論文の概要: Towards Malicious address identification in Bitcoin
- arxiv url: http://arxiv.org/abs/2112.11721v1
- Date: Wed, 22 Dec 2021 08:11:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-23 18:58:27.424583
- Title: Towards Malicious address identification in Bitcoin
- Title（参考訳）: Bitcoinにおける悪意あるアドレス識別を目指して
- Authors: Deepesh Chaudhari, Rachit Agarwal, Sandeep Kumar Shukla
- Abstract要約: 時間的特徴セットと非時間的特徴セットを生成し、異なる時間的粒度の機械学習(ML)アルゴリズムを訓練し、手法を検証する。
比較分析によると、アドレスとBitcoinの振る舞いは、インディグリー、アウトディグリー、インターイベントタイムと似ている。
時間的粒度の異なる悪質な行動を示した3人の被疑者を同定した。
- 参考スコア（独自算出の注目度）: 3.646526715728388
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The temporal aspect of blockchain transactions enables us to study the
address's behavior and detect if it is involved in any illicit activity.
However, due to the concept of change addresses (used to thwart replay
attacks), temporal aspects are not directly applicable in the Bitcoin
blockchain. Several pre-processing steps should be performed before such
temporal aspects are utilized. We are motivated to study the Bitcoin
transaction network and use the temporal features such as burst,
attractiveness, and inter-event time along with several graph-based properties
such as the degree of node and clustering coefficient to validate the
applicability of already existing approaches known for other cryptocurrency
blockchains on the Bitcoin blockchain. We generate the temporal and
non-temporal feature set and train the Machine Learning (ML) algorithm over
different temporal granularities to validate the state-of-the-art methods. We
study the behavior of the addresses over different time granularities of the
dataset. We identify that after applying change-address clustering, in Bitcoin,
existing temporal features can be extracted and ML approaches can be applied. A
comparative analysis of results show that the behavior of addresses in Ethereum
and Bitcoin is similar with respect to in-degree, out-degree and inter-event
time. Further, we identify 3 suspects that showed malicious behavior across
different temporal granularities. These suspects are not marked as malicious in
Bitcoin.
- Abstract（参考訳）: ブロックチェーントランザクションの時間的側面により、アドレスの振る舞いを調査でき、不正なアクティビティに関与しているかどうかを検出できます。
しかし、変更アドレス(リプレイ攻撃に使用される)の概念のため、時間的側面はbitcoinブロックチェーンでは直接適用されない。
このような時間的側面を利用する前に、いくつかの前処理ステップを実行する必要がある。
私たちは、Bitcoinトランザクションネットワークを調査し、バースト、魅力、イベント間時間などの時間的特徴と、ノードの度合いやクラスタリング係数などのグラフベースのプロパティを使用して、ビットコインブロックチェーン上の他のブロックチェーンブロックチェーンで知られている既存のアプローチの適用性を検証しています。
時間的および非時間的特徴集合を生成し、機械学習(ml)アルゴリズムを異なる時間的粒度で訓練し、最先端の手法を検証する。
データセットの時間的粒度の異なるアドレスの挙動について検討する。
変更適応クラスタリングを適用した後、Bitcoinでは、既存の時間的特徴を抽出し、MLアプローチを適用することができる。
結果の比較分析によると、EthereumとBitcoinのアドレスの振る舞いは、インディグリー、アウトディグリー、インターイベントタイムと似ている。
さらに,時間的粒度の異なる有害な行動を示す3人の被疑者を同定した。
これらの容疑者はBitcoinでは悪意がない。
関連論文リスト
- The Latency Price of Threshold Cryptosystem in Blockchains [52.359230560289745]
本稿では,Byzantine-fault Tolerant(BFT)コンセンサスプロトコルを用いた,しきい値暗号とブロックチェーンのクラス間の相互作用について検討する。
