अण्डाकार डेटासेट लेनदेन का नामकरण

सभी को नमस्कार, मेरा नाम अलेक्जेंडर है, और मैं क्लैन में एक डेटा वैज्ञानिक हूं। हम आपराधिक कृत्यों, जैसे कि कैश आउट, चोरी, आतंकवादी वित्तपोषण और इसी तरह के साथ उनके जुड़ाव के लिए ब्लॉकचेन लेनदेन के विश्लेषण में लगे हुए हैं।

क्रिप्टोक्यूरेंसी विनियम हर साल कड़े किए जाते हैं, और अब कंपनियों को एएमएल \ केवाईसी नीतियों का पालन करना आवश्यक है। इसी बात के बारे में, कंपनी एलिप्टिक, जिसने अगस्त 2019 की शुरुआत में 200k बिटकॉइन लेनदेन के एक लेबल किए गए डेटासेट को प्रकाशित किया था ।

उनके प्रकाशन का मुख्य उद्देश्य क्रिप्टो समुदाय को वास्तविक डेटा देना है ताकि दोनों मानक विशेषताओं (इनपुट्स और आउटपुट की संख्या, स्थानान्तरण, खनिकों को हस्तांतरण, आदि) और इन लेनदेन पर निर्मित ग्राफ की टोपोलॉजी का उपयोग करके संदिग्ध लेनदेन का पता लगाने के लिए नए तरीकों का परीक्षण कर सकें। । डेटासेट अज्ञात है और इसमें 167 विशेषताएँ हैं। उनमें से सभी में शून्य माध्य और इकाई भिन्नता है, पहले को छोड़कर, जो पहचानकर्ता है, और दूसरा - 1 से 49 तक के समय को दर्शाता है, जो लेनदेन ग्राफ के घटकों से मेल खाता है।

Elliptic_txs_edgelist.csv फ़ाइल का उपयोग करके, आप एक निर्देशित ग्राफ़ बना सकते हैं और प्रत्येक txId लेनदेन की आवक और जावक डिग्री की गणना कर सकते हैं। यह आपको लगभग पूरा करने की अनुमति देता है (चूंकि ग्राफ पूरे ब्लॉकचेन से कट जाता है और कनेक्शन का हिस्सा खो जाता है) प्रत्येक लेनदेन के लिए प्रेषक और प्राप्तकर्ता के पते की संख्या का अनुमान लगाते हैं। Elliptic_txs_features.csv प्लेट में, V1 - V167 के रूप में कॉलम का नाम बदलें और तुरंत v1 को txId, V2 के साथ elliptic_time से बदलें। कुछ विशेषताएँ ग्राफ की इनकमिंग और आउटगोइंग डिग्रियों के मूल्य के साथ दूसरों की तुलना में बेहतर संबंध बनाती हैं: cor (आउट-डिग्री, V16) = 0.689, cor (आउट-डिग्री, V7) = 0.680, cor (इन-डिग्री, V6) = 0.589, cor- ( डिग्री, V8) = 0.582। आइए इन चर को देखें।

स्कैटरप्लॉट elliptic_txs_edgelist से V6 चर और आने वाले ग्राफ की डिग्री को ऑफसेट करता है

ग्राफ के अनुसार, प्रत्येक में-डिग्री मूल्य के लिए, V6 मानों की एक ऊपरी सीमा होती है, इसके अलावा, यदि आप V6 को सॉर्ट करते हैं और समान मूल्यों के बीच का अंतर पाते हैं, तो यह पूर्णांक के रूप में एक स्थिर समय में बदल जाएगा:

क्रमबद्ध V6 (diff_V6) को बदलने के लिए अद्वितीय मान, diff_V6 मानों की आवृत्ति (Freq), और diff_V6 के न्यूनतम मान से diff_V6 के अनुपात को मिलाते हैं।

V6 परिवर्तन तालिका में, आप देख सकते हैं कि 0.075038 बाकी मूल्यों की तुलना में बहुत अधिक बार होता है और शायद 1 से एक परिवर्तन-डिग्री के साथ जुड़ा हुआ है। यह देखते हुए कि लेनदेन में प्रविष्टियों की न्यूनतम संख्या 1 है (यदि यह एक संयोग लेनदेन नहीं है), हम लिखते हैं:

input_count_V6 = (V6 - min (V6)) / मिनट (diff_V6) + 1।

V7, V8, V16 के समान विश्लेषण के बाद:

• input_count_V6 = 13.3266685112665 ​​* V6 + 2.62544842444139,
• इनपुट्स_इनीक_काउंट_V8 = 11.9243179897452 * V8 + 2.34747189219164,
• outputs_count_V7 = 50.3777694891647 * V7 + 4.21030186142152,
• outputs_unique_count_V16 = 49.3957564403755 * V16 + 4.121809499973।

