Real-CATS (Real-world dataset of Cryptocurrency Addresses with Transaction profileS), Bitcoin жана Ethereum тармактарында кылмыш менен байланышкан жана benign деп белгиленген blockchain даректерин алардын статистикалык транзакция профилдери жана кеңири транзакция жазуулары менен бирге берүү үчүн түзүлгөн реалдуу дүйнөгө негизделген изилдөө маалыматтар топтому. Жүктөлгөн arXiv v1 версиясында Real-CATS 103.203 criminal даректи жана 106.196 benign даректи камтыйт. Criminal белгилер чыныгы колдонуучу-жабырлануучулардын билдирүүлөрүнөн, benign даректер болсо борборлоштурулган биржалардын hot-wallet чыгыштарынан алынган. Изилдөөчүлөр маалыматтар топтомун Comprehensiveness, Classifiability, Customizability жана Real-world Transferability деген төрт C3R касиети аркылуу баалашат. Изилдөөнүн эң маанилүү чечмелөө чеги мындай: Real-CATS кылмышты аныктоочу алгоритм же даректин укуктук жактан кылмыштуу экенин далилдеген система эмес; ал ар кандай аныктоо ыкмаларын өнүктүрүү, салыштыруу жана реалдуураак сыноо шарттарында текшерүү үчүн иштелип чыккан белгиленген маалымат инфраструктурасы.
Жүктөлгөн версияда criminal даректердин 90.612си Bitcoin, 12.591и Ethereum тармагында. Benign даректердин 90.176сы Bitcoin, 16.020си Ethereum тармагында. Bitcoin даректери 32 касиет, Ethereum даректери болсо 52 касиет менен көрсөтүлөт. Изилдөөчүлөр Bitcoin үчүн 39.752.469, Ethereum үчүн 23.436.690 тиешелүү blockchain транзакциясын иштетип, профиль касиеттерин бөлүп чыгарышкан. Ethereum профилдери кошумча ERC-20, ERC-721 жана ERC-1155 token өз ара аракеттерин камтыйт.
Classifiability талдоосунда criminal жана benign даректердин нөлдүк баланс жана жашоо мөөнөтү боюнча жүрүм-турумунда айырмачылыктар байкалган. Bitcoinʼде транзакциясы бар criminal даректердин %90,70и нөлдүк баланс көрсөтсө, benign даректерде бул көрсөткүч %76,56. Criminal Bitcoin даректеринин %60ынын жашоо мөөнөтү 31,10 күндөн кыска, benign даректеринин %60ынын жашоо мөөнөтү 84,94 күндөн кыска. 1.000 күндөн узак жашаган Bitcoin даректеринин үлүшү criminal топто %4,09, benign топто %14,43. Ethereumʼда нөлдүк баланс үлүшү criminal даректерде %50,06, benign даректерде %20,77 деп билдирилген.
Профиль касиеттеринин классификациялануу мүмкүнчүлүгүн баалоо үчүн SVM, k-NN, Decision Tree, Random Forest жана LightGBM колдонулган. Жүктөлгөн булакта LightGBM Ethereum үчүн 0,9187 precision, 0,8520 recall, 0,8840 F1-score жана 0,9080 accuracy; Bitcoin үчүн 0,8130 precision, 0,7712 recall, 0,7916 F1-score жана 0,8716 accuracy берген. Бирок Table 5теги Ethereum Random Forest сабындагы 0,7116 accuracy мааниси ошол саптагы башка метрикалар менен ички жактан шайкеш келбегендиктен, өзгөртүлбөстөн, бирок эскертүү менен берилүүгө тийиш.
Customizability тажрыйбасынын алкагында изилдөөчүлөр 2.500 даректен турган тең салмактуу кичи үлгүдөн биринчи даражадагы коңшуларды колдонуп, 47.009 түйүндүү кеңейтилген transaction graph түзүп, Trans2Vecʼти сынашкан. Trans2Vec 0,8976 precision, 0,9261 recall, 0,9116 F1-score жана 0,9348 accuracy көрсөткүчтөрүн билдирген. Бул тажрыйба кеңири transaction records колдонуу менен Real-CATSʼти туруктуу feature table катары гана эмес, graph негизиндеги ыкмаларга кирүү мүмкүнчүлүгүн берген ыңгайлаштырылуучу ресурс катары пайдаланууга болорун көрсөтүүнү көздөйт.
Real-world Transferability баалоосу үчүн изилдөөчүлөр 12 Август 2024тө Ethereumʼдагы 7.161 блокту сканерлеп, Sup-CATS аттуу өзүнчө тест топтомун түзүшкөн. Булак Sup-CATS үчүн 3.147 criminal жана 11.058 benign даректи билдирет. Real-CATS үстүндө үйрөтүлгөн Random Forest, авторлордун маалыматына ылайык, жаңы criminal даректердин %74,9ун аныктаган, ал эми LGBM өтө чоң натыйжалуулук жоготуусуна учураган. Бул натыйжа өзгөчө маанилүү: бир эле моделдин кокустук train-test бөлүнүшүндө жогорку натыйжа көрсөтүшү жаңыраак жана башка бөлүштүрүүгө ээ даректерде ошол эле ийгиликти сактай турганына кепилдик бербейт.
Изилдөө чечүүгө аракет кылган негизги маселе
Криптовалюта киберкылмыштарын аныктоодо жакшы машина үйрөнүү алгоритмине ээ болуу гана жетишсиз. Моделди илимий жактан баалоо үчүн ал кайсы criminal жана benign даректерде үйрөтүлгөнү, сыналганы жана башка изилдөөлөр менен салыштырылганы да белгилүү болушу керек. Изилдөөчүлөрдүн баштапкы маселеси, өзгөчө Ethereum изилдөөлөрүндө, көптөгөн маалымат топтомдорунун жеке түрдө чогултулушу, бардык даректердин бөлүшүлбөшү жана benign үлгү тандоонун изилдөөлөр арасында өзгөрүшү болуп саналат.
Бул маселе эки натыйжага алып келет. Биринчиден, эки башка изилдөө бир эле же окшош моделдерди колдонсо да, маалымат топтомдору ар башка болгондуктан ийгилик көрсөткүчтөрүн түз салыштыруу мүмкүн болбой калышы мүмкүн. Экинчиден, чектелген же өтө таза белгиленген маалыматта ийгиликтүү болгон ыкма реалдуу дүйнөдөгү татаалыраак бөлүштүрүүгө өткөндө натыйжалуулугун жоготушу мүмкүн.
Ошондуктан Real-CATSʼтин негизги максаты жаңы classifier ойлоп табуудан көрө, изилдөөчүлөр ар кандай classifier жана graph-learning ыкмаларын бир эле реалдуу дүйнөгө негизделген маалымат инфраструктурасында баалай ала турган иштөө чөйрөсүн түзүү болуп саналат.
C3R деген эмне жана Real-CATS үчүн эмнени билдирет?
