Bitcoin sahiplerinin kategorisi ve akışı hakkında spekülasyon yapmak için sınıflandırma algoritması analizi
Bu rapordaki tüm veriler Huobi Blockchain Araştırma Enstitüsü'nün veri ekibinin yakalanması ve işlenmesinden gelir.
4 Eylül 2018'de Yayınlanan Rapor, Yazar: Yuan Yuming, Du, Shijun Jing, Xiao Xiao.
Özet
Bitcoin, blockchain ağındaki kullanıcı kimliği olarak genel anahtar tabanlı bir cüzdan adresi kullandığından ve cüzdan adresi kullanıcı tarafından serbestçe oluşturulduğundan ve kullanıcının kimlik özellikleriyle hiçbir ilgisi olmadığından, Bitcoin'in anonimliği insanların kullanıcının gerçek kimliğini tahmin etmesini zorlaştırır. bilgi.Şimdiye kadar, Bitcoin adreslerinin kimliğini çıkarmak için pek çok girişimde bulunulmuştur.En yaygın olarak kullanılan çıkarım yöntemi, çok girişli işlem adreslerine ve madencilik işlem adreslerine dayanmaktadır.Yinelemeli algoritmalar yoluyla kararın doğruluğu neredeyse% 100'e ulaşabilir, Bir Bitcoin adresinin sahibini izlemenin etkili bir yolu.
Ancak Bitcoin'in dünya çapındaki popülaritesiyle, Bitcoin bloğunun tamamı zaten çok büyüktür (28 Ağustos 2018 itibariyle blok yüksekliği 538862'dir ve boyutu 180G'ye yakındır). Bu yöntemin dayandığı özyinelemeyi kullanırsanız Algoritma, çok fazla bilgi işlem kaynağı ve zaman tüketen tüm blok zincirindeki adresleri hesaplar, bu da bu yöntemin kullanım kapsamını sınırlar; ayrıca bu yöntem, Bitcoin adres sahiplerinin yalnızca belirli koşulları belirleyerek koşulları karşılayan bir kısmını izleyebilir. Tüm Bitcoin adreslerini kapsayamaz.
Huobi Research Institute, bu algoritmanın araştırma sonuçlarına dayanarak, Bitcoin blok zincirinden özellikler çıkararak farklı hesapların zincir üstü transfer bilgilerini analiz ediyor ve Random Forest'ın makine öğrenme algoritmasını kullanarak adres kategorilerini sınıflandırıyor. Makine öğrenimi algoritması, orijinal kümeleme algoritmasının yerine geçmez, ancak orijinal kümeleme yöntemi uygulama aralığının bir tamamlayıcısıdır. Daha geniş Bitcoin blockchain transfer araştırmasına uygulamak için küçük bir doğruluk oranından ödün vermek.
Bu makale esas olarak iki bölüme ayrılmıştır: Bölüm 11) Bitcoin işlem sistemini ve işlem sürecini kısaca açıklayın 2) Çok girişli işlem adreslerine ve madencilik işlem adreslerine dayalı sınıflandırma yöntemi 3) Adres kategorilerini rastgele orman algoritması modellemesi ile sınıflandırın Yöntem 4) İki algoritmanın karşılaştırılması. İkinci bölüm, durumu analiz etmek için modeli kullanır. Amaç, okuyuculara Bitcoin adres sahiplerini sınıflandırmak için fikirler sağlamaktır, böylece farklı uygulama senaryolarında Bitcoin blockchain verilerinin çok boyutlu analizi için daha verimli bir yöntem seçebilirler.
Makalenin ikinci bölümünde 8 Ağustos - 15 Ağustos 2018 tarihleri arasında tüm Bitcoin adreslerini ve transfer kayıtlarını inceledik ve aktif adres sayısının sınıflandırma algoritmasına göre dağılımını elde ettik:
Aktif adreslerin% 44'ü değişim adresleri,% 30'u servis sağlayıcı adresleri,% 19'u kişisel cüzdan adresleri,% 6'sı oyun şirketleri ve% 1'i madencilik havuzlarıdır.
