厘清比特币网络中的欺诈交易与非法节点以用于金融取证
密码学与安全
2023-06-13 v1 机器学习
摘要
区块链通过挖掘其开放且不可变的交易数据，为金融取证提供了独特且可问责的渠道。近期，利用加密货币交易数据训练机器学习模型进行异常检测（如洗钱及其他欺诈活动）的研究激增。本文提出一种整体的应用数据科学方法用于比特币网络中的欺诈检测，并作出两项原创贡献。首先，我们贡献了 Elliptic++ 数据集，其扩展自 Elliptic 交易数据集，包含超过 82.2 万个比特币钱包地址（节点），每个具 56 个特征，以及 127 万条时序交互。这使得利用四类图数据检测比特币网络中的欺诈交易与非法地址（行为者）成为可能：（i）交易-交易图，表示比特币网络中的资金流；（ii）地址-地址交互图，捕获比特币地址间交易流类型；（iii）地址-交易图，表示地址与交易间的双向资金流（BTC 从输入地址流向一个或多个交易，以及 BTC 从交易流向一个或多个输出地址）；（iv）用户实体图，捕获代表唯一比特币用户的地址簇。其次，我们使用多种机器学习算法在所有四类图上执行欺诈检测任务。我们表明，从地址-地址与地址-交易图添加增强特征不仅有助于有效检测非法交易与非法地址，还有助于深入理解为加密货币交易中洗钱漏洞的根本原因及欺诈检测与预防策略。发布于 github.com/git-disl/EllipticPlusPlus。
引用
@article{arxiv.2306.06108,
title = {Demystifying Fraudulent Transactions and Illicit Nodes in the Bitcoin Network for Financial Forensics},
author = {Youssef Elmougy and Ling Liu},
journal= {arXiv preprint arXiv:2306.06108},
year = {2023}
}