网络犯罪比特币收入估算：量化方法与覆盖度的影响
密码学与安全
2023-11-29 v2
摘要
多项工作已利用公开的比特币账本来估算网络犯罪分子从其受害者处获得的收入。针对同一目标的估算常常不一致，这是由于使用了不同的方法、种子地址和时间段。这些因素使得理解其方法差异的影响具有挑战性。此外，由于对目标支付地址的（缺乏）覆盖，它们低估了收入，但该影响有多大仍属未知。在本工作中，我们对网络犯罪比特币收入估算进行了首次系统性分析。我们实现了一个可复现不同估算方法的工具。利用我们的工具，我们能在受控环境下量化不同方法步骤的影响。与广泛看法相反，我们表明收入并非总是被低估。存在可引入巨大高估的方法。我们收集了 30,424 个支付地址，并用它们比较 6 类网络犯罪（勒索软件、剪贴器、色情敲诈、庞氏骗局、赠品诈骗、交易所诈骗）和 141 个网络犯罪团伙的财务影响。我们观察到流行的多输入聚类未能发现 40% 团伙的地址。我们首次量化了（缺乏）覆盖对估算的影响。为此，我们提出两种技术以在 DeadBolt 服务器勒索软件上实现高覆盖，可能近乎完整。我们扩展的覆盖使得对 DeadBolt 收入的估算达到 247 万美元，是使用两个流行互联网扫描引擎估算值的 39 倍。
引用
@article{arxiv.2309.03592,
title = {Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage},
author = {Gibran Gomez and Kevin van Liebergen and Juan Caballero},
journal= {arXiv preprint arXiv:2309.03592},
year = {2023}
}