BATscope:比特币恶意地址及混币交易识别

摘要：

*比特币作为第一个也是最主流的基于区块链技术的数字货币,吸引了越来越多用户的关注和投资.因为匿名性和去中心化的特点,比特币也是不法分子常用的洗钱工具.据报道,最近几年比特币已被用于许多案件,包括黑客、暗网市场、资金走私、诈骗和勒索.为了打击此类恶意行为,准确识别比特币地址的类型和比特币交易目的尤为重要.然而,现有的解决方案仅能部分地解决这个问题,并且在识别准确率上表现不佳.在本文中,我们提出了一种基于机器学习的解决方案 BATscope,可以准确地识别比特币地址的类型及一些交易的目的(例如,混币交易).其核心是通过一些可靠的启发式方法和一种新颖的先导预测方法,可以自动化的迭代增加训练集中的比特币地址,从而不断反馈给模型再次训练,稳定提升机器学习模型的性能.评估结果表明,BATscope可以在公开数据集中以 0.99 的精度识别基于混淆的混币交易,并在识别比特币地址的类型(例如,恶意地址)中达到 0.9621/0.9567 的Micro/MacroF1 分数,远高于现有的解决方案.此外,结果还表明我们的启发式方法可以有效地增强可靠的地址标签数据,先导预测也可以准确的进行纠错并进一步提升模型性能.我们利用BATscope进一步分析了混币交易,揭示了混币行为和恶意地址之间的关系.为了证明其鲁棒性和实用性,我们还使用BATscope来验证已知恶意地址,并帮助执法部门分析未知地址并提供线索.进一步证明在实际应用中,BATscope的结果是可靠的.

关键词：比特币、地址分类、机器学习

所属期刊栏目：8

分类号：TP309.2(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：1-16