CN111325346B - 比特币矿池的身份推理方法及其推理系统 - Google Patents

比特币矿池的身份推理方法及其推理系统 Download PDF

Info

Publication number
CN111325346B
CN111325346B CN202010104109.5A CN202010104109A CN111325346B CN 111325346 B CN111325346 B CN 111325346B CN 202010104109 A CN202010104109 A CN 202010104109A CN 111325346 B CN111325346 B CN 111325346B
Authority
CN
China
Prior art keywords
mine
node
network
nodes
pool
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010104109.5A
Other languages
English (en)
Other versions
CN111325346A (zh
Inventor
夏佳志
张宇鸿
奎晓燕
王伟平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202010104109.5A priority Critical patent/CN111325346B/zh
Publication of CN111325346A publication Critical patent/CN111325346A/zh
Application granted granted Critical
Publication of CN111325346B publication Critical patent/CN111325346B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/405—Establishing or using transaction specific rules
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种比特币矿池的身份推理方法，包括根据区块链中的交易关系建立交易网络和地址网络；根据矿池产生比特币的传播建立地址对矿池的纯度度量；从交易网络中分离出高纯度自网络并找到高纯度自网络所对应的地址网络作为矿池内部交易网络；对矿池内部交易网络的交易进行分析并对矿池的身份进行推理。本发明还公开了一种实现所述比特币矿池的身份推理方法的推理系统。本发明对区块链中的交易关系的分析和计算，并建立对应的视图模型从而对矿池的身份进行推理；因此本发明能够对比特币矿池的身份进行适当推理，而且可靠性高、实用性好且易于实施。

