用于机器学习可追溯性与门罗币网络交易价值分析的模拟区块链
密码学与安全
2020-01-14 v1
摘要
门罗币（Monero）是一种注重隐私的流行加密货币。该区块链使用密码学技术来混淆交易价值，并采用“环保密交易”试图将真实交易隐藏于可变数量的伪造交易之中。我们开发了由 10 和 50 个代理组成的模拟区块链训练集，并对其真实值与密钥具有控制权，以检验上述主张。我们通过刻画面向公众的区块链的局部结构来提取门罗币交易特征，并利用模拟获得的标签进行机器学习。在模拟区块链上对我们特征的机器学习表明，该技术可用于辅助识别个体与群体，尽管其未能成功揭示隐藏的交易价值。我们将该技术应用于真实的门罗币区块链以识别 ShapeShift 交易——一个通过其 API 泄露自身及其用户标签的加密货币交易所。
引用
@article{arxiv.2001.03937,
title = {Simulated Blockchains for Machine Learning Traceability and Transaction Values in the Monero Network},
author = {Nathan Borggren and Hyoung-yoon Kim and Lihan Yao and Gary Koplik},
journal= {arXiv preprint arXiv:2001.03937},
year = {2020}
}