شناسایی میکسرهای بیت‌کوین با الگوهای آماری تراکنش
خلاصه
این پژوهش بررسی می‌کند که خدمات میکس بیت‌کوین چگونه مسیر وجوه را در تراکنش‌ها و آدرس‌ها پنهان می‌کنند. نویسندگان روش‌هایی برای ردیابی فعالیت میکسرها و شناسایی تراکنش‌های میکس، آدرس‌های میکسر و آدرس‌های فرستنده و گیرنده شرح می‌دهند و نیز وجوهی را که آلوده یا پاک‌شده توصیف شده‌اند از هم متمایز می‌کنند. رویکرد آن‌ها بر الگوهای آماری مشاهده‌شده در فعالیت مرتبط با خدمات میکس تکیه دارد.
از آنجا که نمونه‌های برچسب‌خورده در دسترس نبودند، پژوهشگران با انجام تراکنش از طریق این خدمات، داده‌های برچسب‌خورده تولید کردند. آن‌ها گزارش می‌کنند که الگوهای قابل‌اتکایی یافته و آن‌ها را در الگوریتمی یکپارچه برای شناسایی ترکیب کرده‌اند. این رویکردی عملی برای مسئله طبقه‌بندی با داده‌های حقیقت‌مبنای معتبر محدود است، اما سند جزئیاتی درباره خدمات نمونه‌گیری‌شده، الگوهای مشخص، معیارهای ارزیابی یا عملکرد روی فعالیت‌های دیده‌نشده ارائه نمی‌کند. یافته‌ها به شناسایی در شبکه بیت‌کوین مربوط‌اند و ثابت نمی‌کنند که همین الگوریتم به ارزهای دیجیتال دیگر یا طرح‌های جدیدتر میکس قابل‌انتقال است.
ایده‌های کلیدی
- خدمات میکس می‌کوشند جریان وجوه در تراکنش‌های ارز دیجیتال را پنهان کنند.
- پژوهش در پی شناسایی تراکنش‌های میکس و آدرس‌های مرتبطِ میکسر، فرستنده و گیرنده است.
- چون برچسب‌های موجود کافی نبودند، پژوهشگران با انجام تراکنش از طریق خدمات میکس داده‌های برچسب‌خورده ساختند.
- الگوهای آماری فعالیت برچسب‌خورده در یک الگوریتم شناسایی ترکیب شدند.
- سند معیارهای ارزیابی را گزارش نمی‌کند و قابلیت انتقال فراتر از بیت‌کوین را ثابت نمی‌کند.
برچسب‌ها
متن کامل
# Mixing detection on Bitcoin transactions using statistical patterns # Mixing detection on Bitcoin transactions using statistical patterns Cryptocurrencies gained lots of attention mainly because of the anonymous way of online payment, which they suggested. Meanwhile, Bitcoin and other major cryptocurrencies have experienced severe deanonymization attacks. To address these attacks, Bitcoin contributors introduced services called mixers or tumblers. Mixing or laundry services aim to return anonymity back to the network. In this research, we tackle the problem of losing the footprint of money in Bitcoin and other cryptocurrencies networks caused by the usage of mixing services. We devise methods to track transactions and addresses of these services and the addresses of dirty and cleaned money. Because of the lack of labeled data, we had to transact with these services and prepare labeled data. Using this data, we found reliable patterns and developed an integrated algorithm to detect mixing transactions, mixing addresses, sender addresses, and receiver addresses in the Bitcoin network.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.