Yeni oluşturulan adreslerin sayısının ve transfer ayrıntılarının daha fazla analizi şunları sağladı:
1) Borsalar ve servis sağlayıcılar tarafından eklenen yeni adreslerin sayısı geçtiğimiz haftalarda pek değişmedi, ancak yeni kişisel cüzdan adreslerinin sayısı önemli bir düşüş eğilimi gösterdi.
2) Kişisel adreslerden borsalara aktarılan Bitcoin miktarı, borsalardan kişisel adreslere aktarılan miktardan çok daha fazladır.
Son olarak, bu hafta Bitcoin fiyatlarındaki keskin düşüşün nedenlerinin şunları içerebileceği tahmin ediliyor:
1) Pazara yeni giren yatırımcı sayısında azalma.
2) Çok sayıda kullanıcının kişisel cüzdanlarındaki bitcoinleri satış için borsalara aktarması çok muhtemeldir.
Rapor gövdesi
Bölüm I Modele Giriş1. Bitcoin işlem süreci ve özellikleri
Bitcoin işlemlerinin üç özelliği vardır: 1) Tüm işlem kayıtları herkes tarafından görülebilir, 2) Bir işlem birden çok girdiye (girdilere) ve birden çok çıktıya (çıktılara) sahip olabilir 3) Her işlem bir açık anahtar-özel anahtar çifti ile tanımlanır İşlemin ödeyen ve alacaklısı.
Şekil 1, Bitcoin ağında gerçekte görünen işlem akışını gösterir.Her köşe bir Bitcoin adresini temsil eder ve köşeler arasındaki çizgi ve ok bir işlemi temsil eder. Bitcoin'in yukarıda bahsedilen ikinci özelliği olarak, bir işlemin birden çok girdisi olabilir (şekilde A, B, C işlemleri) ve birden çok girdi işlem adresi ve madencilik işlem adreslerine dayalı sınıflandırma yöntemi kullanılır. Bu özellik.
2. Çoklu giriş işlem adreslerine ve madencilik adreslerine dayalı sınıflandırma (Algoritma 1)
2.1 Çoklu giriş işlem adresleri
Fergal Reid, MAO HL, MAN H, vb .'nin araştırmasıyla, kullanıcının ödeme tutarı, kullanıcının cüzdanındaki mevcut her adresteki bitcoin sayısını aştığında, ödemeyi tamamlamak için birden fazla işlem yapmaktan kaçınmak için işlem maliyetinin olduğu sonucuna varılmıştır. Kullanıcı, cüzdandan birden fazla Bitcoin adresi seçecek ve çoklu girişli işlemler elde etmek için ödemeleri eşleştirmek için bunları bir araya toplayacaktır. Bir bitcoin işleminde kullanılan her adresteki fonlar ayrı bir imza gerektirdiğinden, çok girişli bir işlemdeki tüm giriş adreslerinin aynı kullanıcıdan kaynaklandığını düşünebiliriz. (Doğruluk oranı yaklaşık% 100 olabilir).
Bu nedenle, Şekil 1, 3 ve 4'te aynı kullanıcı olduğunu ve aynı şeyin geçerli olduğunu düşünebiliriz: 8, 9 ve 10 ve 5 ve 6'nın hepsi aynı kullanıcı.
2.2 Madencilik işlem adresi
Benzer şekilde, giriş adresi olmayan işlemler için (genellikle madencilik işlemleri olarak bilinir), madenciliğin özü bir sunucuda bir Bitcoin madenciliği programı çalıştırmak olduğundan, bir üretim işlemindeki çıkış adresinin aynı kullanıcıya ait olduğu düşünülebilir. Yapılandırın. Dolayısıyla, aynı madencilik işleminin çıktısı bir veya daha fazla adres ise, bunların aynı kullanıcı tarafından kontrol edildiği düşünülebilir.
Kullanıcının kendi madencilik modu durumunda, madencilik işlem adresi kümelemesinin doğruluğu% 100'e ulaşabilir. "Madencilik havuzu" modeli için, çoğu durumda, blok ödülü, çıktı işleminde "madencinin" özel gelir adresine aktarılacak ve daha sonra ikincil gelir dağıtımı, maden havuzu kullanıcısının hesaplama gücü katkısına göre gerçekleştirilecektir, böylece çıktı da düşünülebilir. İşlem çıkış adresi aynı kullanıcıya aittir.
