ART：基于地址-环-交易结构的 Monero 非法活动图谱分析框架

随着执法机构在加密货币 forensics 方面的进步，旨在隐瞒非法资金流动的犯罪行为者愈来愈多地转向“混合”服务或隐私型加密货币。Monero 以其强大的隐私保护和不可追溯性优势而居于领先位置，使得传统区块链分析方法失效。理解 Monero 内犯罪行为者的行为和运营模式因此具有挑战性，这对于支持未来的调查策略和破坏非法活动至关重要。本文中，我们提出了一个案例研究，利用新颖的图基方法从与已发现犯罪活动关联的 Monero 交易中提取结构和时间模式。通过构建 Address-Ring-Transaction 图，我们提取结构和时间特征，并使用它们来训练机器学习模型，以检测类似的行为模式，从而识别潜在的犯罪作案手法。这标志着发展支持隐私保留区块链生态系统中调查工作的分析工具的第一步。