Description

比特币矿池的身份推理方法及其推理系统
技术领域
本发明属于区块链领域，具体涉及一种比特币矿池的身份推理方法及其推理系统。
背景技术
随着经济技术的发展，区块链技术以其安全性得到了全世界范围的广泛关注。而矿池挖矿，正是区块链技术的重要应用和组成部分。
矿池挖矿是虚拟货币市场的重要组成部分，也是监管的核心对象。比特币等虚拟货币以账本安全性、隐秘性、低成本等优点，为货币与支付系统勾勒了美好的前景。但由于监管的困难，比特币等虚拟货币的推广还存在困难。矿池对市场的影响体现在：
1.矿池算力的不均匀会导致高度中心化，从而引发51％攻击；
2.矿池挖矿算力变化会导致市场出块波动，从而引起交易拥堵。
矿池监管的首要目标，就是要从匿名交易中找到矿池对象。已有的一些启发式的地址去匿名化方法，其从收集到一部分可靠的公开身份的账户地址，通过并查集的方法来关联其他未公开的地址。该类关联方法一般都是基于两个假设：交易的输入方属于同一个用户；交易的输入方和找零地址属于同一个用户。
但是，这类方法仍存在缺陷：公开身份的账户数量十分有限，其真实性也难以确定；而且其所基于的两个假设，在当前交易环境下不一定可靠。
发明内容
本发明的目的之一在于提供一种可靠性高、实用性好且易于实施的比特币矿池的身份推理方法。
本发明的目的之二在于提供一种实现所述比特币矿池的身份推理方法的推理系统。
本发明提供的这种比特币矿池的身份推理方法，包括如下步骤：
S1.根据区块链中的交易关系，建立交易网络和地址网络；
S2.根据矿池产生比特币的传播，建立地址对矿池的纯度度量；
S3.从交易网络中分离出高纯度自网络，并找到高纯度自网络所对应的地址网络作为矿池内部交易网络；
S4.对步骤S3得到的矿池内部交易网络的交易进行分析，从而对矿池的身份进行推理。
步骤S1所述的根据区块链中的交易关系，建立交易网络和地址网络，具体为采用如下步骤建立交易网络和地址网络：
A.获取原始交易数据；
B.对于每一个交易，均为具有M笔卖出的比特币和N比买入的比特币，则将该M-N交易转换为M*N个1-1交易；
C.将不同交易之间的买入和卖出相关联，从而建立交易(Txo，TransactionOuput)网络和地址网络；所述交易网络以Txo为节点，以交易为边；所述地址网络以账户地址为节点，以账户之间产生的所有交易集合为边。
步骤S2所述的根据矿池产生比特币的传播，建立地址对矿池的纯度度量，具体为采用如下步骤建立地址对矿池的纯度度量：
a.将所有的Txo节点按照产生时间排序；
b.将根Txo节点的来源标记为对应矿池，并按照时间顺序向后传播，传播的比例均保持为交易的输入输出比；并在传播完成后，记录所有Txo节点的来源矿池的组成数量；
c.采用如下公式计算第i个Txo节点对矿池k的纯度TPi,k：
Figure BDA0002387908920000031
式中amounti,k为第i个Txo节点收到来自矿池k的比特币数量；amounti,j为第i个Txo节点收到来自矿池j的比特币数量；m为第i个Txo节点的比特币来源的矿池数量。
步骤S3所述的从交易网络中分离出高纯度自网络，并找到高纯度自网络所对应的地址网络作为矿池内部交易网络，具体为采用如下步骤分离高纯度子网络并得到矿池内部交易网络：
(1)对于第k个矿池，从交易网络中分离出对矿池k的纯度为1的节点及节点对应的边；
(2)根据Txo节点与地址的对应关系，从地址网络中分离出对应的节点和节点所对应的边，作为矿池k的框处内部交易网络。
步骤S4所述的对步骤S3得到的矿池内部交易网络的交易进行分析，从而对矿池的身份进行推理，具体为采用如下步骤进行身份推理：
1)对于矿池k，基于甘特图建立MSV视图，用于分析矿池k的矿池内部交易网络中大规模节点的时序收入行为，同时发现节点的聚类并区分不同活跃程度的节点；所述的MSV视图的横轴为日期，纵轴为矿池k的矿池内部交易网络的地址节点，纵轴支持刷子工具选取和缩放，视图采用方块的涂色饱和度表示收入的比特币的数量，纵轴上圆点的饱和度表示节点的平均收入数量；
2)从步骤1)中的MSV视图中选取节点，并绘制该节点的PSV视图，该视图使用力引导布局展现该节点的交易网络和比特币流向；所述的PSV视图采用节点形状表示基础身份信息，边的宽度表示交易数量；
3)从MSV视图或PSV视图选择节点加入改进的Radviz视图并分析该节点的来源组成；所述的改进的Radviz视图包括圆周和圆盘：圆周上的锚点表示矿池，圆盘上的节点表示地址，在圆盘中使用二维平面距离表示地址节点与矿池之间的联系紧密程度；同时，创新性地以在每个节点中嵌入饼图的形式表示该节点的收入来源构成，并为每个节点增加外环，外环弧长表示节点的总的收入数量；