2.3 Sınıflandırma süreci
Sınıflandırma algoritmasının çerçevesi Şekil 2'de gösterilmektedir. Ne kadar çok yineleme, daha fazla adres bulunur ve kapsamlılık o kadar iyi olur, ancak yinelemelerin sayısındaki artış aynı zamanda kümeleme verimliliğini de azaltacaktır.
Yukarıda, çoklu giriş işlem adreslerine ve araştırma adreslerine ve onun uygulama yöntemine dayalı sınıflandırma modelini açıklıyoruz.Bu model, aynı kullanıcının adreslerini çok doğru bir şekilde kümeleyebilir ve yineleme sayısı arttıkça, aynı kullanıcı elde edilir. Adreslerin sayısı oldukça fazladır: Örneğin, belirli bir borsaya ait bazı sıcak cüzdan adreslerini biliyorsak, bu algoritma aracılığıyla bu alışverişin çok sayıda başka sıcak cüzdan adresi elde edilebilir ve doğruluk oranı yaklaşık% 100'dür.
Ancak, bu algoritmanın dezavantajı, belirli sınırlamaları olmasıdır: Bitcoin ağındaki tüm adreslerin sahibini bilemeyiz ve veri tablosunda olmayan bir adresi sınıflandıramayız.
Huobi Araştırma Enstitüsü, bu algoritmanın araştırmasına dayanarak, Bitcoin blok zincirinden farklı türdeki Bitcoin adreslerinin özelliklerini çıkarır ve daha geniş bir anonim Bitcoin adresi aralığını sınıflandırabilen bir adres sınıflandırma modeli oluşturur.
3. Rastgele ormana dayalı Bitcoin adres sınıflandırması (Algoritma 2)
3.1 Kategoriyi ve numune seçimini işaretleyin
Modelleme için rastgele 8045 örnek seçtik ve bunları beş kategoriye ayırdık: değişim (1591), madencilik havuzu (1684), servis sağlayıcı (1669), bahis şirketi (1601) ve bireysel (1500).
Modelleme için kullanılan adres etiketi bilgileri esas olarak WalletExplorer'dan (www.walletexplorer.com) gelmektedir. Web sitesi, yukarıdaki yöntemlerle on binlerce adresi sınıflandırmıştır ve beş farklı kategoriye sahiptir (borsalar, madencilik havuzları, hizmet sağlayıcılar, kumar Şirket, eski adres), eski adres kategorisinde artık çok az işlem kaydı var, bu kategoriyi siliyoruz. Veri dengesizliğini önlemek için her bir etiket için veri sayısını kalan dört kategori için aynı seviyede tutmak amacıyla, her kategorideki örnek sayısını 1500 civarında tutmak için rastgele bir örnekleme yöntemi uyguladık.
Yukarıdaki dört kategoriye ek olarak, "kişisel" Bitcoin adresleri kategorisini de ekledik.Veriler blockchain.info'da işaretlenmiş kişisel adreslerden gelir ve 1500 rastgele seçilir.
3.2 Özellik seçimi
Ampirik yargı ve tekrarlanan gözlemler ve deneyler aracılığıyla, modelleme özellikleri olarak aşağıdaki adres özelliklerini seçtik:
1) Adresin girdi olarak kullanıldığı işlem sayısı (toplam transfer sayısı)
2) Çıktı olarak bu adresle yapılan işlemlerin sayısı (toplam transfer sayısı)
3) Bu adres, toplam BTC girişi miktarı olarak kullanılır (transfer edilen toplam BTC)
4) Bu adresten toplam BTC çıkışı miktarı (BTC'de toplam transfer)
5) Giriş olarak kullanıldığında, işlem başına ortalama toplam Giriş sayısı
6) Çıktı olarak kullanıldığında, işlem başına ortalama toplam Girdi sayısı
7) Transfer içeri / dışarı transfer oranı
8) (transfer sayısı-transfer sayısı) / (transfer sayısı + transfer sayısı)
9) Her işlemde aktarılan ortalama BTC sayısı
10) İşlem başına aktarılan ortalama BTC sayısı
11) Bir veya daha fazla madencilik işlemi oldu mu (Coinbase)
12) Adres, Girdinin toplam madenci ücreti olarak kullanılır (transfer için toplam işlem ücreti)
13) Adres, Çıktının toplam madenci ücreti olarak kullanılır (transfer için toplam işlem ücreti)
14) Transfer için ortalama işlem ücreti
15) Transfer için ortalama işlem ücreti
16) Günlük ortalama transfer sayısı
17) Günlük ortalama transfer sayısı
Yukarıdaki zincir Huobi Araştırma Enstitüsü'ndeki veriler, sunucuda bir BTC düğümü oluşturmak için BlockSCI aracını kullanır ve ardından onu almak için Jupyter dizüstü bilgisayarı kullanır.
