比特币网络上洗钱活动的特征刻画与检测
社会与信息网络
2019-12-30 v1 密码学与安全
机器学习
摘要
比特币是目前最流行的支持点对点支付的加密货币方案。尽管一些研究强调该网络并未提供完全匿名性，它仍被广泛用于包括洗钱、庞氏骗局和勒索软件支付在内的各类可疑金融活动。本文探究比特币网络上发生的潜在洗钱活动态势。利用历时三年收集的数据，我们构建交易图，并基于多种图特征提供深入分析以区分洗钱交易与常规交易。我们发现洗钱与常规交易的主要差异在于其输出值与邻域信息。随后，我们提出并评估了一组基于四类图特征的分类器：直接邻居、精选特征、deepwalk 嵌入与 node2vec 嵌入，用以分类洗钱与常规交易。结果表明，基于 node2vec 的分类器在二分类中优于其他分类器，达到 92.29% 的平均准确率与 0.93 的 F1 值，并在 2.5 年跨度内具有高鲁棒性。最后，我们展示了分类器在发现未知洗钱服务方面的有效性。相较于二分类，分类器性能有所下降，但针对部分服务可通过简单集成技术改善预测。
引用
@article{arxiv.1912.12060,
title = {Characterizing and Detecting Money Laundering Activities on the Bitcoin Network},
author = {Yining Hu and Suranga Seneviratne and Kanchana Thilakarathna and Kensuke Fukuda and Aruna Seneviratne},
journal= {arXiv preprint arXiv:1912.12060},
year = {2019}
}