4)根据节点在MSV视图、PSV视图和Radviz视图中的表现，采用如下规则推理节点的身份：
R1.在MSV视图中，收入越稳定且呈现周期性收入的节点，则越可能是矿池内部节点；用户可以通过这一规则进行初步筛选，开展对疑似矿池节点的深入推理；MSV视图的节点排序方法为：将收入稳定的节点放置在上部，并将Sa>0.75作为矿池内部节点的推荐候选值；同时，节点排序方法可以发现聚类并使得类群的周期性易于发现；所述稳定的定义为：在一个月共n天內，节点a保持活跃的天数为m，则a账户的稳定性Sa＝m/n；所述活跃的定义为：在某天地址参与交易并收到比特币，则地址在当天是活跃的；
R2.平均每次收入在0.001～1比特币之间的是矿工，平均每次收入超过1比特币的是矿池的操作者节点，用户可以通过这一规则对内部节点进行细分；在各图中，节点的平均收入值可以通过鼠标悬浮来查看；
R3.在PSV视图中，距离coinbase越近的节点越可能是矿池操作者节点或矿工节点；用户可以通过这一规则对节点身份做进一步确认；在PSV视图中，系统可以根据用户输入的距离范围来显示节点，同时，coinbase被突出显示，方便用户估计各节点的距离的远近；
R4.在PSV视图中，具有共同父节点的兄弟节点的身份相同；通过这一规则，用户可以根据已知节点来推理周边节点的身份；针对特定节点，系统提供对其兄弟节点的批量选择与标记身份；
R5.在PSV视图中，具有越多子节点的节点越可能是矿池的操作者节点；通过这一规则，用户可以发现矿池的分发节点，并确定对应的矿工；
R6.在Radviz视图中，来源越单纯的节点越可能是矿池的操作者节点或稳定的矿工，来源越多的节点越可能是跳跃的矿工或矿池外的节点；通过这一规则，用户可以对节点身份进行进一步确认；为方便查看和避免视觉遮挡，系统可以根据用户输入来展示不同纯度的节点，默认展示TP>0.8的节点；
5)根据步骤4)的推理，标记节点身份，并清除矿工的后续节点；
6)重复步骤4)和步骤5)，直至得到所有节点的身份。
步骤1)所述的发现节点的聚类并区分不同稳定程度的节点，具体为采用如下步骤将节点在纵轴上排序，从而发现节点的聚类并区分不同稳定程度的节点：
一.将矿池k的全部节点的收入行为向量化：对于节点a在每一天的收入行为进行统计和编码，并转换为多维向量；
二.统计全部节点的活跃天数，进行分箱并对箱进行排序；
三.在箱内对多维向量降维至一维，并保留此顺序为箱内顺序；
四.按照从高到低的顺序将节点从箱内取出，并将该顺序作为最终的纵轴上的顺序。
在步骤3)中，采用如下算式计算节点i在圆盘中的位置坐标(xi,yi)：
Figure BDA0002387908920000061
Figure BDA0002387908920000062
式中pi,j为地址i收到从矿池j来的比特币占地址i收到的所有比特币的占比；θj为矿池j在圆周上的弧度；n为地址i收到的比特币的来源的矿池数。
本发明还提供了一种实现所述比特币矿池的身份推理方法的推理系统，包括数据获取模块、网络建立模块、纯度度量计算模块、矿池内部交易网络建立模块和身份推理模块；数据获取模块、网络建立模块、纯度度量计算模块、矿池内部交易网络建立模块和身份推理模块依次串联；数据获取模块用户获取区块链中的交易关系；网络建立模块用于根据获取的交易关系建立交易网络和地址网络；纯度度量计算模块用于根据矿池产生比特币的传播建立地址对矿池的纯度度量；矿池内部交易网络建立模块用于从交易网络中分离出高纯度自网络并找到高纯度自网络所对应的地址网络作为矿池内部交易网络；身份推理模块用于对得到的矿池内部交易网络的交易进行分析并完成对矿池的身份的推理。
本发明提供的这种比特币矿池的身份推理方法及其推理系统，对区块链中的交易关系的分析和计算，并建立对应的视图模型从而对矿池的身份进行推理；因此本发明能够对比特币矿池的身份进行适当推理，而且可靠性高、实用性好且易于实施。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明方法中的MSV视图的示意图。
图3为本发明方法中的PSV视图的示意图。
图4为本发明方法中的Radviz视图的示意图。
图5为本发明方法中的Radviz视图的简化示意图。
图6为本发明系统的系统功能模块图。
图7为本发明的实施例的实例示意图。