3.3 Model seçimi
Denetimli öğrenme modellerinin seçiminde, karşılaştırma ve test etme yoluyla, nihayet bu sefer oluşturduğumuz model olarak Random Forest'ı seçtik.
Modelin temel olarak aşağıdaki dört avantajı vardır:
1) Mevcut tüm algoritmalarda mükemmel doğruluğa sahiptir.
2) Boyut indirgemeden yüksek boyutlu özelliklere sahip girdi örneklerini işleyebilme. (Verilerimiz toplam 17 özellik boyutuna sahiptir)
3) Çoklu sınıflandırma problemleri için uygundur (5 farklı sınıflandırma).
4) Varsayılan değer problemi için de iyi sonuçlar elde edilebilir (bazı adreslerde yalnızca aktarım var ancak aktarım kayıtları yoktur ve aktarımla ilgili verileri hesaplayamaz).
3.4 Modelleme süreci
Modelleme süreci Şekil 3'te gösterilmektedir. Izgara aramasının ana parametreleri şunlardır:
1) Rastgele ormandaki ağaçların sayısı (n_estimators)
2) Ağacın maksimum derinliği (Max_depth)
3) Dahili düğümleri bölmek için gereken minimum örnek sayısı (Min_samples_split)
4) Yaprak düğümlerinin gerektirdiği minimum örnek sayısı (Min_samples_leaf)
Şekil 3: Bitcoin adres sınıflandırmasının modelleme süreci
Çözüm, Scikit-learn'de RandomForestClassifier (rastgele orman sınıflandırması), GridSearchCV (grid search), train_test_split (test seti ve eğitim setinin ayrılması), confusion_matrix (confusion matrix), K-Fold (K-fold) kullanılarak Python3 dilinde uygulanmaktadır. ) Ve diğer API modülleri.
Eğitim seti ve test seti 2: 1 oranında bölünmüştür.
3.5 Model puanı
Hata ayıklamadan sonra, modelin son test setinde% 90 doğruluğu vardır.
Karışıklık matrisi Şekil 4'te gösterilmektedir. Değişimler ve hizmet sağlayıcıların tahmin karışıklığı dışında, genel etki nispeten tatmin edicidir.
4. İki yöntemin karşılaştırılması
Huobi Research Institute'un Bitcoin sınıflandırma algoritması (Algoritma 2), çok girişli işlem adresi ve madencilik adresi sınıflandırma algoritmasının (Algoritma 1) yerini almaz, ancak Algoritma 1'in sonuçlarını adres etiketi olarak kullanır ve Algoritma 1 temelinde uygular. Kapsam tamamlanmıştır. Doğruluğun küçük bir bölümünü feda ederek, evrenselliğini daha fazla makro zincir veri analizine uygulanacak şekilde geliştirir.
İkisi arasındaki temel farklar:
4.1 Farklı algoritma türleri
Algoritma 1, etiket adresi bilindiğinde birden çok yinelemeyle aynı aktarımda aynı anda görünen adresleri arama işlemidir. Amaç, esasen özyinelemeli bir algoritma olan bilinen etiket adresiyle aynı kullanıcıya ait olan adresleri bulmaktır. , Daha fazla yineleme, daha fazla işaretli adres elde edilecektir.
Algoritma 2, makine öğreniminde denetimli bir öğrenme algoritmasıdır. İlk olarak, büyük miktarda etiketlenmiş veri, çıkarım işlevine sahip bir sınıflandırıcı oluşturmak için eğitilir. Bu sınıflandırıcı ile herhangi bir yeni birey, özelliklerine göre sınıflandırılabilir.