C3R — авторлор Real-CATSʼти баалоо үчүн колдонгон төрт касиеттин жалпы аталышы: Comprehensiveness маалымат бөлүштүрүүсүнүн ар түрдүү criminal жана benign жүрүм-турумдарды камтышын; Classifiability дарек профилдеринде класстарды ажыратууга жардам берген маалыматтын болушун; Customizability чийки транзакция жазууларынан жаңы касиеттерди же graph түзүмдөрүн түзүү мүмкүнчүлүгүн; Real-world Transferability болсо моделди кокус бөлүнгөн эски үлгүлөрдө гана эмес, кийинчерээк реалдуу deployment сценарийине окшогон маалыматта да сыноо мүмкүнчүлүгүн билдирет.
| Касиет | Кыргызча түшүндүрмө | Булакта кантип бааланат? | Чечмелөө чеги |
|---|---|---|---|
| Comprehensiveness | Камтуулук | Criminal жана benign жүрүм-турумдардын кеңири жана азыраак жасалма бөлүштүрүлүшүн камтуу максаты; existing datasets менен жүрүм-турум бөлүштүрүүсүн салыштыруу. | Бул мүмкүн болгон бардык криптовалюта кылмыш түрлөрү толук камтылган дегенди билдирбейт. |
| Classifiability | Классификациялануу мүмкүнчүлүгү | Нөлдүк баланс, Lifetime, t-SNE визуалдаштыруу жана беш classifier аркылуу профиль касиеттеринин ажыратуу күчү изилденет. | Классификациялануу мүмкүнчүлүгү ар бир дарек катасыз классификацияланат дегенди билдирбейт. |
| Customizability | Ыңгайлаштырылуу мүмкүнчүлүгү | Профиль таблицаларынан тышкары кеңири транзакция жазуулары бөлүшүлөт; transaction graph түзүлүп, Trans2Vec сыналат. | Ар бир graph модели бирдей ийгилик көрсөтөрү далилденбейт. |
| Real-world Transferability | Реалдуу дүйнөгө өткөрүлүү мүмкүнчүлүгү | 12 Август 2024кө таандык Sup-CATS үстүндө жаңыраак criminal даректерди аныктоо сыналат. | Бул өндүрүш чөйрөсүндөгү келечектеги бардык маалымат бөлүштүрүүлөрүндө натыйжалуулук кепилдиги эмес. |
Эмне үчүн Bitcoin жана Ethereum бирдей моделделбейт?
Bitcoin жана Ethereum ар башка транзакция моделдерине ээ. Bitcoin негизинен UTXO — Unspent Transaction Output моделине таянат, ал эми Ethereum эсепке негизделген система. Бул айырма даректин жүрүм-турумун көрсөтүү үчүн кайсы касиеттер маанилүү экенине түздөн-түз таасир этет.
Bitcoinʼде UTXO — мурунку транзакциянын али сарптала элек чыгышы. Жаңы Bitcoin транзакциясы бир же бир нече UTXOну input катары сарптайт жана жаңы outputʼтарды түзөт. Керектүү которуудан кийин каражат калса, ал change output катары кайра жөнөтүлөт. Ушул түзүлүштөн улам Bitcoin дареги input/output slotʼтарда канча жолу орун алганы же канча ар башка дарек менен кирүү/чыгуу байланышын түзгөнү маанилүү профиль касиеттерине айланат.
Ethereum болсо Externally Owned Account (EOA) жана Contract Account (CA) түшүнүктөрүнө негизделет. EOA жеке ачкыч менен башкарылат; Contract Account болсо smart contract коду аркылуу башкарылат. Ethereum транзакциялары ETH которо алат, smart contract функциясын чакыра алат же contract deploy кыла алат. Мындан тышкары Gas колдонуу, Gas Limit жана Gas Price сыяктуу касиеттер бар болгондуктан Ethereum профилине Bitcoinʼде жок кошумча транзакция касиеттери киргизилет.
Ethereum экосистемасында ERC-20 fungible tokenʼдар жана ERC-721, ERC-1155 сыяктуу NFT/multi-token стандарттары менен өз ара аракеттер да даректин жүрүм-турумунун бир бөлүгү болушу мүмкүн. Ошондуктан изилдөөчүлөр token interactions маалыматын да маалымат топтомуна киргизишет.
Эмне үчүн Bitcoin жана Ethereum даректеринде 32 жана 52 касиет колдонулат?
Булакта Bitcoin профили 28 жалпы негизги транзакция касиетинен жана Bitcoinʼге мүнөздүү 4 кошумча касиеттен туруп 32ге жетери; Ethereum профили болсо ошол эле негизги касиеттердин Wei бирдигине ылайыкташкан формасына 8 Gas/contract касиети жана төрт бинардык өлчөмдүн айкалышынан чыккан 16 interaction касиети кошулуп, жалпы 52 касиетке жетери көрсөтүлөт.
Bitcoin жана Ethereumʼдун жалпы негизги профиль касиеттери
| Касиет | Эмнени билдирет? |
|---|---|
| Balance | Даректин калган балансы. |
| Total_received_BTC | Жалпы кабыл алынган Bitcoin көлөмү; булакта Sat бирдигинде сакталат. |
| Total_sent_BTC | Жалпы жөнөтүлгөн Bitcoin көлөмү; Sat. |
| Total_received_USD | Кабыл алынган активдердин күнүмдүк курс боюнча USD эквиваленти. |
| Total_sent_USD | Жөнөтүлгөн активдердин күнүмдүк курс боюнча USD эквиваленти. |
| Transaction_fee | Жалпы transaction fee. |
| Transaction_fee_variance | Transaction fee дисперсиясы. |
| Transaction_number | Жалпы транзакциялардын саны. |
| Payment_transactions | Outgoing transaction саны. |
| Receipt_transactions | Incoming transaction саны. |
| First_time | Биринчи транзакциянын timestampʼи. |
| Last_time | Акыркы транзакциянын timestampʼи. |
| Lifetime | Биринчи жана акыркы транзакциянын ортосундагы убакыт; булакта секунд менен аныкталат. |
| Activity_w | Жок дегенде бир withdrawal транзакциясы бар күндөрдүн саны. |
| Activity_d | Жок дегенде бир deposit транзакциясы бар күндөрдүн саны. |
| Activity_time | Кандайдыр бир активдүүлүк болгон күндөрдүн саны. |
| Max_sent_amount | Эң чоң жөнөтүлгөн көлөм. |
| Min_sent_amount | Эң кичине жөнөтүлгөн көлөм. |
| Max_received_amount | Эң чоң кабыл алынган көлөм. |
| Min_received_amount | Эң кичине кабыл алынган көлөм. |
| Max_sent_transaction_id | Эң чоң жөнөтүү менен байланышкан transaction hash. |
| Min_sent_transaction_id | Эң кичине жөнөтүү менен байланышкан transaction hash. |
| Max_received_transaction_id | Эң чоң кабыл алуу менен байланышкан transaction hash. |
| Min_received_transaction_id | Эң кичине кабыл алуу менен байланышкан transaction hash. |
| Received_variance_BTC | Кабыл алынган көлөмдүн дисперсиясы. |
| Sent_variance_BTC | Жөнөтүлгөн көлөмдүн дисперсиясы. |
| Received_variance_USD | USD менен кабыл алынган көлөмдүн дисперсиясы. |
| Sent_variance_USD | USD менен жөнөтүлгөн көлөмдүн дисперсиясы. |
Булак Ethereum ошол эле негизги касиеттерди колдоноорун, бирок криптовалюта бирдиги Bitcoinʼдеги Sat ордуна Weiге өтөрүн белгилейт. Бир Ether:
түрүндө берилет.
