ПАТЕРНОВИЙ АНАЛІЗ ГРАФА БІТКОЇН-ТРАНЗАКЦІЙ
DOI:
https://doi.org/10.31891/2307-5732-2024-333-2-51Ключові слова:
Біткоїн, криптовалюта, блокчейн, граф транзакцій, граф знаньАнотація
Біткоїн є найбільш економічно успішною системою електронних платежів, в основі якої лежить прокотол децентралізованого консенсусу, який дозволяє підтримувати однакову копію бази даних впорядкованих транзакцій у кожного учасника системи. Для забезпечення роботи протоколу база даних з транзакціями є повністю прозорою і містить детальний опис кожної транзакції, включно з інформацією про місце знаходження коштів транзакції до та після того, як вона відбулась. Ця інформація дозволяє побудувати граф Біткоїн-транзакцій і за допомогою різних методів аналізу встановлювати зв’язки між місцями перебування коштів з метою деанонімізації користувачів. Методи аналізу графа Біткоїн-транзакцій є важливим напрямком досліджень як з точки зору отримання знань про злочинну фінансову діяльність, так і з точки зору захисту користувачів від незаконного фінансового шпигунства.
У даному дослідженні пропонується метод аналізу графа Біткоїн-транзакцій, що полягає у пошуку патернів, що відповідають типовим складним багатокроковим операціям. Для цього пропонується модель графа транзакцій, що містить як позиції, в яких грошові одиниці знаходяться в певний момент часу (адреси), так і переходи, що переводять грошові одиниці з одних позицій на інші (власне, транзакції). Включення транзакцій в модель графа є необхідним, оскільки в патернах, що розглядаються, ключовою інформацією є кількість вхідних та вихідних позицій в транзакції. Також у дослідженні описується процес початкової побудови і послідовної добудови та розширення такого графа Біткоїн-транзакцій, що включно з інформацією про асоціації між позиціями та сторонніми даними про користувачів утворює граф знань про Біткоїн-транзакції.
Описаний підхід може бути використаний на практиці для побудови глобального графа знань про Біткоїн-транзакції від початку існування мережі. Для цього можна зокрема використовувати графові бази даних, що дозволяють зберігати великі кількості вершин та зв’язків між ними, а також здійснювати ефективний пошук патернів.
