Real-CATS：用于加密货币网络犯罪检测的实用训练基地
密码学与安全
2025-01-28 v1 计算机与社会
摘要
网络犯罪分子构成对区块链交易安全的重大威胁，2024年造成约409亿美元的损失。然而，缺乏有效的真实世界地址数据集阻碍了网络犯罪检测研究的进展。来自更广泛领域（如统计学和人工智能）的反网络犯罪努力因数据稀缺而受阻。本文提出Real-CATS，一个来自真实世界报告的加密货币地址带事务特征数据集，作为开发和评估检测方法的实用训练基地。Real-CATS包含103,203个来自真实世界报告的犯罪地址和106,196个来自交易所客户的良性地址。数据集满足C3R特征（全面性、可分类性、可定制性和真实可迁移性），这是针对加密货币网络犯罪实用检测的基本要求。数据集提供三个主要功能：1）有效评估检测方法，2）支持特征扩展，3）为真实世界部署提供新的评估场景。Real-CATS还为扩展网络犯罪测量研究提供了机会。对于缺乏加密货币相关知识的研究者而言，这一多功能数据平台尤其有益。我们希望随着越来越多的跨学科研究者被吸引到这一多功能数据平台，加密货币网络犯罪检测研究将得到推进。所有数据集均可在 https://github.com/sjdseu/Real-CATS 获取。
引用
@article{arxiv.2501.15553,
title = {Real-CATS: A Practical Training Ground for Emerging Research on Cryptocurrency Cybercrime Detection},
author = {Jiadong Shi and Chunyu Duan and Hao Lei and Liangmin Wang},
journal= {arXiv preprint arXiv:2501.15553},
year = {2025}
}
备注
13 pages, 5 figures