Булакта берилген USD баалоо формуласы
Формула эмнени эсептейт? Дарек ар кайсы күндөрү кабыл алган криптовалюта көлөмдөрүн ар бир күндүн тиешелүү exchange rate маанисине көбөйтүп, жалпы USD эквивалентин чыгарууну көздөйт.
\(d\) деген эмне? Бул биринчи транзакция датасы менен акыркы транзакция датасынын ортосундагы күн.
\(Rec_d\) деген эмне? Булактын билдирүүсү боюнча, \(d\) күнүндөгү received amount.
\(ER_d\) деген эмне? Бул \(d\) күнүндөгү exchange rate мааниси. Изилдөө курс маалыматын Investing.com сайтынан алганын билдирет.
Математикалык ролу кандай? Күнүмдүк көлөм × күнүмдүк баа көбөйтүндүлөрүнүн убакыт боюнча суммасы. Бул ыкма бардык тарыхый coin көлөмдөрүн бир күндүн курсу менен баалоонун ордуна, аларды болгон күндүн баасы менен байланыштырууну көздөйт.
Бирдиги кандай? Натыйжа USD мааниси. Булак теңдемеде \(Rec_d\)нин Sat/Weiден whole-coin бирдигине өтүү деталын өзүнчө көрсөтпөгөндүктөн, бул масштабдоо Verianla тарабынан божомолдонгон эмес.
Авторлор күнүмдүк exchange rate өзгөрүүлөрүнө байланыштуу натыйжаларда кичине вариациялар болушу мүмкүн экенин да белгилешет.
Bitcoinʼге мүнөздүү төрт кошумча касиет
| Касиет | Түшүндүрмө |
|---|---|
| Total_input_slots | Дарек input slot катары орун алган жалпы сан. |
| Total_output_slots | Дарек output slot катары орун алган жалпы сан. |
| Sent_counters | Булактагы аныктамада interaction учурунда input slotʼтарда колдонулган даректердин санын жыйынтыктайт. |
| Received_counters | Булактагы аныктамада interaction учурунда output slotʼтарда колдонулган даректердин санын жыйынтыктайт. |
Булактын ыкма баяны Sent_counters үчүн максаттуу дарек confirmed transactionʼда recipient болгондо даректин өзүнөн башка senderʼлердин саны; Received_counters үчүн болсо максаттуу дарек менен байланышкан recipientʼтердин саны эсептелерин түшүндүрөт. Table 2деги кыска түшүндүрмө менен ыкма абзацындагы багыт терминологиясы ар башка жазылгандыктан, бул жерде ыкма абзацынын операциялык түшүндүрмөсү да өзүнчө сакталды.
Ethereumʼга мүнөздүү кошумча касиеттер
| Касиет | Түшүндүрмө |
|---|---|
| Create_contract | Contract creation саны. |
| Error_count | Ката транзакциялардын саны. |
| Total_gas_used | Колдонулган жалпы Gas. |
| Total_gas_limit | Транзакцияларда белгиленген жалпы Gas Limit. |
| Total_gasP_set | Белгиленген жалпы Gas Price. |
| Gas_limit_Variance | Белгиленген Gas Limit дисперсиясы. |
| GasP_set_Variance | Белгиленген Gas Price дисперсиясы. |
| Gas_weight_block | Булак аныктамасында block башына average transaction cost салмагы. |
| ERC Interactions | Ethereum interaction жүрүм-турумун өлчөө үчүн 16 кошумча касиет. |
16 Ethereum interaction касиети кантип түзүлөт?
Булак төрт бинардык өлчөмдөн турган tuple аныктайт:
Ар бир өлчөм эки мүмкүн болгон абалга ээ болгондуктан айкалыштардын саны:
болот. action, даректин жөнөтүүчү же алуучу экенин; with_contract, транзакция contract менен өз ара аракеттенген-иштешпегенин; with_data, input data бар же жок экенин; transaction_type болсо транзакция internal же normal transaction экенин көрсөтөт.
Булакта берилген мисалда From_contract_wod_internal, максаттуу дарек sender болгон, smart contract менен interaction бар, input data жок жана транзакция түрү internal болгон транзакцияларды санайт.
Token interaction маалыматтары
Ethereum үчүн ERC-20, ERC-721 жана ERC-1155 менен өз ара аракеттер өзүнчө да катталат. Criminal даректерге тиешелүү token interaction файлы булак версиясында TI_C, benign даректер үчүн TI_B деп аталган.
Token contract даректеринин узун тексттерин ар бир сапта кайталоонун ордуна изилдөөдө Identifier.tsv аттуу индекс файлы колдонулган. Булак Table 4 бул файлда 910.864 token identifier бар экенин көрсөтөт. ERC-721 же ERC-1155те token ID керек болсо, contract addressʼке token ID кошулуп, өзүнчө identifier түзүлөт.
Дарек чогултуу жана профиль чыгаруу чынжыры
Criminal даректер кантип белгиленет?
Изилдөөчүлөр Chainabuse.com сайтындагы билдирүүлөрдү 30 Май 2024кө чейин crawlerʼлер менен чогултушкан. Ар бир билдирүүдөн suspect address жана колдонуучу көрсөткөн cybercrime category маалыматы алынган.
Булак бул жерде белги сапатына байланышкан маанилүү көйгөйдү ачык моюнга алат: билдирүү берген жабырлануучулардын адистик деңгээли ар башка болгондуктан категориялар туруктуу эмес. Мисалы, “Other: Disguise as my friend” деген билдирүү Impersonation Scam категориясына киргизилиши мүмкүн; blackmail, mail scam, spam жана жазуу катасы бар окшош билдирүүлөр Blackmail Scam астында бириктирилет.
“2x”, “3x” же “multiplier” сыяктуу көп эсе инвестиция кирешесин убада кылган билдирүүлөр Investment Scam астында топтолот. Булак бул кең категория Ponzi Scheme, Rug Pull, Airdrop Scam жана Giveaway Scam сыяктуу кичи жүрүм-турумдарды камтышы мүмкүн экенин белгилейт. “Elon Musk” сыяктуу celebrity шилтемелери Impersonation Scam; YouTube/Twitter сыяктуу социалдык медиа шилтемелери Social Media Scam катары классификацияланат. Деталы жетишсиз айрым билдирүүлөр Other астында калтырылат; “Other: Sent by mistake” сыяктуу scam эмес билдирүүлөр алынып салынат.
Бул процесс ground-truth толугу менен автоматтык жана катасыз эмес дегенди билдирет. Белгилер чыныгы жабырлануучулардын билдирүүлөрүнөн алынат, бирок категорияларды стандартташтыруунун бир бөлүгү изилдөөчүлөрдүн manual aggregation жана keyword чечимдерине таянат.
Benign даректер кантип тандалат?
