Evolve Path Tracer: Early Detection of Malicious Addresses in Cryptocurrency

要約

暗号通貨のブームがますます拡大する中、不正行為とそれに関連する悪意のあるアドレスを検出するには、多大な研究努力が必要です。
ただし、ほとんどの既存の研究は依然として完全な履歴機能または本格的なアドレス トランザクション ネットワークに依存しているため、悪意のあるアドレスの早期検出の要件を満たすことができません。
悪意のあるアドレスの不正行為を早期に検出するために、Evolve Path Encoder LSTM、Evolve Path Graph GCN、Hierarchical Survival Predictor で構成される Evolve Path Tracer を提供します。
具体的には、一般的なアドレス機能に加えて、資産転送パスと対応するパス グラフを提案して、初期のトランザクション パターンを特徴付けます。
さらに、初期段階ではトランザクションパターンが急速に変化しているため、進化する構造設定の下で資産転送パスとパスグラフをエンコードする Evolve Path Encoder LSTM と Evolve Path Graph GCN を提案します。
その後、Hierarchical Survival Predictor は、優れたスケーラビリティと高速な予測速度でアドレスのラベルを予測します。
3 つの現実世界の違法なビットコイン データセットに対する Evolve Path Tracer の有効性と汎用性を調査します。
私たちの実験結果は、Evolve Path Tracer が最先端の方法よりも優れていることを示しています。
大規模なスケーラビリティ実験により、動的予測設定でのモデルの適応性が実証されています。

要約(オリジナル)

With the ever-increasing boom of Cryptocurrency, detecting fraudulent behaviors and associated malicious addresses draws significant research effort. However, most existing studies still rely on the full history features or full-fledged address transaction networks, thus cannot meet the requirements of early malicious address detection, which is urgent but seldom discussed by existing studies. To detect fraud behaviors of malicious addresses in the early stage, we present Evolve Path Tracer, which consists of Evolve Path Encoder LSTM, Evolve Path Graph GCN, and Hierarchical Survival Predictor. Specifically, in addition to the general address features, we propose asset transfer paths and corresponding path graphs to characterize early transaction patterns. Further, since the transaction patterns are changing rapidly during the early stage, we propose Evolve Path Encoder LSTM and Evolve Path Graph GCN to encode asset transfer path and path graph under an evolving structure setting. Hierarchical Survival Predictor then predicts addresses’ labels with nice scalability and faster prediction speed. We investigate the effectiveness and versatility of Evolve Path Tracer on three real-world illicit bitcoin datasets. Our experimental results demonstrate that Evolve Path Tracer outperforms the state-of-the-art methods. Extensive scalability experiments demonstrate the model’s adaptivity under a dynamic prediction setting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google