しきい値暗号システムに対する既存のアプローチは、しきい値暗号プロトコルを実行するための少なくとも1つのメッセージ遅延の遅延オーバーヘッドを導入している。
しきい値が狭いブロックチェーンネイティブのしきい値暗号システムに対して,このオーバーヘッドを取り除く機構を提案する。
論文 参考訳（メタデータ） (2024-07-16T20:53:04Z) - The Spatiotemporal Scaling Laws of Bitcoin Transactions [0.4779196219827508]
私たちはBitcoin特有のユニークなパターンを研究します。
我々はBitcoin取引の時間的スケーリング法則を実証的に特徴付けている。
我々は、Bitcoinの観測時間パターンを効果的に近似するマルコフモデルを導入する。
論文 参考訳（メタデータ） (2023-09-21T08:34:47Z) - Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。
ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。
3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-07-11T07:48:39Z) - Demystifying Fraudulent Transactions and Illicit Nodes in the Bitcoin
Network for Financial Forensics [8.97719386315469]
本稿では,Bitcoinネットワークにおける不正検出に対する総合的な応用データサイエンス手法を提案する。
まず、Elliptic++データセットをコントリビュートし、Ellipticトランザクションデータセットを拡張して、822万のBitcoinウォレットアドレス(ノード)を含むようにします。
第2に、多様な機械学習アルゴリズムを用いて、4つのグラフすべてに対して不正検出タスクを実行する。
論文 参考訳（メタデータ） (2023-05-25T18:36:54Z) - Chainlet Orbits: Topological Address Embedding for the Bitcoin
Blockchain [15.099255988459602]
匿名性のある取引を可能にするBitcoinのような暗号通貨の台頭は、さまざまな不正行為の急増につながっている。
トランザクションにおけるそのトポロジ的特性を活用して,Bitcoinアドレスを埋め込む,Chainlet Orbitsという効果的なソリューションを導入する。
当社のアプローチでは,Bitcoinトランザクションネットワーク上で,解釈可能かつ説明可能なマシンラーニングモデルを,ほとんどの日において15分以内で使用することが可能です。
論文 参考訳（メタデータ） (2023-05-18T21:16:59Z) - Blockchain Large Language Models [65.7726590159576]
本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。
提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
論文 参考訳（メタデータ） (2023-04-25T11:56:18Z) - Demystifying Bitcoin Address Behavior via Graph Neural Networks [20.002509270755443]
BAClassifierは、行動に基づいて自動的にbitcoinアドレスを分類するツールである。
私たちは200万以上の現実世界のbitcoinアドレスからなる大規模な注釈付きデータセットを構築し、リリースします。
論文 参考訳（メタデータ） (2022-11-26T14:55:50Z) - Pattern Analysis of Money Flow in the Bitcoin Blockchain [1.14219428942199]
本研究では, テントフローを抽出するために, テント解析に基づく手法を提案する。
テントフローの特徴付けにグラフ埋め込み法を適用した。
私たちの研究は、ソースアクターを分類する上で、マネーフローのトレースが有望なアプローチであることを証明しています。
論文 参考訳（メタデータ） (2022-07-15T07:15:16Z) - Token Spammers, Rug Pulls, and SniperBots: An Analysis of the Ecosystem of Tokens in Ethereum and the Binance Smart Chain (BNB) [50.888293380932616]
トークンと流動性のプールのエコシステムを調査し、両方のブロックチェーン間の類似点と相違点を強調します。
トークンの寿命を見積もると、約60%のトークンが1日以内でアクティブであることが分かりました。
我々は、出口詐欺の詐欺を提示し、両方のブロックチェーン上でその頻度を定量化する。
論文 参考訳（メタデータ） (2022-06-16T14:20:19Z) - Quantum-resistance in blockchain networks [46.63333997460008]
本稿では、ブロックチェーンネットワークにおける量子脅威を特定し、排除するために、米国間開発銀行、IDBラボ、LACChain、量子コンピューティング(CQC)、Tecnologicalo de Monterreyによる研究について述べる。
量子コンピューティングの出現は、非量子耐性暗号アルゴリズムを利用するため、インターネットプロトコルやブロックチェーンネットワークを脅かす。
論文 参考訳（メタデータ） (2021-06-11T23:39:25Z) - Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's
Post-Quantum Security [67.06003361150228]
作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。
本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。
我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
論文 参考訳（メタデータ） (2020-12-30T18:03:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。