首页|基于动机分析的区块链数字货币异常交易行为识别方法

基于动机分析的区块链数字货币异常交易行为识别方法

Abnormal Transaction Behavior Recognition Based on Motivation Analysis in Blockchain Digital Currency

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
当前区块链数字货币被众多恶意交易者利用,导致了"粉尘"注入、"空投"操作、勒索、骗局等一系列异常交易行为.因此,研究区块链数字货币异常交易行为的识别方法对于规范交易行为、保障网络空间安全具有重要意义.在众多区块链数字货币中,比特币市值超过所有区块链数字货币市值和的一半,具有高代表性.比特币系统的用户数量多、交易规模大、地址匿名化等特性,为异常交易行为的准确识别带来巨大挑战.鉴于任何比特币异常交易行为背后都存在着明确的动机,本文以分析交易动机为切入点,设计了一种新颖的比特币异常交易行为识别方法.具体地,我们以空投糖果和贪婪注资两类异常交易行为作为典型代表,分别设计了两类异常交易行为的判定规则,进而抽象出异常交易模式图.在此基础上,利用子图匹配技术设计实现了比特币异常交易行为的识别算法.为了评估本方法的效果,我们收集了近30个月的比特币历史交易数据,通过人工分析确定了异常交易行为的真值集.实验结果显示,空投糖果行为的识别召回率为85.71％、准确率为43.62％,贪婪注资行为的识别召回率为81.25％、准确率为54.32％.此外,我们重点分析展示了三个比特币异常交易行为的典型实例,通过真实案例进一步验证了本文所提方法的有效性.

沈蒙、桑安琪、祝烈煌、孙润庚、张璨

展开 >

北京理工大学计算机学院 北京100081

密码科学技术国家重点实验室 北京100878

区块链 比特币 异常交易行为 动机分析 交易图

课题得到国家重点研发计划广东省重点领域研发计划国家自然科学基金国家自然科学基金北京市自然科学基金北京市科技新星计划

2020YFB10061012019B01013700361972039618720414192050Z201100006820006

2021

10.11897/SP.J.1016.2021.00193

计算机学报
中国计算机学会 中国科学院计算技术研究所

计算机学报

CSTPCDCSCD北大核心
影响因子：3.18
ISSN：0254-4164
年,卷(期)：2021.44(1)
  • 12
  • 7