यहाँ input_count_V6 लेन-देन में प्रविष्टियों की कुल संख्या है, निविष्टियाँ_unique_count_V8 लेन-देन में अद्वितीय प्रविष्टियों की संख्या है, outputs_count_V7 लेन-देन से बाहर निकलने की संख्या है, आउटपुट_unique_count_V16 अद्वितीय निकास की संख्या है।

सवाल उठ सकता है - क्यों V6 है और V8 निविष्टियाँ_count को मैप नहीं किया गया है? इसका उत्तर सरल है, हमेशा इनपुट_count> = input_unique_count, और संकेतित सूत्रों में elliptic_txs_features.csv से V6 और V8 के मानों को प्रतिस्थापित करते हुए, हम यह सुनिश्चित कर सकते हैं कि असमानता (13.3266685112665 V6 + 2.625448424139) ; V6, V8, input_count और input_unique_count के बीच सहसंबंधी। वही outputs_count और outputs_unique_count के लिए जाता है।

एक बार जब आप इनपुट और आउटपुट की संख्या, साथ ही अद्वितीय इनपुट और अद्वितीय आउटपुट की संख्या पाते हैं, तो आप उन लेनदेन का पता लगा सकते हैं जिनमें बिटकॉइन के पूरे इतिहास में (एलिप्टिक डेटासेट के प्रकाशन तक) केवल एक बार इन संख्याओं का संयोजन होता है। यह आपको प्रत्येक elliptic_time मान के लिए अद्वितीय लेनदेन और अनुमानित समय खोजने की अनुमति देता है:

प्रत्येक elliptic_time के लिए अनन्य लेनदेन की तिथि पाई गई।

ऊपर दिए गए ग्राफ़ से पता चलता है कि तारीख रैखिक रूप से elliptic_time पर निर्भर है:
लगभग = 1450468509.80488 + 1155672.19512195 * elliptic_time।
यहाँ लगभग हर elliptic_time के लिए लगभग एक अनुमानित समय है। और चूंकि elliptic_time 1 से 49 तक बदलता है, लगभग अनुमानित अवधि 2016-01-01 से 2017-10-04 तक, 1155672.19512195 / 3600/24 ​​= 13.37584 दिनों की वेतन वृद्धि में।

एक अद्वितीय संख्या में इनपुट और आउटपुट के संभावित लेनदेन और संयोजन पर समय सीमा को देखते हुए, आप 189 लेनदेन पा सकते हैं जो इन स्थितियों के लिए उपयुक्त हैं और पूरे बिटकॉइन ब्लॉकचेन में केवल एक बार पाए जाते हैं। उदाहरण के लिए, 1 इनपुट और 13107 आउटपुट के साथ केवल एक लेनदेन है - dd9f6bb80803636722ca95d93268667a3ea6938288e0d4cf0e7d2n28a7a91ab3।

अब आप लेनदेन की अन्य विशेषताओं, जैसे कि शुल्क, साथ ही सतोशी में कुल इनपुट (Total_in_value) और आउटपुट (total_out_value) वॉल्यूम पा सकते हैं। सहसंबंध खोज और रैखिक प्रतिगमन जल्दी से ऐसा करने में मदद करता है, मैं केवल अंतिम सूत्र दूंगा:

• शुल्क_V4 = 81341.4537626213 + 386323.710952989 * V4,
• Total_out_value_V3 = 2742460603.92287 + 15853961614.9796 * V3।

हम समानता से Total_in_value के लिए आवश्यक मान पाएंगे:
Total_in_value = total_out_value + शुल्क।

कुल मिली जानकारी से हम सभी एलिप्टिक डेटासेट लेनदेन के 92.9% की पहचान कर सकते हैं। यदि आप ब्लॉकचेन पर रिकॉर्ड किए गए उनके कनेक्शन के साथ कई उपयुक्त लेनदेन पर बनाए गए ग्राफ के साथ तुलना करते हैं, तो आप elliptic_txs_edgelist.csv से लेनदेन ग्राफ का उपयोग करते हैं, तो इसका दूसरा भाग सामने आ सकता है।

इस प्रकार, सभी बेनामी लेनदेन का 99.5% आसानी से खुलासा हो जाता है, शेष 0.5% की भी पहचान की जा सकती है, लेकिन उनके डिएनामाइजेशन पर खर्च किए गए समय को लेनदेन के पहले से ही बताए गए हिस्से पर खर्च किए जाने वाले समय के बराबर होने की संभावना है। आप यहां डीनराइज्ड डेटासेट देख सकते हैं। और यहाँ मूल अण्डाकार डेटा है।