論文の概要: Pattern Analysis of Money Flow in the Bitcoin Blockchain

• arxiv url: http://arxiv.org/abs/2207.07315v1
• Date: Fri, 15 Jul 2022 07:15:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-18 21:24:35.435949
• Title: Pattern Analysis of Money Flow in the Bitcoin Blockchain
• Title（参考訳）: Bitcoinブロックチェーンにおけるマネーフローのパターン解析
• Authors: Natkamon Tovanich, R\'emy Cazabet
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.14219428942199
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bitcoin is the first and highest valued cryptocurrency that stores transactions in a publicly distributed ledger called the blockchain. Understanding the activity and behavior of Bitcoin actors is a crucial research topic as they are pseudonymous in the transaction network. In this article, we propose a method based on taint analysis to extract taint flows --dynamic networks representing the sequence of Bitcoins transferred from an initial source to other actors until dissolution. Then, we apply graph embedding methods to characterize taint flows. We evaluate our embedding method with taint flows from top mining pools and show that it can classify mining pools with high accuracy. We also found that taint flows from the same period show high similarity. Our work proves that tracing the money flows can be a promising approach to classifying source actors and characterizing different money flow patterns
• Abstract（参考訳）: bitcoinは、ブロックチェーンと呼ばれる公開分散台帳にトランザクションを格納する最初の、そして最も価値の高い暗号通貨である。 Bitcoinアクターの活動と振る舞いを理解することは、トランザクションネットワークで匿名であることから、重要な研究トピックである。 本稿では,初期源から他のアクターに転送されるBitcoinのシーケンスを表す動的ネットワークを,崩壊するまでのテントフローを抽出するためのテント解析に基づく手法を提案する。 次に,グラフ埋め込み法を適用し,テイントフローを特徴付ける。 本手法は,トップマイニングプールからのtaint流を用いた埋込み手法を評価し,高精度にマイニングプールを分類できることを示す。 また,同時期のtaint流は類似度が高いことがわかった。 我々の研究は、マネーフローの追跡がソースアクターを分類し、異なるマネーフローパターンを特徴付けるための有望なアプローチであることを証明している。

関連論文リスト

• 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)
• FlowX: Towards Explainable Graph Neural Networks via Message Flows [59.025023020402365]
  グラフニューラルネットワーク(GNN)の動作メカニズム解明へのステップとして,その説明可能性について検討する。 本稿では,重要なメッセージフローを識別してGNNを説明するために,FlowXと呼ばれる新しい手法を提案する。 そこで我々は,多様な説明対象に向けて,フロースコアを学習するための情報制御学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-26T22:48:15Z)
• 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)
• Towards Malicious address identification in Bitcoin [3.646526715728388]
  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。
  論文  参考訳（メタデータ） (2021-12-22T08:11:58Z)
• CubeFlow: Money Laundering Detection with Coupled Tensors [39.26866956921283]
  マネーロンダリング(英: Money laundering、ML)とは、不正な活動によって達成された資金源を隠す行動である。 既存のほとんどの手法はグラフやテンソルの密度の高いブロックを検知するが、これは貨幣がしばしば中間口座を通じて転送されるという事実を考慮しない。 この論文で提案されているCubeFlowは、大量のトランザクションから不正を見つけるためのスケーラブルでフローベースのアプローチである。
  論文  参考訳（メタデータ） (2021-03-23T09:24:31Z)
• 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)
• A Blockchain Transaction Graph based Machine Learning Method for Bitcoin Price Prediction [8.575998118995216]
  既存のbitcoinの予測は、主に簡単な機能エンジニアリングに当てはまる。 異なる範囲のパターンを明らかにするために,kオーダーのトランザクショングラフを提案する。 特徴を受け入れて価格予測を行う新しい予測手法を提案し, 異なる歴史時代の特定のパターンを生かした価格予測手法を提案する。
  論文  参考訳（メタデータ） (2020-08-21T20:08:17Z)
• Pump and Dumps in the Bitcoin Era: Real Time Detection of Cryptocurrency Market Manipulations [63.732639864601914]
  インターネット上のコミュニティによって組織されたポンプとダンプの詳細な分析を行う。 これらのコミュニティがどのように組織化され、どのように詐欺を行うかを観察します。 本研究では,不正行為をリアルタイムに検出する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-04T21:36:18Z)

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。