本研究では、ビットコインブロックチェーンデータを用いて、不正資金洗浄に関連するサブグラフの特徴を学習するためのデータセット「Elliptic2」を紹介する。Elliptic2は、49M個のビットコインクラスターと196M個の取引関係から成る大規模なグラフデータで、その中に12.1万個の正常および不審なサブグラフが含まれている。
実験の結果、サブグラフ表現学習手法の一つであるGLASSが、サブグラフの分類精度において優れた性能を示した。特に、不審なサブグラフの予測精度が高く、実際の不正活動との関連性も確認できた。例えば、不審なサブグラフの多くが仮想通貨ミキサーやポンジスキームなどの不正サービスから資金を受け取っていることが明らかになった。
このように、Elliptic2データセットを用いることで、ビットコインブロックチェーン上の不正資金洗浄の特徴を学習し、新たな不正活動を効果的に検出できることが示された。本手法は、金融機関や規制当局における仮想通貨の不正取引監視に活用できる可能性がある。
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Claudio Bell... às arxiv.org 05-01-2024
https://arxiv.org/pdf/2404.19109.pdfPerguntas Mais Profundas