Авторлордун benign-selection ыкмасы популярдуу борборлоштурулган биржалар anti-money-laundering максатында катуу KYC колдонушат деген божомолго негизделет. WalletExplorer жана Etherscanʼдан айрым exchange hot-wallet даректери seed катары тандалат.
Hot-walletʼтын outgoing транзакцияларындагы sender дарегинен айырмаланган next-hop даректер benign деп кабыл алынат. Ethereumʼда token transfer smart contract аркылуу өтүшү мүмкүн болгондуктан, түздөн-түз contract дарегин чыныгы алуучу деп эсептөө жаңылыш болушу мүмкүн. Булак мындай учурда transaction input маалыматы `0xa9059cbb` менен башталса, ERC-20 transfer функциясын ажыратып, чыныгы next-hop token recipient дарегин чыгарууга аракет кылат.
Incoming транзакцияларда exchange deposit address түзүмдөрү биржадан биржага айырмалангандыктан previous-hop дарек чыныгы колдонуучубу же кайра эле биржага тиешелүү deposit addressпи — муну аныктоо кыйыныраак. Ошондуктан изилдөөчүлөр benign даректерди exchange-wallet outputʼтарынан гана чогултушкан.
Бир эле дарек criminal да, benign да деп белгиленсе, маалымат топтомунан алынып салынган.
Бул жердеги “benign” белгиси методологиялык класс аныктамасы. Exchange outputʼтан тандалган болуу өзү blockchain дарегинин бардык тарыхый иш-аракети укуктук же факты жүзүндө таза экенин далилдеген өз алдынча ырастоо эмес.
Изилдөөнүн Ыкмасы жана Жыйынтыктары
Real-CATS v1 маалымат топтомунун көлөмү
| Blockchain / маалымат топтому | Criminal | Benign | Жалпы | Профиль касиети |
|---|---|---|---|---|
| Bitcoin — Real-CATS | 90.612 | 90.176 | 180.788 | 32 |
| Ethereum — Real-CATS | 12.591 | 16.020 | 28.611 | 52 |
| Real-CATS жалпы | 103.203 | 106.196 | 209.399 | Blockchain боюнча 32 / 52 |
| Ethereum — Sup-CATS | 3.147 | 11.058 | 14.205 | Ethereum профили |
Бул сандар тактап айтканда жүктөлгөн 26 Январь 2025 arXiv v1 версиясына тиешелүү. Коомдук repositoryʼнин кийинки версияларында маалымат саны өзгөргөн; ар башка версиялардын сандары бир маалымат топтому сыяктуу бириктирилбеши керек.
Иштетилген blockchain transaction көлөмү
| Blockchain | Тиешелүү transaction саны | Транзакция бөлүнүшү |
|---|---|---|
| Bitcoin | 39.752.469 | Full-node ledger үстүндө максаттуу даректерди камтыган транзакциялар. |
| Ethereum | 23.436.690 | Internal, normal, ERC-20, ERC-721 жана ERC-1155 бөлүмдөрү. |
Нөлдүк баланс үлгүсү
Булак criminal даректер мыйзамсыз кирешени алгандан кийин башка дарекке которууга ыкташы нөлдүк баланс жүрүм-туруму менен байланыштуу болушу мүмкүн экенин мурунку изилдөөлөр аркылуу талкуулайт. Бирок бул үлгү детерминисттик эмес: нөлдүк баланс өзү criminal белги дегенди билдирбейт жана benign даректерде да кездешет.
| Blockchain | Criminal даректердеги нөлдүк баланс | Benign даректердеги нөлдүк баланс |
|---|---|---|
| Bitcoin | %90,70 | %76,56 |
| Ethereum | %50,06 | %20,77 |
Bitcoinʼде эки топтун айырмасы болжол менен 14 пайыздык-пункт, Ethereumʼда болжол менен 29 пайыздык-пункт. Бул айырмачылыктардын статистикалык significance тести булакта берилбегендиктен, алар сүрөттөөчү бөлүштүрүү айырмасы катары гана чечмелениши керек.
Lifetime үлгүсү
| Blockchain | Criminal дарек | Benign дарек | Чечмелөө |
|---|---|---|---|
| Bitcoin | %60ы 31,10 күндөн кыска | %60ы 84,94 күндөн кыска | Benign бөлүштүрүү узагыраак жашоо мөөнөтүнө оойт. |
| Bitcoin | %4,09у 1.000 күндөн узак | %14,43ү 1.000 күндөн узак | Узак жашаган даректердин үлүшү benign топто жогору. |
| Ethereum | 100 күндүн ичинде болгондордун үлүшү болжол менен %60 | 100 күндүн ичинде болгондордун үлүшү %34,09 | Criminal CDF ылдамыраак көтөрүлөт. |
Булак бул үлгүнү Short-Life pattern катары талкуулайт. Бирок criminal жана benign бөлүштүрүүлөр бири-бирине дал келип тургандыктан Lifetime өзү кемчиликсиз classifier эмес. Чынында авторлордун “Comprehensiveness” жүйөсүнүн бир бөлүгү да ушунда: Real-CATSʼте класстар учурдагы таза маалымат топтомдорундагыдай жасалма түрдө кескин ажырабайт.
Учурдагы Bitcoin маалымат топтомдору менен жүрүм-турум бөлүштүрүүсүн салыштыруу
Изилдөөчүлөр Elliptic жана дагы бир illicit Bitcoin address маалымат топтомун бириктирип, duplicate жазууларды алып салганда 21.346 criminal дарек алышат. Булак Figure 3тө бул учурдагы маалымат топтомдорундагы criminal даректердин дээрлик баары нөлдүк баланс жана кыска жашоо мөөнөтү сыяктуу өтө ачык үлгүлөрдү алып жүргөнүн билдирет.
Авторлордун чечмелөөсү боюнча, мындай ачык ажыроо classifier үчүн реалдуу турмушка караганда жеңилирээк маселе жаратышы мүмкүн. Ошондуктан Real-CATSʼтин көбүрөөк чачыраган жүрүм-турум үлгүлөрүн камтышын кемчилик эмес, реалдуу дүйнө ар түрдүүлүгүн жакшыраак камтууга аракет катары баалашат.
Бул жыйынтык “Real-CATS реалдуу дүйнөнүн бардык бөлүштүрүүсүн толук көрсөтөт” дегенди билдирбейт. Ал тандалган салыштыруу касиеттеринде азыраак кескин ажыраган бөлүштүрүүнү сунуштай турганын гана көрсөтөт.
t-SNE визуалдаштыруу эмнени көрсөтөт?
Булак сандык профиль касиеттерин стандартташтырып, Bitcoin жана Ethereum үчүн t-SNE визуалдаштырууну түзөт. Criminal үлгүлөр кызыл, benign үлгүлөр көк түстө көрсөтүлөт жана авторлор үлгүлөрдүн чоң бөлүгүндө көрүнүктүү класс ажырашы бар экенин белгилешет.
t-SNE бул жерде classifier эмес. Ал жогорку өлчөмдүү профиль түзүмүн эки өлчөмдө визуалдаштыруу үчүн колдонулган. Мындан тышкары, булак PDF эки өлчөмдүү t-SNE координаттарын таблица түрүндө бербегендиктен Verianla бул бөлүштүрүүнү болжолдуу чекиттер менен кайра чийбейт. Визуалдык ажыраш өзү out-of-sample classification accuracy эмес.