4.2 Farklı etiket kaynakları
Algoritma 1 ve Algoritma 2, Bitcoin blok zincirinden veri çıkarır, ancak etiketlerin kaynağı farklıdır:
Algoritma 1'in etiket kaynağı pratikte gözlemlenebilir. Örneğin, bir borsanın sıcak cüzdan adresini almak istiyorsanız, borsada para yatırma ve çekme işlemlerini fiilen gerçekleştirebilirsiniz. Döviz yatırma ve çekme adresleri, borsanın cüzdan adresleridir ve Algoritma 2 çok sayıda etiket gerektirir ( En az birkaç bin adres), dolayısıyla Algoritma 1'in sonuçları doğrudan alıntılanmıştır.Örneğin, WalletExplorer gibi bazı web siteleri gerekli etiketleri doğrudan sağlayabilir.
4.3 Farklı uygulama senaryoları
Algoritma 1
avantaj:
1) Doğruluk oranı çok yüksektir (% 100'e yakın)
2) Belirli etiketler vardır (Huobi sıcak cüzdan, OKEX sıcak cüzdan vb. Özel)
3) Güçlü yorumlanabilirlik
Dezavantajları:
1) Zayıf evrensellik (tüm adresleri etiketleyemez)
2) Özyinelemeli algoritma çok fazla bilgi işlem kaynağı tüketir
Bu algoritma, belirli bir kişinin (hacker, bitcoin hırsızı) veya bir grubun (exchange, servis sağlayıcı) Bitcoin akışını izlemek için uygundur.
Algoritma 2
avantaj:
1) Güçlü evrensellik (herhangi bir adres ve zincir özellikleri göz önüne alındığında, adresin türü çıkarılabilir)
2) Modelleme için belirli hesaplama kaynaklarının tüketilmesine ek olarak, sınıflandırmada çok az miktarda hesaplama kaynağı tüketilir.
Dezavantajları:
1) Doğruluk oranı Algoritma 1 ile karşılaştırılamaz (şu anda yalnızca% 90'a ulaşabilir).
2) Belirli bir etiket yok (yalnızca beş kategoriye ayrılmıştır, belirli bir değişim veya kuruma özgü değildir).
3) Etiket davranışa göre değişebilir (belki bir adres başlangıçta kişisel bir adres olarak etiketlenmiştir, ancak gelecekte bir değişim adresi olarak değiştirilebilir)
4) Kötü yorumlanabilirlik (rastgele orman bir kara kutudur).
Bu algoritma, biraz daha düşük veri doğruluğu gerektiren makro zincir veri analizi için uygundur (örneğin, şu anda tüm bitcoinlerin yüzde kaçı borsalarda ve yüzde kaçı kişisel cüzdanlarda vb.) Ve bir adrese göre, Adres kategorisini hızlı bir şekilde belirleyin (örneğin, Bitcoin zincirinde belirli bir günde bir adrese büyük bir transfer gerçekleşti ve sınıflandırma algoritması adresin hangi kategoriye ait olduğunu anlamak için kullanılabilir)
Gerçek analizde, Algoritma 2'nin doğruluğunu nasıl iyileştireceğimiz sorununa çözümümüz: Algoritma 2 ve Algoritma 1'i birleştirin ve hesaplama gücü koşulları yeterli olduğunda mümkün olduğunca çok adresi sınıflandırmak için Algoritma 1'i kullanın. (Özellikle çok sayıda varlığa veya çok sayıda aktarıma sahip adresler için, etiketleri çevrimiçi olarak kümelemek ve aramak imkansızdır). Sınıflandırılamayan kalan adresleri sınıflandırmak için Algoritma 2'yi kullanın. Veri doğruluğunu etkili bir şekilde artırabilir.
İkinci Bölüm Asıl Durum
1. Aktif adres kümeleme
Analiz için 8 Ağustos - 15 Ağustos 2018 tarihleri arasındaki tüm Bitcoin adreslerini ve transfer kayıtlarını seçiyoruz. İlk olarak, bu hafta giriş ve çıkışta görünen tüm adresleri kümelemek için 1. algoritma kullanılır ve ardından kalan adresleri sınıflandırmak için 2. algoritma kullanılır.
