شماریاتی لین دین نمونوں سے بٹ کوائن مکسروں کی شناخت

خلاصہ

یہ تحقیق بتاتی ہے کہ بٹ کوائن مکسنگ سروسز لین دین اور پتے کے ذریعے رقوم کے راستے کیسے چھپاتی ہیں۔ مصنفین مکسنگ سرگرمی کا سراغ لگانے اور مکسنگ لین دین، مکسروں کے پتے، بھیجنے اور وصول کرنے والوں کے پتے شناخت کرنے، نیز آلودہ یا صاف کی گئی بتائی جانے والی رقوم میں فرق کرنے کے طریقے بیان کرتے ہیں۔ ان کا طریقہ مکسنگ سروسز سے وابستہ سرگرمی میں دیکھے گئے شماریاتی نمونوں پر مبنی ہے۔

چونکہ لیبل شدہ مثالیں دستیاب نہیں تھیں، محققین نے ان سروسز کے ذریعے لین دین کرکے لیبل شدہ ڈیٹا بنایا۔ ان کے مطابق انہیں قابلِ اعتماد نمونے ملے، جنہیں ملا کر ایک مربوط شناختی الگورتھم بنایا گیا۔ یہ محدود بنیادی حقیقت والے درجہ بندی کے مسئلے کے لیے عملی طریقہ پیش کرتا ہے، لیکن دستاویز میں نمونے میں شامل سروسز، مخصوص نمونوں، جانچ کے پیمانوں یا نئی سرگرمی پر کارکردگی کی تفصیل نہیں۔ نتائج بٹ کوائن نیٹ ورک میں شناخت سے متعلق ہیں اور یہ ثابت نہیں کرتے کہ یہی الگورتھم دوسری کرپٹو کرنسیوں یا نئے مکسنگ ڈیزائنوں پر بھی لاگو ہوگا۔

اہم خیالات

• مکسنگ سروسز کرپٹو کرنسی لین دین میں رقوم کی نقل و حرکت چھپانے کی کوشش کرتی ہیں۔
• مطالعے کا مقصد مکسنگ لین دین اور متعلقہ مکسروں، بھیجنے والوں اور وصول کنندگان کے پتے شناخت کرنا ہے۔
• پہلے سے موجود لیبل نہ ہونے کے باعث محققین نے مکسنگ سروسز سے لین دین کرکے لیبل شدہ ڈیٹا بنایا۔
• لیبل شدہ سرگرمی سے شماریاتی نمونوں کو ملا کر شناختی الگورتھم بنایا گیا۔
• دستاویز جانچ کے پیمانے نہیں دیتی اور بٹ کوائن سے آگے اطلاق پذیری ثابت نہیں کرتی۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