在比特币网络中识别勒索软件行为者
密码学与安全
2021-09-01 v1 机器学习
摘要
由于比特币网络的伪匿名性，用户可以隐藏在可无限量即时生成、彼此间无任何正式关联的比特币地址背后。因此，涉及勒索软件及其他非法活动的参与者利用它进行支付转移。我们考虑的另一类活动与赌博相关，因为赌博常被用于转移非法资金。此处所解决的问题是：给定时间受限的比特币交易图，能在多大程度上识别与这些欺诈活动相关的共同模式，并将其应用于发现其他勒索软件行为者。该问题相当复杂，因为同一行为者可能拥有数千个地址，而这些地址之间无任何明显关联或共同行为模式。本文的主要贡献是引入并应用新的局部聚类与有监督图机器学习算法来识别恶意行为者。我们表明，已知此类行为者的非常局部的子图，足以在测试数据集上以 85% 的预测准确率区分勒索软件、随机及赌博行为者。
引用
@article{arxiv.2108.13807,
title = {Identifying Ransomware Actors in the Bitcoin Network},
author = {Siddhartha Dalal and Zihe Wang and Siddhanth Sabharwal},
journal= {arXiv preprint arXiv:2108.13807},
year = {2021}
}