Машина үйрөнүүнү баалоо түзүмү
Изилдөөчүлөр профилдердеги сандык касиеттерди колдонуп, беш классикалык машина үйрөнүү ыкмасын сынашат:
- SVM — RBF kernel;
- k-NN — \(k=5\);
- Decision Tree;
- Random Forest — 100 estimator;
- LightGBM.
Транзакция жазуусу жок даректер бул classification тажрыйбасынан чыгарылат. Dataset 7:3 train/test катышында бөлүнөт жана training set ичинде реалдуу дүйнөдөгү class imbalance сакталат. Натыйжалар 5-fold cross-validation орточо көрсөткүчтөрү катары берилет.
First_time сыяктуу absolute timestamp касиеттери окутуудан чыгарылган. Авторлордун жүйөсү — модель белгилүү бир дата аралыгын criminal жүрүм-турумдун өзү деп кабыл алып, келечектеги даректерге жалпыланбаган датаны жаттап калуусуна жол бербөө.
Precision, Recall, F1-score жана Accuracy кантип окулушу керек?
Төмөнкү теңдемелер бул изилдөөнүн жаңы табылгасы эмес, булакта колдонулган классификация метрикаларынын стандарттуу окутуучу аныктамалары. Criminal дарек оң класс деп кабыл алынганда:
Precision модель criminal деп айткан даректердин канчасы чындап criminal классына кирерин өлчөйт.
Recall чыныгы criminal даректердин канчасы модель тарабынан табылганын өлчөйт.
F1-score precision менен recall ортосундагы гармониялык орточо.
Accuracy бардык туура чечимдердин бардык үлгүлөргө болгон катышы. Class imbalance бар маселелерде accuracy өзү жетишсиз; ошондуктан булак precision, recall жана F1-scoreʼду criminal класс үчүн өзүнчө билдирет.
Профиль негизиндеги беш моделдин жыйынтыктары
| Модель | Ethereum | Bitcoin | ||||||
|---|---|---|---|---|---|---|---|---|
| Precision | Recall | F1 | Accuracy | Precision | Recall | F1 | Accuracy | |
| SVM | 0.8710 | 0.3522 | 0.5015 | 0.7116 | 0.6890 | 0.1750 | 0.2800 | 0.7142 |
| k-NN | 0.7854 | 0.6508 | 0.7117 | 0.7828 | 0.7672 | 0.7717 | 0.7689 | 0.7717 |
| Decision Tree | 0.7825 | 0.7834 | 0.7829 | 0.8210 | 0.6985 | 0.6997 | 0.6991 | 0.8096 |
| Random Forest | 0.9085 | 0.8237 | 0.8640 | 0.7116* | 0.8294 | 0.7234 | 0.7726 | 0.8654 |
| LightGBM | 0.9187 | 0.8520 | 0.8840 | 0.9080 | 0.8130 | 0.7712 | 0.7916 | 0.8716 |
*Булактагы шайкештик боюнча эскертүү: Ethereum Random Forest үчүн 0.7116 accuracy мааниси PDF Table 5те дал ушул түрдө басылган. Precision=0.9085, Recall=0.8237 жана F1=0.8640 менен бир binary evaluation set ичиндеги стандарттуу confusion-matrix байланыштары боюнча чогуу шайкеш көрүнбөгөндүктөн, Verianla бул маанини оңдогон эмес жана булактагы маани катары белгилеген.
Булактагы маанилер боюнча LightGBM Ethereumʼда precision, recall, F1-score жана accuracy жагынан таблицадагы эң жогорку жыйынтыктарды берет. Bitcoinʼде эң жогорку precision Random Forestʼка, эң жогорку recall, F1-score жана accuracy болсо LightGBMʼге таандык.
Customizability: transaction graph жана Trans2Vec
Real-CATS туруктуу профиль таблицасы катары гана калтырылган эмес. Изилдөөчүлөр кеңири транзакция жазууларындагы transaction participant, timestamp жана amount маалыматтарын колдонуп weighted multidigraph түзүүгө болорун көрсөтүшөт.
Демонстрация үчүн 1:1 criminal/benign катышындагы 2.500 дарек кокус тандалып, биринчи даражадагы коңшулар кошулуп graph 47.009 дарекке чейин кеңейтилген. Train/test катышы 7:3. Trans2Vec параметрлери булак изилдөөдөгү оригиналдуу жөндөөлөр менен колдонулганы белгиленет; бул PDF Trans2Vecʼтин бардык гиперпараметрлерин кайра тизмектебейт.
| Precision | Recall | F1-score | Accuracy |
|---|---|---|---|
| 0.8976 | 0.9261 | 0.9116 | 0.9348 |
Авторлор бул жыйынтыкты customizability үчүн далил катары колдонушат: transaction records колдонуучуларга profile-based ыкмалардан чыгып, graph representation же node-embedding ыкмалары үчүн ар башка маалымат түзүмдөрүн түзүүгө мүмкүнчүлүк берет.
Ошол эле учурда изилдөөчүлөр node-embedding ыкмалары чоң transaction graph түзүүнү жана training overhead талап кыларын, ошондой эле transductive ыкмалар жаңы даректерди реалдуу убакытта аныктоодо кыйналышы мүмкүн экенин белгилешет. Ошондуктан Trans2Vecʼти Sup-CATS реалдуу дүйнө сценарийинде сынашкан эмес.
Эмне үчүн Sup-CATS кадимки кокустук тест бөлүнүшүнөн айырмаланат?
Sup-CATS Real-CATSʼтен кокус бөлүнгөн ошол эле мезгилдеги үлгүлөрдөн турбайт; ал 12 Август 2024тө Ethereumʼда активдүү болгон даректерден өзүнчө түзүлгөн жана training маалыматтарына салыштырмалуу убакыт жагынан жаңыраак тест топтому. Максат — модель өткөн маалыматтан үйрөнгөн үлгүлөрүн кийинки бир күндүк blockchain snapshotʼта канчалык сактай аларын баалоо; бул түзүм чыныгы өндүрүш deploymentʼынын толук эквиваленти эмес, ага жакындаган көзөмөлдөнгөн тест сценарийи.
Sup-CATS кантип түзүлгөн?
Изилдөөчүлөр 12 Август 2024төгү бардык 7.161 Ethereum block боюнча сканерлөө жүргүзүшкөн. Criminal класс үчүн Etherscan тарабынан белгиленген 3.147 дарек чогултулган.
Benign класс үчүн ошол күнү активдүү болгон unlabeled даректерден %1 ыктымалдык менен үлгү алынып, 11.058 дарек тандалган. Булак бул unlabeled үлгүлөрдү benign катары колдонот.
Бул жерде маанилүү чечмелөө чеги бар: unlabeled болуу криптографиялык же укуктук жактан “так benign” экенинин өз алдынча далили эмес. Бул изилдөөнүн тест маалымат топтомун түзүү үчүн колдонгон операциялык белгилөө ыкмасы.
