GuiltyWalker：比特币网络中至非法节点的距离

洗钱是一种具有广泛社会和经济影响的全球现象。加密货币由于缺少当局监管及其匿名性而尤其易受影响。因此，开发新技术以检测和防范非法加密货币交易十分重要。在我们的工作中，我们提出基于图结构和过往标签的新特征，以提升机器学习方法检测洗钱的性能。我们的方法 GuiltyWalker 在比特币交易图上执行随机游走，并基于至非法交易的距离计算特征。我们将这些新特征与 Weber 等人提出的特征结合，观察到在非法分类方面约有 5 个百分点的提升。具体而言，我们观察到所提特征在黑市关闭期间尤其有帮助，而 Weber 等人的算法在该情形下表现不佳。