Real-CATS : données étiquetées contre la cybercriminalité crypto

Résumé

Le document présente Real-CATS, un jeu de données destiné à soutenir le développement et l’évaluation de méthodes de détection d’adresses de cryptomonnaies. Il rassemble des adresses identifiées comme criminelles dans des rapports réels et des adresses bénignes associées à des clients de plateformes d’échange. Il fournit ainsi des exemples étiquetés pour la recherche, dans un domaine où les données réelles accessibles ont été rares.

Les auteurs décrivent trois usages : comparer des méthodes de détection, enrichir le jeu de données avec des caractéristiques supplémentaires et évaluer des méthodes dans un cadre conçu pour refléter un déploiement réel. Ils évaluent la qualité des données selon leur exhaustivité, la facilité avec laquelle elles peuvent être classées, leur personnalisabilité et leur transférabilité. Le résumé précise la taille et la provenance du jeu de données, mais ne fournit ni benchmarks de détection ni preuve de bonnes performances d’une méthode particulière. Les résultats peuvent dépendre de la manière dont les étiquettes ont été collectées et de la représentativité de l’échantillon par rapport aux adresses rencontrées lors du déploiement ; ce jeu de données constitue donc une ressource de recherche, et non une preuve de précision opérationnelle.

Idées clés

• Des adresses réelles étiquetées peuvent contribuer à pallier le manque de données pour la recherche sur la cybercriminalité liée aux cryptomonnaies.
• Le jeu de données associe des adresses criminelles signalées à des adresses bénignes de clients de plateformes d’échange.
• Il est destiné à l’évaluation de méthodes, à l’ajout de caractéristiques et à des évaluations orientées vers le déploiement.
• Le document décrit la portée du jeu de données, mais ne rapporte aucune performance comparative de détection.

Étiquettes

# Real-CATS: A Practical Training Ground for Emerging Research on Cryptocurrency Cybercrime Detection


# Real-CATS: A Practical Training Ground for Emerging Research on Cryptocurrency Cybercrime Detection









Cybercriminals pose a significant threat to blockchain trading security, causing $40.9 billion in losses in 2024. However, the lack of an effective real-world address dataset hinders the advancement of cybercrime detection research. The anti-cybercrime efforts of researchers from broader fields, such as statistics and artificial intelligence, are blocked by data scarcity. In this paper, we present Real-CATS, a Real-world dataset of Cryptocurrency Addresses with Transaction profileS, serving as a practical training ground for developing and assessing detection methods. Real-CATS comprises 103,203 criminal addresses from real-world reports and 106,196 benign addresses from exchange customers. It satifies the C3R characteristics (Comprehensiveness, Classifiability, Customizability, and Real-world Transferability), which are fundemental for practical detection of cryptocurrency cybercrime. The dataset provides three main functions: 1) effective evaluation of detection methods, 2) support for feature extensions, and 3) a new evaluation scenario for real-world deployment. Real-CATS also offers opportunities to expand cybercrime measurement studies. It is particularly beneficial for researchers without cryptocurrency-related knowledge to engage in this emerging research field. We hope that studies on cryptocurrency cybercrime detection will be promoted by an increasing number of cross-disciplinary researchers drawn to this versatile data platform. All datasets are available at https://github.com/sjdseu/Real-CATS

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.