级联机器学习攻击比特币匿名性
密码学与安全
2019-10-16 v1 机器学习
摘要
比特币是一种去中心化的假名加密货币，也是迄今为止使用最广泛的数字资产之一。其不受监管的特性以及用户固有的匿名性导致其在非法活动中的使用急剧增加。这需要开发能够刻画比特币网络中不同实体的新方法。本文提出一种攻击比特币匿名性的方法，利用一种新颖的级联机器学习方法，仅需直接从比特币区块链数据中提取的少量特征。级联用于将先前分类的数据丰富实体信息，显著提升了多类分类性能，所考虑每一类的精确率（Precision）均接近 1.0。最终模型使用不同机器学习模型实现并比较，显示出比其基线实现显著更高的准确率。我们的方法有助于开发有效的比特币实体刻画工具，从而协助揭露非法活动。
引用
@article{arxiv.1910.06560,
title = {Cascading Machine Learning to Attack Bitcoin Anonymity},
author = {Francesco Zola and Maria Eguimendia and Jan Lukas Bruse and Raul Orduna Urrutia},
journal= {arXiv preprint arXiv:1910.06560},
year = {2019}
}
备注
15 pages,7 figures, 4 tables, presented in 2019 IEEE International Conference on Blockchain (Blockchain)