具体实施方式
如图1所示为本发明方法的方法流程示意图：
使用交易来源的纯度度量来交易是否处于矿池内部。矿池内部的交易网络一般分为：coinbase(产生)、transferring(转移)、rewarding(支付矿工)。独立运行的矿池的这三类交易的来源都是本身，而在三类之外的各矿池产生的比特币会进行混合，我们通过来源单纯的交易来找到矿池内部地址网络。
本发明提供的这种比特币矿池的身份推理方法，包括如下步骤：
S1.根据区块链中的交易关系，建立交易网络和地址网络；具体为采用如下步骤建立交易网络和地址网络：
A.获取原始交易数据；
B.对于每一个交易，均为具有M笔卖出的比特币和N比买入的比特币，则将该M-N交易转换为M*N个1-1交易；
C.将不同交易之间的买入和卖出相关联，从而建立交易(Txo，TransactionOuput)网络和地址网络；所述交易网络以Txo为节点，以交易为边；所述地址网络以账户地址为节点，以账户之间产生的所有交易集合为边；
S2.根据矿池产生比特币的传播，建立地址对矿池的纯度度量；具体为采用如下步骤建立地址对矿池的纯度度量：
a.将所有的Txo节点按照产生时间排序；
b.将根Txo节点的来源标记为对应矿池，并按照时间顺序向后传播，传播的比例均保持为交易的输入输出比；并在传播完成后，记录所有Txo节点的来源矿池的组成数量；
c.采用如下公式计算第i个Txo节点对矿池k的纯度TPi,k：
Figure BDA0002387908920000081
式中amounti,k为第i个Txo节点收到来自矿池k的比特币数量；amounti,j为第i个Txo节点收到来自矿池j的比特币数量；m为第i个Txo节点的比特币来源的矿池数量；
S3.从交易网络中分离出高纯度自网络，并找到高纯度自网络所对应的地址网络作为矿池内部交易网络；具体为采用如下步骤分离高纯度子网络并得到矿池内部交易网络：
(1)对于第k个矿池，从交易网络中分离出对矿池k的纯度为1的节点及节点对应的边；
(2)根据Txo节点与地址的对应关系，从地址网络中分离出对应的节点和节点所对应的边，作为矿池k的框处内部交易网络；
S4.对步骤S3得到的矿池内部交易网络的交易进行分析，从而对矿池的身份进行推理；具体为采用如下步骤进行身份推理：
1)对于矿池k，基于甘特图建立MSV视图，用于分析矿池k的矿池内部交易网络中大规模节点的时序收入行为，同时发现节点的聚类并区分不同活跃程度的节点；所述的MSV视图的横轴为日期，纵轴为矿池k的矿池内部交易网络的地址节点，纵轴支持刷子工具选取和缩放，视图采用方块的涂色饱和度表示收入的比特币的数量，纵轴上圆点的饱和度表示节点的平均收入数量；
在具体实施时，MSV视图如图2所示；
采用如下步骤将节点在纵轴上排序，从而发现节点的聚类并区分不同稳定程度的节点：
一.将矿池k的全部节点的收入行为向量化：对于节点a在每一天的收入行为进行统计和编码，并转换为多维向量；
二.统计全部节点的活跃天数，进行分箱并对箱进行排序；
三.在箱内对多维向量降维至一维，并保留此顺序为箱内顺序；
四.按照从高到低的顺序将节点从箱内取出，并将该顺序作为最终的纵轴上的顺序；
2)从步骤1)中的MSV视图中选取节点，并绘制该节点的PSV视图，该视图使用力引导布局展现该节点的交易网络和比特币流向；所述的PSV视图采用节点形状表示基础身份信息，边的宽度表示交易数量；
在具体实施时，PSV视图如图3所示；其中矩形表示coinbase，圆环表示末尾节点，实心圆则表示中间节点，而边的宽度则表示交易数量；同时，PSV视图采用力引导布局，并支持缩放和选择；
3)从MSV视图或PSV视图选择节点加入改进的Radviz视图并分析该节点的来源组成；所述的改进的Radviz视图包括圆周和圆盘：圆周上的锚点表示矿池，圆盘上的节点表示地址，在圆盘中使用二维平面距离表示地址节点与矿池之间的联系紧密程度；同时，创新性地以在每个节点中嵌入饼图的形式表示该节点的收入来源构成，并为每个节点增加外环，外环弧长表示节点的总的收入数量；
在具体实施时，Radviz视图如图4和图5所示，图5为简化清晰版的Radviz视图(仅用于举例)；
在具体实施时，计算节点i在圆盘中的位置坐标(xi,yi)：
Figure BDA0002387908920000101
Figure BDA0002387908920000102
式中pi,j为地址i收到从矿池j来的比特币占地址i收到的所有比特币的占比；θj为矿池j在圆周上的弧度；n为地址i收到的比特币的来源的矿池数；
