DIBA：基于有效交易拓扑结构的非法比特币地址检测方法

《ACM Transactions on Knowledge Discovery from Data》：DIBA: Effective Transaction Topology-Based Detection of Illicit Bitcoin Addresses

比特币非法地址检测中，现有方法忽视交易拓扑信息，本文提出DIBA框架，通过UTXO模型构建地址交易图，并设计混合时空网络学习图嵌入，实验表明其精度达92.77%和93.58%，优于现有方法，并开源18万地址的标注数据集。

　　

摘要AI 摘要

要查看此由 AI 生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

作为最有价值的加密货币，比特币已成为犯罪活动的重要目标，导致了巨大的财务损失。为了及时发现犯罪活动并减少损失，准确检测非法地址至关重要。当前的研究通常涉及从地址中提取特征，以将其分类为合法或非法。然而，这些研究忽略了与地址相关的交易拓扑信息，从而降低了效率。在本文中，我们专注于改进地址信息的利用，并提出了 DIBA 检测器，这是一个旨在自动检测非法比特币地址的有效框架。DIBA 首先结合了一个交易图构建模块，该模块基于 UTXO 模型为每个地址构建交易图，从而将其映射到每个地址的交易拓扑结构中。随后，设计了一种新颖的混合时空网络来学习每个地址交易图的图表示，生成全面的图嵌入，作为最终分类模型的关键输入。实验结果表明，我们提出的框架在检测非法比特币地址方面优于现有的最先进方法，准确率和 F1 分数分别达到了 92.77% 和 93.58%。作为额外的贡献，我们构建了一个包含超过 180,000 个地址的数据集，其中一半标记为合法地址，另一半标记为非法地址。我们的数据集发布在 https://github.com/dlvlb123/DIBA。

AI 摘要

AI 生成的摘要（实验结果）

此摘要是使用自动化工具生成的，未经过文章作者的撰写或审核。它旨在帮助发现、评估相关性，并帮助来自相关研究领域的读者理解本文的工作。它旨在补充作者提供的摘要，后者仍然是文章的官方摘要。完整文章才是权威版本。点击此处了解更多。

点击 此处 对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此由 AI 生成的通俗语言摘要，您必须具有高级访问权限。