Real-CATS: Bộ dữ liệu gán nhãn phát hiện tội phạm tiền mã hóa

Bài viết arXiv papers · Tác giả: Jiadong Shi et al.

Tóm tắt

Tài liệu giới thiệu Real-CATS, một bộ dữ liệu nhằm hỗ trợ phát triển và đánh giá các phương pháp phát hiện địa chỉ tiền mã hóa. Bộ dữ liệu kết hợp các địa chỉ được xác định là có liên quan đến tội phạm trong báo cáo thực tế với các địa chỉ không độc hại gắn với khách hàng sàn giao dịch, cung cấp ví dụ có gán nhãn cho nghiên cứu trong bối cảnh dữ liệu thực tế dễ tiếp cận còn khan hiếm.

Các tác giả nêu ba cách sử dụng: so sánh phương pháp phát hiện, mở rộng bộ dữ liệu bằng các đặc trưng bổ sung và đánh giá phương pháp trong bối cảnh được thiết kế để phản ánh triển khai thực tế. Họ đánh giá chất lượng bộ dữ liệu dựa trên tính toàn diện, khả năng phân loại, khả năng tùy chỉnh và khả năng chuyển giao. Tóm tắt nêu quy mô và nguồn gốc dữ liệu, nhưng không có chuẩn đánh giá khả năng phát hiện hay bằng chứng cho thấy một phương pháp cụ thể hoạt động tốt. Kết quả có thể phụ thuộc vào cách thu thập nhãn và mức độ mẫu đại diện cho các địa chỉ gặp khi triển khai; do đó, bộ dữ liệu là tài nguyên nghiên cứu chứ không phải bằng chứng về độ chính xác khi vận hành.

Ý chính

Các địa chỉ thực tế có gán nhãn có thể giúp giải quyết tình trạng thiếu dữ liệu trong nghiên cứu tội phạm tiền mã hóa.
Bộ dữ liệu ghép các địa chỉ được báo cáo là có liên quan đến hoạt động phạm tội với các địa chỉ không độc hại từ khách hàng sàn giao dịch.
Bộ dữ liệu được thiết kế để đánh giá phương pháp, mở rộng đặc trưng và đánh giá theo hướng triển khai.
Tài liệu mô tả phạm vi bộ dữ liệu nhưng không báo cáo hiệu quả phát hiện so sánh.

Thẻ

Tiền mã hóa Học máy Dữ liệu on-chain Thống kê

Toàn văn

# 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

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.