4)根据节点在MSV视图、PSV视图和Radviz视图中的表现，采用如下规则推理节点的身份：
R1.在MSV视图中，收入越稳定且呈现周期性收入的节点，则越可能是矿池内部节点；用户可以通过这一规则进行初步筛选，开展对疑似矿池节点的深入推理；MSV视图的节点排序方法为：将收入稳定的节点放置在上部，并将Sa>0.75作为矿池内部节点的推荐候选值；同时，节点排序方法可以发现聚类并使得类群的周期性易于发现；所述稳定的定义为：在一个月共n天內，节点a保持活跃的天数为m，则a账户的稳定性Sa＝m/n；所述活跃的定义为：在某天地址参与交易并收到比特币，则地址在当天是活跃的；
R2.平均每次收入在0.001～1比特币之间的是矿工，平均每次收入超过1比特币的是矿池的操作者节点，用户可以通过这一规则对内部节点进行细分；在各图中，节点的平均收入值可以通过鼠标悬浮来查看；
R3.在PSV视图中，距离coinbase越近的节点越可能是矿池操作者节点或矿工节点；用户可以通过这一规则对节点身份做进一步确认；在PSV视图中，系统可以根据用户输入的距离范围来显示节点，同时，coinbase被突出显示，方便用户估计各节点的距离的远近；
R4.在PSV视图中，具有共同父节点的兄弟节点的身份相同；通过这一规则，用户可以根据已知节点来推理周边节点的身份；针对特定节点，系统提供对其兄弟节点的批量选择与标记身份；
R5.在PSV视图中，具有越多子节点的节点越可能是矿池的操作者节点；通过这一规则，用户可以发现矿池的分发节点，并确定对应的矿工；
R6.在Radviz视图中，来源越单纯的节点越可能是矿池的操作者节点或稳定的矿工，来源越多的节点越可能是跳跃的矿工或矿池外的节点；通过这一规则，用户可以对节点身份进行进一步确认；为方便查看和避免视觉遮挡，系统可以根据用户输入来展示不同纯度的节点，默认展示TP>0.8的节点；
R5.在PSV视图中，具有越多子节点的节点越可能是矿池的操作者节点；通过这一规则，用户可以发现矿池的分发节点，并确定对应的矿工；
R6.在Radviz视图中，来源越单纯的节点越可能是矿池的操作者节点或稳定的矿工，来源越多的节点越可能是跳跃的矿工或矿池外的节点；通过这一规则，用户可以对节点身份进行进一步确认；为方便查看和避免视觉遮挡，系统可以根据用户输入来展示不同纯度的节点，默认展示TP>0.8的节点。
图6为本发明系统的系统功能模块图：本发明还提供了一种实现所述比特币矿池的身份推理方法的推理系统，包括数据获取模块、网络建立模块、纯度度量计算模块、矿池内部交易网络建立模块和身份推理模块；数据获取模块、网络建立模块、纯度度量计算模块、矿池内部交易网络建立模块和身份推理模块依次串联；数据获取模块用户获取区块链中的交易关系；网络建立模块用于根据获取的交易关系建立交易网络和地址网络；纯度度量计算模块用于根据矿池产生比特币的传播建立地址对矿池的纯度度量；矿池内部交易网络建立模块用于从交易网络中分离出高纯度自网络并找到高纯度自网络所对应的地址网络作为矿池内部交易网络；身份推理模块用于对得到的矿池内部交易网络的交易进行分析并完成对矿池的身份的推理。
以下结合一个实施例，对本发明方法进行进一步说明：
已知条件：比特币矿池(M)，及其活跃时间段(P)所有的区块链交易数据和区块声明数据；
S1:处理P时间段所有的交易数据，构建交易网络和地址网络；
S2:跟踪M产生的比特币的传播，并计算途经产生各Txo的纯度TP；
S3:提取TP＝1的Txo，保留其之间的边，取得相应的高纯度自网络，从而得到矿池内部交易网络G_M。
S4:G_M中所有的节点的时序行为如图7(A)所示，使用人根据推荐的稳定性S>0.75和周期性规则(R1)，首先选择节点a～e作为候选节点，其中a与b节点的收入平均值大于1BTC(R2)。如图7(B)所示，在PSV中，a与b距离coinbase最近(R3)，且b节点拥有多个子节点，因此将a与b推断为矿池的操作者节点，其中b为分发节点。如图7(C)所示，c与e的来源十分单纯，而d的来源十分复杂，因此将c、e推断为矿工，d推断为矿池外节点(R6)。记录矿工节点，并清除矿工c的后续节点f。查看剩余节点g在PSV中的位置，如图7(B)所示，发现其与矿工c、e为兄弟节点，且来源单纯(如图7(C)所示)，根据R4和R6，判断g为矿工节点。
最终，如图7(B)虚线框所示，得到的矿池内部节点为a、b、c、e、g，其中a与b为矿池操作者节点，c、e、g为矿工。

