基于图神经网络揭示比特币地址行为

比特币是由点对点区块链网络驱动的去中心化加密货币之一。在比特币网络中交易的各方无需披露任何个人信息。然而，这种匿名性在一定程度上助长了潜在的恶意交易。事实上，比特币网络中的洗钱、暗网交易和赌博等各种非法活动如今已屡见不鲜。尽管已有大量工作用于识别恶意比特币交易，但现有工具在很大程度上忽视了对比特币地址的行为分析与分类。在本文中，我们提出 BAClassifier，一种能够基于行为自动分类比特币地址的工具。在技术层面，我们提出了以下三项关键设计。首先，我们将比特币地址的交易构建为地址图结构，并引入图节点压缩技术与图结构增强方法来刻画统一的图表示。此外，我们利用图特征网络学习每个地址的图表示并生成图嵌入。最后，我们将一个地址的所有图嵌入聚合成地址级表示，并采用分类模型给出地址行为分类。作为附带贡献，我们构建并发布了一个大规模标注数据集，包含超过 200 万个真实世界比特币地址，涉及 4 类地址行为。实验结果表明，我们提出的框架优于最先进的（SOTA）比特币地址分类器及现有分类模型，其精确率与 F1 分数分别为 96% 和 95%。我们已发布实现与数据集，希望借此启发他人。