新葡的京官网任伟教授团队的论文《BABD: A Bitcoin Address Behavior Dataset for Pattern Analysis》被信息安全领域顶级期刊《IEEE Transactions on Information Forensics and Security》(简称TIFS)正式接收并在线发表,该论文的第一作者为信息安全系的硕士研究生项悦欣,通讯作者为信息安全系的任伟教授。
随着比特币这种加密货币在金融和在线服务领域的广泛采用,其匿名和去中心化的特点虽然促进了技术创新和交易便利性,但同时也带来了潜在的风险,尤其是在非法交易活动中的应用。这种双刃剑的特性使得监控和识别与非法行为相关的加密货币地址成为维护数字货币生态系统安全和稳定的关键。为应对这一挑战,该论文构建了一个包含13种类型比特币地址、5类指标和148个特征的数据集BABD-13,这是目前所知最大的公开可用的比特币地址行为数据集。论文中还提出了一种新颖的子图生成算法BTC-SubGen,用于从比特币交易图中提取比特币地址对应的子图进而分析局部交易子图的结构特征。该论文应用五种常用的机器学习模型在BABD-13进行分类任务,获得了93.24%至97.13%的准确率。此外,论文对不同类型比特币地址的行为模式进行了深入研究,揭示了一些有意义的模式。这项研究旨在提高对加密货币非法使用的监控能力,从而增强整个加密货币生态系统的安全性和稳定性。
TIFS为中科院一区Top期刊,地大一区期刊,中国计算机学会(CCF)推荐的网络与信息安全的A类国际期刊。该论文得到CCF-绿盟“鲲鹏”科学研究基金、数据安全防护与智能治理教育部重点实验室、云南区块链应用技术省重点实验室等项目的资助。
论文信息:
Title: BABD: A Bitcoin Address Behavior Dataset for Pattern Analysis
Authors: Yuexin Xiang, Yuchen Lei, Ding Bao, Tiantian Li, Qingqing Yang, Wenmao Liu, Wei Ren*, Kim-Kwang Raymond Choo
Source: IEEE Transactions on Information Forensics and Security, Vol.19, pp. 2171-2185
DOI: 10.1109/TIFS.2023.3347894
论文链接:https://ieeexplore.ieee.org/document/10375557
通讯员:程池
审核:曾德泽
校对:石剑峰