BABD：用于模式分析的比特币地址行为数据集

由于加密货币在主流应用中的采用日益增加，其不再仅仅是暗网上网络犯罪活动的首选。这部分归因于底层账本的透明性，任何个人均可访问公共账本上的交易记录。在本文中，我们构建了一个包含2019年7月12日至2021年5月26日期间比特币交易的数据集。该数据集（以下简称BABD-13）包含13类比特币地址、5类共148个特征的指标，以及544,462条带标签数据，据我们所知是公开可用的最大带标签比特币地址行为数据集。随后我们将所提数据集用于常见机器学习模型，即：k近邻算法、决策树、随机森林、多层感知机以及XGBoost。结果表明，这些机器学习模型在我们所提数据集上的多分类任务准确率介于93.24%至97.13%之间。我们还从实验中分析了所提特征及其关系，并提出了一种k跳子图生成算法，以从由有向异质多图构建的整个比特币交易图中，从特定比特币地址节点（例如与犯罪调查相关的已知交易）出发提取k跳子图。此外，我们依据提取的特征初步分析了不同类型比特币地址的行为模式。