIS COMMIT secrets.toml !

[api_keys]
# Covalent API (https://www.covalenthq.com/)
covalent = "ckey_votre_cle_covalent"

# Etherscan API (https://etherscan.io/)
etherscan = "votre_api_key_etherscan"

# Polygonscan API (https://polygonscan.com/)
polygonscan = "votre_api_key_polygonscan"

# BSCScan API (https://bscscan.com/)
bscscan = "votre_api_key_bscscan"

# Blockaid API (optionnel - https://www.blockaid.io/)
blockaid = "votre_cle_blockaid"

# The Graph API (optionnel - https://thegraph.com/)
thegraph = "votre_cle_thegraph"

[blockchain]
default_network = "ethereum"
max_blocks_back = 50000
rate_limit_delay = 0.1

[analysis]
default_sensitivity = 0.5
enable_ultra_scientific = true
max_transactions = 10000

# Seuils de détection
mixer_threshold = 0.3
wash_threshold = 0.4
rug_threshold = 0.5
sandwich_threshold = 0.5
ultra_threshold = 0.6

# Paramètres de coût (en USD)
cost_fn = 5000   # Coût d'une fraude manquée
cost_fp = 100    # Coût d'une fausse alerte

Name		Name	Last commit message	Last commit date
Latest commit History 11 Commits
utils		utils
README.md		README.md
app.py		app.py
blockchain_fraud_analyzer.py		blockchain_fraud_analyzer.py
requirements.txt		requirements.txt

Folders and files

Latest commit

History

Repository files navigation

🔗 Blockchain Fraud Analyzer Pro

🎯 Vision

✨ Fonctionnalités

🔍 Détection Spécifique

🧪 Méthodes Ultra-Scientifiques

📊 Interface Feng Shui

🏗️ Architecture

📦 Installation

Prérequis

Installation Locale

Dépendances

🔑 API Keys

Services Supportés

Configuration des Secrets

🚀 Utilisation

1. Lancement de l'application

2. Investigation d'une adresse

3. Interprétation des Résultats

📊 Exemples d'Analyse

Cas 1: Détection de Mixer

Cas 2: Analyse Ultra-Scientifique

🧪 Mode DEBUG (Forensique)

📁 Structure du Projet

🚢 Déploiement

Streamlit Cloud (Recommandé)

Docker

Heroku

🔧 Configuration Avancée

Ajustement des Seuils

Optimisation des Performances

📈 Roadmap

🤝 Contribution

📄 License

🙏 Remerciements

📞 Support

⚖️ Avertissement Légal

📄 Fichier supplémentaire : .streamlit/secrets.toml.example

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

📄 Fichier supplémentaire : `.streamlit/secrets.toml.example`

Packages