面向区块链交易可视分析的地址增量聚类方法

摘要：

比特币是一种基于区块链的加密货币,其因具备伪匿名性而常被用于异常交易活动中.目前比特币实体识别多通过启发式聚类方法实现,但此类方法未考虑新数据出现后的结果融合问题,导致算法效率较低.针对该问题,提出一种基于比特币交易数据的增量聚类方法.对区块数据进行分析以获取钱包地址的可聚类交易,构成聚类地址组,并通过查找地址索引表提取聚类实体间的关系.利用并查集算法对该区块钱包地址数据进行增量聚类,得到新的比特币实体关系,进而推测实体类型.同时,对实体进行识别和标注,实现实体交易行为的可视分析.实验结果表明,该方法可以准确地对地址进行增量聚类,体现比特币实体的演变过程,与启发式聚类方法相比时间复杂度更低.

关键词：比特币、区块链交易、可视分析、增量聚类、并查集

所属期刊栏目：46

分类号：TP399(计算技术、计算机技术)

资助基金：国家重点研发计划;天津市自然科学基金

在线出版日期：2020-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：14-20