Sup-CATS confusion matrix жыйынтыктары
Булак Table 6дагы басылган “Prediction / Truth” баш аттары сандардын class-error арифметикасы жана дароо кийинки текст менен тескери багытта көрүнөт. Төмөнкү таблица булактагы төрт уячанын санын өзгөртпөстөн, class-error эсептөөлөрүнө жана авторлордун “Random Forest %74,9 criminal даректи аныктады” деген билдирүүсүнө шайкеш семантикалык жайгашууда берилет. Бул кайра жайгаштыруу жаңы тажрыйба жыйынтыгы эмес; булак таблицасын түшүнүүгө жардам берген шайкештик көрсөтүүсү.
| Модель | Чыныгы класс | Benign болжол | Criminal болжол | Булак class error |
|---|---|---|---|---|
| Random Forest | Benign | 8.148 | 2.907 | %26,3 |
| Random Forest | Criminal | 790 | 2.357 | %25,1 |
| LGBM | Benign | 8.379 | 2.676 | %24,2 |
| LGBM | Criminal | 2.834 | 313 | %90,1 |
Random Forest үчүн criminal-class detection rate:
Бул маани авторлордун тексттеги “detecting 74.9% of the criminal addresses” сүйлөмүнө толугу менен шайкеш келет.
LGBM үчүн ошол эле criminal-class катышы:
Бул маани стандарттуу терминологияда criminal-class recall/detection rate эсептөөсүнө туура келет. Булактагы prose муну “9.9% precision” деп атайт. Verianla булактагы терминди үнсүз кайталатып, туура эмес метрикага айлантпоо үчүн бул шайкешсиздикти ачык калтырат.
Таблица уячаларынын суммасы:
болсо, булак Sup-CATSʼти:
дарек деп аныктайт. Ортодогу үч жазуулук айырма булакта ачык түшүндүрүлгөн эмес. Section 4.1де транзакция жазуусу жок даректер classification тажрыйбасынан чыпкаланып чыгарылганы айтылса да, Section 4.3 бул үч жазуу дал ошол себептен чыгарылганын түз айтпайт; ошондуктан себебин божомолдоого болбойт.
Жогорку кокустук тест ийгилиги реалдуу дүйнөдө ошол эле натыйжалуулукка кепилдик береби?
Жок. Бул изилдөөдө LGBM Real-CATS үстүндөгү стандарттуу профиль баалоосунда Ethereum үчүн 0,9080 accuracy жана 0,8520 recall бергенде, убакыт жагынан жаңыраак Sup-CATS сценарийинде criminal классты туура кармоо үлүшү болжол менен %9,9га чейин төмөндөйт; Random Forest болсо ошол эле Sup-CATS сценарийинде criminal даректердин болжол менен %74,9ун кармайт. Бул айырма маалымат бөлүштүрүү жана deployment шарты өзгөргөндө моделдердин ирети да өзгөрүшү мүмкүн экенин көрсөтүп, кокустук train-test бөлүнүшү эле реалдуу дүйнөгө өткөрүлүү мүмкүнчүлүгүнө кепилдик бербей турганын далилдейт.
Бул табылга Real-CATS изилдөөсүнүн эң үйрөтүүчү жыйынтыктарынын бири. Table 5те эң күчтүү көрүнгөн модель жаңы бөлүштүрүүдө да эң күчтүү бойдон калбаганы dataset quality баалоосунда жогорку in-sample же random-split scoreʼго гана көңүл буруу жетишсиз болушу мүмкүн экенин көрсөтөт.
Ошол эле учурда Sup-CATS бир күндүк Ethereum маалыматына гана негизделет. Ошондуктан “LGBM реалдуу дүйнөдө жалпысынан начар алгоритм” же “Random Forest келечекте дайыма жакшыраак” деген жыйынтык чыгарууга болбойт.
Жогорку false-positive жүгүнүн мааниси
Random Forest criminal recall жагынан LGBMʼден кыйла ийгиликтүү болсо да, булак жогорку false-positive үлүшү detection performanceʼка олуттуу таасир этерин ачык моюнга алат.
Булак матрицасын шайкеш окуганда Random Forest 11.055 benign тест дарегинин 2.907син criminal деп белгилейт. Ошондуктан criminal даректердин %74,9ун кармоо гана deployment үчүн жетишсиз; жалган эскертүүлөрдүн жүгү да эске алынышы керек.
Авторлор татаалыраак жана системалуу criminal-address filtering ыкмалары бул false positivesʼти азайтышы мүмкүн деп сунушташат. Бул билдирүү келечектеги ишке байланышкан пикир; азыркы тажрыйба мындай filtering системасы чындап канча жакшыртуу берерин өлчөгөн эмес.
Изилдөө колдогон жыйынтыктар
- Жүктөлгөн v1 версиясында Real-CATS Bitcoin жана Ethereum тармактарында 103.203 criminal жана 106.196 benign даректи камтыган чоң белгиленген маалымат топтомун берет.
- Bitcoin үчүн 32, Ethereum үчүн 52 профиль касиети чыгарылган.
- Булак кеңири transaction records жана Ethereum token interaction маалыматтарын да маалымат топтомуна киргизет.
- Bitcoin жана Ethereum criminal/benign даректеринде нөлдүк баланс жана Lifetime бөлүштүрүүлөрү айырмаланат.
- Real-CATSʼтеги criminal үлгүлөр салыштырылган учурдагы Bitcoin criminal datasetʼтерине караганда азыраак кескин жана кеңири жүрүм-турум бөлүштүрүүсүн көрсөтөт.
- Профиль касиеттери беш классикалык classifier колдоно ала турган ажыратуучу маалыматты камтыйт.
- Булак Table 5те LightGBM Ethereum үчүн таблицадагы эң жогорку precision, recall, F1 жана accuracy маанилерин берет.
- Transaction records колдонуп graph түзүүгө жана Trans2Vec сыяктуу node-embedding ыкмаларын колдонууга болот.
- Sup-CATS тажрыйбасы модель натыйжалуулугу жаңы temporal бөлүштүрүүгө өткөндө олуттуу өзгөрүшү мүмкүн экенин көрсөтөт.
- Random Forest, булак баянына ылайык, Sup-CATSʼтеги criminal даректердин %74,9ун аныктайт.
- Булак маалыматтарды жана кеңири transaction recordsʼту коомдук түрдө бөлүшүүнү көздөйт.
Изилдөө колдобогон жыйынтыктар
- Real-CATS белгиси blockchain дарегинин укуктук жактан кылмыштуу экенинин так далили эмес.
- Exchange hot-wallet outputʼтан тандалган бардык даректер сөзсүз benign экени өз алдынча далилденген эмес.
- Sup-CATSʼтеги бардык unlabeled даректер так benign экени көрсөтүлгөн эмес.
- Нөлдүк баланс же кыска Lifetime өзү criminal address боюнча чечим чыгарууга жетишсиз.
- t-SNEдеги визуалдык ажыраш реалдуу дүйнөдөгү classification accuracy менен бир эле өлчөм эмес.
