使用无监督学习方法的比特币网络异常检测
机器学习
2017-02-28 v2 密码学与安全
摘要
异常检测问题已被研究很长时间。简而言之，异常是指不正常或不太可能的事物。在金融网络中，盗窃和非法活动往往本质上是异常的。网络成员希望尽快检测异常，以防止其危害网络的社区和完整性。许多机器学习技术已被提出来处理此问题；一些结果看起来很有希望，但没有明显优越的方法。在本文中，我们考虑特定于比特币交易网络的异常检测。我们的目标是检测哪些用户和交易最可疑；在这种情况下，异常行为是可疑行为的代理。为此，我们在由比特币交易网络生成的两个图上使用了三种无监督学习方法，包括 k-means 聚类、马氏距离和无监督支持向量机 (SVM)：一个图以用户为节点，另一个以交易为节点。
引用
@article{arxiv.1611.03941,
title = {Anomaly Detection in Bitcoin Network Using Unsupervised Learning Methods},
author = {Thai Pham and Steven Lee},
journal= {arXiv preprint arXiv:1611.03941},
year = {2017}
}