Haftalık aktif adres sayısı 3.32 milyon idi Hesaplamalara göre 1.43 milyonu değişim adresi, 990.000'i servis sağlayıcı adresi, 620.000'i kişisel adres, 180.000 oyun şirketi ve 40.000 maden havuzu idi. Dağılım Şekil 5'te gösterilmektedir. Bunlar arasında borsalar, servis sağlayıcılar ve kişisel cüzdan adresleri toplam adreslerin% 93'ünü oluşturuyordu.
2. Yeni adreslerin sayısının ayrıştırılması Analiz için dört haftalık zincir içi verileri aldık: Yeni adreslerin sayısına (Şekil 6) bakıldığında, yeni adreslerin sayısı son haftalarda azaldı;
Daha sonra algoritmamızı kullanarak yeni adreslerin sayısını sınıflandırıyoruz (Şekil 7) ve borsalar ve servis sağlayıcılar tarafından eklenen yeni adreslerin sayısı son birkaç hafta içinde pek değişmemiş olsa da, yeni kişisel cüzdan adreslerinin sayısının önemli ölçüde azaldığını görebiliyoruz. Eğilim, doğrudan yeni oluşturulan adreslerin toplam sayısında azalmaya yol açtı. Yeni oluşturulan kişisel cüzdan adreslerinin sayısındaki düşüş ve pazara giren yeni yatırımcıların sayısının azalmasıyla değerlendirilebilir.
3. İşlem hacminin analizi
Ayrıca adres analizine ek olarak haftalık işlem verilerini de analiz ettik. Sonuç, Şekil 8'de gösterilmektedir. Bu hafta toplamda 6,91 milyon BTC vardı.Borsalara aktarılan kişisel adreslerdeki bitcoin miktarı, borsalardan kişisel adreslere aktarılan miktardan çok daha fazla (140.000 BTC fark, yaklaşık 840 milyon ABD doları) ki bu çok büyük. Olasılık, çok sayıda kullanıcının kişisel cüzdanlarındaki bitcoinleri satış için borsalara aktarmasıdır ki bu da o hafta bitcoin fiyatlarındaki düşüşün nedenlerinden biri olabilir.
4. Bitcoin fiyatındaki düşüşün nedenlerinin analizi
8 Ağustos - 15 Ağustos 2018 arasında, dijital para birimi genel bir gerileme yaşadı ve Bitcoin'in fiyatı% 15 düştü. Yukarıdaki analiz sayesinde, bu hafta Bitcoin fiyatlarındaki keskin düşüş iki faktöre bağlı olabilir:
1) Bireylerin oluşturduğu yeni adres sayısının azalması, pazara yeni giren yatırımcı sayısının azaldığını gösterir.
2) Kişisel adreslerdeki borsalara aktarılan bitcoin miktarı, borsalardan kişisel adreslere aktarılan miktardan çok daha fazladır.Çok sayıda kullanıcının kişisel cüzdanlardaki bitcoinleri damping için borsalara transfer etme olasılığı yüksektir.
Referanslar
Fergal Reid ve Martin Harrigan: Bitcoin Sisteminde Anonimlik Analizi IEEE Üçüncü Uluslararası Gizlilik, Güvenlik, Risk ve Güven Konferansı Boston: IEEE, 2011: 1318-1326.
MAO Hong-liang, 0 WU Zhen, HE Min, TANG Ji-qiang, SHEN Meng: Bitcoin Adreslerinin Sezgisel Yaklaşımlara Dayalı Kümelenmesi Beijing University of Posts and Telecommunications Dergisi: TN911.4 A
Man H A, Liu J K, Fang J, ve diğerleri: Elektrikli araçların konum gizliliğini artırmak için yeni bir ödeme sistemi Araç Teknolojisinde IEEE İşlemleri, 2014, 63 (1): 3-18.
Harry Kalodner, Steven Goldfeder, Alishah Chator, Malte Möser, Arvind Narayanan: BlockSci: Bir blok zinciri analiz platformunun tasarımı ve uygulamaları Cryptography and SecurityarXiv: 1709.02489
wikipedia: Random Forest https://en.wikipedia.org/wiki/Random_forest
