基于图神经网络的区块链身份推断
社会与信息网络
2022-01-25 v1 密码学与安全
机器学习
摘要
区块链的匿名性加速了加密货币平台上非法活动与犯罪行为增长。尽管去中心化是区块链的典型特征之一,我们迫切呼吁有效监管以检测这些非法行为,保障用户交易的安全与稳定。旨在对账户身份做初步推断的身份推断在区块链安全中举足轻重。图挖掘技术作为常用工具,能有效表征账户间交互信息并用于身份推断。然而,现有方法无法兼顾可扩展性与端到端架构,导致高计算消耗与弱特征表示。本文提出一种从交易子图视角分析用户行为的新方法,自然地将身份推断任务转化为图分类模式,并有效避免大规模图中的计算。此外,我们提出一个名为 的通用端到端图神经网络模型,其可接受子图作为输入并学习将交易子图模式映射到账户身份的函数,实现去匿名化。在 EOSG 和 ETHG 数据集上的大量实验表明,所提方法在身份推断上达到 SOTA 性能。
引用
@article{arxiv.2104.06559,
title = {Identity Inference on Blockchain using Graph Neural Network},
author = {Jie Shen and Jiajun Zhou and Yunyi Xie and Shanqing Yu and Qi Xuan},
journal= {arXiv preprint arXiv:2104.06559},
year = {2022}
}
备注
Under review. Blockchain and Trustworthy Systems (BlockSys 2021). Springer, Singapore, 2021