Claims (6)

1.一种比特币矿池的身份推理方法，包括如下步骤：
S1.根据区块链中的交易关系，建立交易网络和地址网络；
S2.根据矿池产生比特币的传播，建立地址对矿池的纯度度量；具体为采用如下步骤建立地址对矿池的纯度度量：
a.将所有的Txo节点按照产生时间排序；
b.将根Txo节点的来源标记为对应矿池，并按照时间顺序向后传播，传播的比例均保持为交易的输入输出比；并在传播完成后，记录所有Txo节点的来源矿池的组成数量；
c.采用如下公式计算第i个Txo节点对矿池k的纯度TPi，k：
Figure FDA0004099816700000011
式中amounti,k为第i个Txo节点收到来自矿池k的比特币数量；amounti,j为第i个Txo节点收到来自矿池j的比特币数量；m为第i个Txo节点的比特币来源的矿池数量；
S3.从交易网络中分离出高纯度自网络，并找到高纯度自网络所对应的地址网络作为矿池内部交易网络；具体为采用如下步骤分离高纯度子网络并得到矿池内部交易网络：
(1)对于第k个矿池，从交易网络中分离出对矿池k的纯度为1的节点及节点对应的边；
(2)根据Txo节点与地址的对应关系，从地址网络中分离出对应的节点和节点所对应的边，作为矿池k的矿池内部交易网络；
S4.对步骤S3得到的矿池内部交易网络的交易进行分析，从而对矿池的身份进行推理。
2.根据权利要求1所述的比特币矿池的身份推理方法，其特征在于步骤S1所述的根据区块链中的交易关系，建立交易网络和地址网络，具体为采用如下步骤建立交易网络和地址网络：
A.获取原始交易数据；
B.对于每一个交易，均为具有M笔卖出的比特币和N比买入的比特币，则将该M-N交易转换为M*N个1-1交易；
C.将不同交易之间的买入和卖出相关联，从而建立交易网络和地址网络；所述交易网络以Txo为节点，以交易为边；所述地址网络以账户地址为节点，以账户之间产生的所有交易集合为边。
3.根据权利要求2所述的比特币矿池的身份推理方法，其特征在于步骤S4所述的对步骤S3得到的矿池内部交易网络的交易进行分析，从而对矿池的身份进行推理，具体为采用如下步骤进行身份推理：
1)对于矿池k，基于甘特图建立MSV视图，用于分析矿池k的矿池内部交易网络中大规模节点的时序收入行为，同时发现节点的聚类并区分不同活跃程度的节点；所述的MSV视图的横轴为日期，纵轴为矿池k的矿池内部交易网络的地址节点，视图中方块的涂色饱和度表示收入的比特币的数量，纵轴上圆点的饱和度表示节点的平均收入数量；
2)从步骤1)中的MSV视图中选取节点，并绘制该节点的PSV视图；所述的PSV视图采用节点形状表示基础身份信息，边的宽度表示交易数量；
3)从MSV视图或PSV视图选择节点加入改进的Radviz视图并分析该节点的来源组成；所述的改进的Radviz视图包括圆周和圆盘：圆周上的锚点表示矿池，圆盘上的节点表示地址，在圆盘中使用二维平面距离表示地址节点与矿池之间的联系紧密程度；在每个节点中嵌入饼图并表示该节点的收入来源构成；每个节点还包括外环，外环弧长表示节点的总的收入数量；
4)根据节点在MSV视图、PSV视图和Radviz视图中的表现，采用如下规则推理节点的身份：
R1.在MSV视图中，收入越稳定且呈现周期性收入的节点，则越可能是矿池内部节点；所述稳定的定义为：在一个月共n天內，节点a保持活跃的天数为m，则a账户的稳定性Sa＝m/n；所述活跃的定义为：在某天地址参与交易并收到比特币，则地址在当天是活跃的；
R2.平均每次收入在0.001～1比特币之间的是矿工，平均每次收入超过1比特币的是矿池的操作者节点；
R3.在PSV视图中，距离coinbase越近的节点越可能是矿池操作者节点或矿工节点；
R4.在PSV视图中，具有共同父节点的兄弟节点的身份相同；
R5.在PSV视图中，具有越多子节点的节点越可能是矿池的操作者节点；
