Real-CATS: conjunto de dados rotulado para detectar crimes cibernéticos com criptomoedas

Resumo

O documento apresenta o conjunto de dados Real-CATS, destinado a apoiar o desenvolvimento e a avaliação de métodos de detecção de endereços de criptomoedas. Ele combina endereços identificados como criminosos em relatos do mundo real com endereços benignos associados a clientes de corretoras, fornecendo exemplos rotulados para pesquisas em uma área onde dados acessíveis do mundo real têm sido escassos.

Os autores descrevem três usos: comparar métodos de detecção, ampliar o conjunto de dados com características adicionais e avaliar métodos em um contexto que busca refletir a implantação no mundo real. Eles caracterizam a qualidade do conjunto de dados por abrangência, classificabilidade, personalização e transferibilidade. O resumo informa os tamanhos e a origem dos dados, mas não apresenta benchmarks de detecção nem evidências de que um método específico tenha bom desempenho. Os resultados podem depender de como os rótulos foram coletados e de quanto a amostra representa os endereços encontrados na implantação; portanto, o conjunto de dados é um recurso de pesquisa, e não uma prova de precisão operacional.

Ideias principais

• Endereços reais rotulados podem ajudar a enfrentar a escassez de dados em pesquisas sobre crimes com criptomoedas.
• O conjunto de dados combina endereços criminosos relatados com endereços benignos de clientes de corretoras.
• Ele se destina à avaliação de métodos, à ampliação de características e a análises voltadas à implantação.
• O documento descreve o escopo do conjunto de dados, mas não relata desempenho comparativo de detecção.

Tags

# 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

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.