基于交易历史概要的比特币地址分类评估

比特币是一种具有分布式、去中心化和可信机制的加密货币，这使比特币成为流行的全球交易平台。过去十年中，比特币网络在国家间交易的高效性以及地址匿名带来的隐私性吸引了诸多活动，如支付、投资、赌博甚至洗钱。不幸的是，一些利用该平台的犯罪行为未被识别。这使许多政府不愿支持加密货币。因此，识别犯罪地址的能力成为加密货币网络中的重要问题。本文中，我们在文献常用特征之外提出新特征，以构建用于检测比特币网络地址异常的分类模型。这些特征包括交易时间（由区块高度表示）的各种高阶矩，其以高效方式概要了交易历史。所提取的特征通过在带标签类别数据集上监督机器学习方法进行训练。实验评估显示这些特征显著提升了比特币地址分类性能。我们在八种分类器下评估结果，使用LightGBM取得了最高的Micro-F1/Macro-F1为87%/86%。