- Table 5те жогорку score алган модель production чөйрөсүндө ошол эле scoreʼду сактай турганы көрсөтүлгөн эмес.
- Random Forest бардык келечектеги Ethereum даректеринде LGBMʼден жогору болору көрсөтүлгөн эмес.
- Sup-CATS реалдуу дүйнөдөгү бардык deployment шарттарын көрсөтпөйт; ал бир күндүк Ethereum snapshotʼка негизделген.
- C3Rди Polygon же Solanaга колдонууга болот деген нерсе авторлордун келечектеги иш сунушу; бул изилдөө бул blockchainʼдерде текшерүү жүргүзгөн эмес.
- Маалымат топтомунун чоң болушу өзү label noise же sampling bias жок экенин көрсөтпөйт.
Изилдөөнүн негизги чектөөлөрү жана кайра өндүрүү мүмкүнчүлүгүнүн чектери
Белги булагы: Criminal белгилер чыныгы abuse reportsʼтон алынат; бирок report categories ар башка тажрыйба деңгээлиндеги колдонуучулар тарабынан түзүлгөндүктөн manual aggregation талап кылынат.
Benign-selection божомолу: Биржа кардарларынын hot-wallet outputʼтары борборлоштурулган биржалар KYC колдонушат деген божомол менен benign классына киргизилет. Бул label-construction ыкмасы; укуктук жактан таза экенин өз алдынча ырастоо эмес.
Sup-CATS benign классы: Ошол күнү активдүү unlabeled даректердин %1и benign катары үлгүгө алынган. Unlabeled менен guaranteed-benign бир маанини билдирбейт.
Blockchain камтуусу: Негизги изилдөө Bitcoin жана Ethereum менен чектелет.
Temporal coverage: Criminal-report collection 30 Май 2024кө чейинки билдирүүлөрдү колдонот. Жаңы кылмыш түрлөрү же кийинки жүрүм-турум өзгөрүүлөрү бул snapshotʼта болбошу мүмкүн.
Модель камтуусу: Профиль негизиндеги demonstration беш классикалык модель менен гана; graph customizability demonstration болсо Trans2Vec мисалы менен жүргүзүлгөн. Бардык мүмкүн болгон detection architectures сыналган эмес.
Table 5 булак шайкешсиздиги: Ethereum Random Forest accuracy мааниси башка билдирилген метрикалар менен ички жактан шайкеш көрүнбөйт.
Table 6 булак шайкешсиздиги: Басылган Prediction/Truth багыты class-error arithmetic жана тексттеги detection-rate чечмелөөсү менен шайкеш келбейт.
Table 6 метрика аталышы: LGBM үчүн текстте “9.9% precision” деп айтылат, ал эми матрица арифметикасы ошол маанинин criminal recall/detection rate экенин көрсөтөт.
Sup-CATS жазууларынын саны: Билдирилген жалпы 14.205 дарек менен confusion matrixʼтин 14.202 жазуулук суммасынын ортосунда түшүндүрүлбөгөн үч жазуу айырмасы бар.
Версия айырмасы: Жүктөлгөн arXiv v1 маалымат көлөмү кийинки коомдук repository версиясы менен бирдей эмес. Кайра өндүрүү жүргүзүлсө, колдонулган dataset snapshot/version так бекитилиши керек.
Этикалык алкак
Авторлор Ethics Considerations бөлүмүндө чогултулган маалыматтар коомдук blockchain ledgerʼлеринен же маалымат базаларынан алынганын жана чыныгы жеке маалымат ачыкка чыкпаганын белгилешет.
Ошол эле бөлүмдө изилдөө privacy concernsʼту карабаганы да ачык айтылат. Ошондуктан “маалыматтар коомдук болгондуктан эч кандай этикалык же купуялык маселеси жок” деген кеңири жыйынтык изилдөөдөн чыгарылбашы керек.
Open Science
Булак версиясы бардык сунушталган datasetʼтер GitHubʼдагы sjdseu/Real-CATS repositoryʼсинде бөлүшүлгөнүн; 7 Real-CATS файлы, 1 Sup-CATS файлы жана даректерге тиешелүү кеңири transaction records берилгенин билдирет.
Бирок “open-sourced” сөзү өзү кайра пайдалануу лицензиясын аныктабайт. Булак PDFде же бул библиографиялык текшерүүдө бүт dataset үчүн ачык Creative Commons/OSI лицензиясы ырасталбагандыктан, кайра пайдалануу шарттары өзүнчө текшерилиши керек.
Эң коопсуз илимий жыйынтык
Real-CATSʼтин негизги салымы “эң жакшы кылмыш аныктоо алгоритмин” сунуштоо эмес. Изилдөө criminal жана benign blockchain даректерин профиль касиеттери, кеңири transaction records жана Ethereum token interaction маалыматтары менен ачыгыраак жана кайра колдонууга жарактуу баалоо чөйрөсүндө топтоого аракет кылат.
Изилдөөнүн өзгөчө күчтүү билдирүүсү — маалымат топтомунун өзү модель баалоонун ажырагыс бөлүгү экендиги. Таза жана кокус бөлүнгөн тест маалыматында күчтүү көрүнгөн classifier temporally newer жана реалдуураак тест бөлүштүрүүсүндө ошол эле натыйжалуулукту көрсөтпөшү мүмкүн. Sup-CATSʼтеги Random Forest–LGBM ажырашы мунун изилдөөдөгү эң ачык мисалы.
Ошондуктан Real-CATS эң туура түрдө изилдөө инфраструктурасы жана benchmark талапкери катары окулушу керек. Дарек белгилерин соттук чечим, модель metricʼтерин өндүрүш кепилдиги же бир күндүк Sup-CATS жыйынтыгын келечектеги бардык blockchain жүрүм-турумунун так өкүлү катары чечмелөө изилдөөнүн чегинен чыгат.
Булак жана Ыкма Жөнүндө Эскертүү
Түпнуска аталышы: Real-CATS: A Practical Training Ground for Emerging Research on Cryptocurrency Cybercrime Detection
Түркчө жарыя аталышы: Real-CATS: Kripto Para Siber Suç Tespitinde Gelişen Araştırmalar İçin Pratik Bir Çalışma ve Eğitim Ortamı
Авторлор: Jiadong Shi; Chunyu Duan; Hao Lei; Liangmin Wang.
Авторлордун ирети: Булак PDFдеги ирет өзгөртүлбөй сакталган.
Мекеме: Southeast University. Жүктөлгөн PDF биринчи бетте төрт автор үчүн ушул мекемени көрсөтөт, кеңири department маалыматын бербейт.
Corresponding author: Liangmin Wang.
Corresponding author электрондук почтасы: liangmin@seu.edu.cn.
Тең салым: Жүктөлгөн булакта тең биринчи автор/тең салым билдирүүсү аныкталган эмес.
Жүктөлгөн булак версиясы: arXiv:2501.15553v1 [cs.CR].
Жүктөлгөн версия датасы: 26 Январь 2025.
2026 DOI байланышы: 10.23919/NANACPS00070.2026.00020 жүктөлгөн файлдын OpenAlex дал келүүсүндө жана OpenAlexʼтен алынган библиографиялык индекстерде ушул аталыш менен байланышкан. DOI жүктөлгөн arXiv v1 PDFнин өз беттеринде басылган эмес.
