이 연구에서는 Elliptic2라는 대규모 암호화폐 거래 데이터셋을 소개한다. 이 데이터셋은 약 49M개의 비트코인 클러스터와 196M개의 거래 내역으로 구성되어 있으며, 그 중 약 2%가 의심스러운 거래로 레이블링되어 있다.
연구팀은 이 데이터셋을 활용하여 하위 그래프 표현 학습 기법을 적용하였다. 구체적으로 GLASS 모델을 사용하여 하위 그래프 분류 작업을 수행하였다. 실험 결과, GLASS 모델은 의심스러운 하위 그래프를 효과적으로 식별할 수 있었다. 특히 PR-AUC와 ROC-AUC 지표에서 우수한 성능을 보였다.
추가적으로 연구팀은 모델 예측 결과를 실제 암호화폐 거래소와 협력하여 검증하였다. 그 결과, 모델이 식별한 의심스러운 하위 그래프 중 약 27%가 실제 불법 활동과 관련된 것으로 확인되었다. 또한 모델 예측 결과를 바탕으로 자금세탁 패턴을 추적하여 추가적인 불법 활동 주체를 발견할 수 있었다.
이 연구는 대규모 암호화폐 거래 데이터에 대한 하위 그래프 표현 학습의 실용성을 입증하였다. 이를 통해 자금세탁 탐지 및 금융 범죄 수사에 활용될 수 있을 것으로 기대된다.
A otro idioma
del contenido fuente
arxiv.org
Ideas clave extraídas de
by Claudio Bell... a las arxiv.org 05-01-2024
https://arxiv.org/pdf/2404.19109.pdfConsultas más profundas