Version-of-record эскертүүсү: Бул текшерүүдө расмий IEEE жарыя барагынын conference name, proceedings title, бет/макала номери жана лицензия metadataʼсы өз алдынча ырасталбагандыктан, бул талаалар ойлоп табылган эмес. Негизги илимий мазмун жүктөлгөн arXiv v1ге таянат.
Булак түрү: Маалымат топтомун түзүү жана эмпирикалык машина үйрөнүүнү баалоо изилдөөсү; жүктөлгөн файл preprint версиясы.
Рецензиялоо: Жүктөлгөн arXiv v1 өзү рецензияланган version of record эмес. 2026 DOI менен байланышкан кийинки жарыя жазуусунун рецензия/venue деталдары бул текшерүүдө ырасталбагандыктан, так классификация жасалган жок.
Preprint–кийинки версия айырмасы: Коомдук кийинки repository жана SSRN жазууларында dataset көлөмү жүктөлгөн v1ден айырмаланат. Бул макалада v1 сандары сакталган жана версиялар бириктирилген эмес.
Негизги маалымат топтомдору: Real-CATS жана Sup-CATS.
Blockchainʼдер: Bitcoin жана Ethereum.
Criminal label булагы: 30 Май 2024кө чейин Chainabuse abuse reports.
Benign-selection булагы: WalletExplorer жана Etherscan аркылуу exchange hot-wallet seedʼдеринин outgoing next-hop даректери.
Benign-selection божомолу: Популярдуу борборлоштурулган биржалардын KYC тажрыйбалары exchange customer даректерин benign үлгү үчүн ишенимдүүрөөк талапкер кылат деген божомол.
Кайчылаш белгилер: Benign да, criminal да болуп көрүнгөн даректер алынып салынган.
Bitcoin профиль транзакцияларынын саны: 39.752.469.
Ethereum профиль транзакцияларынын саны: 23.436.690.
Bitcoin профиль көлөмү: 32 касиет.
Ethereum профиль көлөмү: 52 касиет.
Ethereum транзакция бөлүмдөрү: internal, normal, ERC-20, ERC-721, ERC-1155.
Token identifier саны: Булак v1 Identifier.tsv үчүн 910.864 identifier билдирет.
Exchange-rate булагы: Investing.com; күнүмдүк курс маалыматтары USD негизиндеги профиль касиеттеринде колдонулган.
Профиль classification моделдери: SVM, k-NN, Decision Tree, Random Forest, LightGBM.
SVM жөндөөсү: RBF kernel.
k-NN жөндөөсү: 5 коңшу.
Random Forest жөндөөсү: 100 estimator.
Train/test бөлүнүшү: 7:3.
Cross-validation: Булак Table 5 жыйынтыктарын 5-fold cross-validation mean metrics катары билдирет.
Class imbalance: Training setʼте сакталган.
Trainingʼден чыгарылган касиет: First_time сыяктуу absolute timestamp касиеттери келечекке жалпылоону бузушу мүмкүн деген жүйө менен колдонулган эмес.
Баалоо метрикалары: Precision, Recall, F1-score жана Accuracy; булак алгачкы үч метрика criminal класс үчүн билдирилгенин белгилейт.
Customizability тажрыйбасы: 2.500 баштапкы дарек, 1:1 criminal/benign; биринчи даражадагы коңшулар менен 47.009 nodeʼго чейин кеңейтилген transaction graph; Trans2Vec; 7:3 train/test.
Trans2Vec жыйынтыгы: Precision 0.8976; Recall 0.9261; F1-score 0.9116; Accuracy 0.9348.
Sup-CATS датасы: 12 Август 2024.
Sup-CATS block саны: 7.161 Ethereum block.
Sup-CATS criminal: 3.147 Etherscan-labeled дарек.
Sup-CATS benign: 11.058 unlabeled active дарек; булак аларды %1 sampling менен benign классына киргизет.
Sup-CATS маанилүү жыйынтыгы: Авторлордун булак баянында Random Forest criminal даректердин %74,9ун аныктайт. LGBM үчүн берилген %9,9 маани confusion-matrix arithmetic боюнча criminal-class recall/detection rate менен шайкеш келет, бирок proseʼда precision деп аталат.
Table 5 QA эскертүүсү: Ethereum Random Forest Accuracy=0.7116 мааниси ошол саптагы Precision=0.9085, Recall=0.8237 жана F1=0.8640 менен стандарттуу binary metric байланыштары боюнча шайкеш көрүнбөйт. Маани өзгөртүлгөн эмес.
Table 6 QA эскертүүсү: Басылган Prediction/Truth баш ат түзүлүшү class-error эсептөөлөрүнө жана тексттеги %74,9 detection түшүндүрмөсүнө тескери көрүнөт. Сандар сакталган, шайкеш семантикалык окуу өзүнчө түшүндүрүлгөн.
Sup-CATS үлгүсү боюнча QA эскертүүсү: Билдирилген 14.205 дарек менен Table 6нын 14.202 уяча суммасынын ортосунда түшүндүрүлбөгөн үч жазуу айырмасы бар.
Ethics: Авторлор маалыматтар коомдук blockchain ledger/database булактарынан чогултулганын, чыныгы personal information ачыкка чыкпаганын жана изилдөө privacy concernsʼту карабаганын белгилешет.
Open Science: Булак маалымат файлдары GitHubʼдагы sjdseu/Real-CATS repositoryʼсинде жана кеңири transaction records коомдук түрдө бөлүшүлгөнүн билдирет.
Лицензия: Жүктөлгөн PDF же маалымат repositoryʼсинин баарын камтыган exact ачык кайра пайдалануу лицензиясы бул текшерүүдө ырасталган эмес. “Open-sourced” билдирүүсү өзү Creative Commons/OSI лицензиясы катары чечмеленген эмес.
Каржылоо: Жүктөлгөн версияда өзүнчө funding/acknowledgment statement аныкталган эмес.
Кызыкчылыктардын кагылышы: Жүктөлгөн версияда өзүнчө Conflict of Interest / Competing Interests билдирүүсү аныкталган эмес.
Авторлордун салымы: Өзүнчө CRediT / Author Contributions билдирүүсү аныкталган эмес.
Визуалдык кайра түзүү: Булак Figure 1деги процесс байланыштары өз алдынча inline SVG катары кайра түзүлгөн. Figure 2 жана Figure 4тө ачык берилген нөлдүк-баланс үлүштөрү exact source values менен оригиналдуу SVG катары чийилген. Figure 5 t-SNE координаттары жок болгондуктан жасалма бөлүштүрүү түзүлгөн эмес.
Негизги чечмелөө чеги: Dataset labelʼдары соттук өкүм эмес; random-split model scoreʼлары production guarantee эмес; Sup-CATS бир күндүк Ethereum сценарийи жана келечектеги бардык blockchain бөлүштүрүүлөрүнө автоматтык түрдө жалпыланбайт.
Пикир калтырыңыз
E-mail дарегиңиз жарыяланбайт. Милдеттүү талаалар * менен белгиленген