R6.在Radviz视图中，来源越单纯的节点越可能是矿池的操作者节点或稳定的矿工，来源越多的节点越可能是跳跃的矿工或矿池外的节点；
5)根据步骤4)的推理，标记节点身份，并清除矿工的后续节点；
6)重复步骤4)和步骤5)，直至得到所有节点的身份。
4.根据权利要求3所述的比特币矿池的身份推理方法，其特征在于步骤1)所述的发现节点的聚类并区分不同稳定程度的节点，具体为采用如下步骤将节点在纵轴上排序，从而发现节点的聚类并区分不同稳定程度的节点：
一.将矿池k的全部节点的收入行为向量化：对于节点a在每一天的收入行为进行统计和编码，并转换为多维向量；
二.统计全部节点的活跃天数，进行分箱并对箱进行排序；
三.在箱内对多维向量降维至一维，并保留此顺序为箱内顺序；
四.按照从高到低的顺序将节点从箱内取出，并将该顺序作为最终的纵轴上的顺序。
5.根据权利要求4所述的比特币矿池的身份推理方法，其特征在于在步骤3)中，采用如下算式计算节点i在圆盘中的位置坐标(xi,yi)：
Figure FDA0004099816700000041
Figure FDA0004099816700000042
式中pi,j为地址i收到从矿池j来的比特币占地址i收到的所有比特币的占比；θj为矿池j在圆周上的弧度；n为地址i收到的比特币的来源的矿池数。
6.一种实现权利要求1～5之一所述的比特币矿池的身份推理方法的推理系统，其特征在于包括数据获取模块、网络建立模块、纯度度量计算模块、矿池内部交易网络建立模块和身份推理模块；数据获取模块、网络建立模块、纯度度量计算模块、矿池内部交易网络建立模块和身份推理模块依次串联；数据获取模块用户获取区块链中的交易关系；网络建立模块用于根据获取的交易关系建立交易网络和地址网络；纯度度量计算模块用于根据矿池产生比特币的传播建立地址对矿池的纯度度量；矿池内部交易网络建立模块用于从交易网络中分离出高纯度自网络并找到高纯度自网络所对应的地址网络作为矿池内部交易网络；身份推理模块用于对得到的矿池内部交易网络的交易进行分析并完成对矿池的身份的推理。
CN202010104109.5A 2020-02-20 2020-02-20 比特币矿池的身份推理方法及其推理系统 Active CN111325346B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010104109.5A CN111325346B (zh) 2020-02-20 2020-02-20 比特币矿池的身份推理方法及其推理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010104109.5A CN111325346B (zh) 2020-02-20 2020-02-20 比特币矿池的身份推理方法及其推理系统

Publications (2)

Publication Number Publication Date
CN111325346A CN111325346A (zh) 2020-06-23
CN111325346B true CN111325346B (zh) 2023-04-18

Family

ID=71168800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010104109.5A Active CN111325346B (zh) 2020-02-20 2020-02-20 比特币矿池的身份推理方法及其推理系统

Country Status (1)

Country Link
CN (1) CN111325346B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108009807A (zh) * 2017-10-17 2018-05-08 国家计算机网络与信息安全管理中心 一种比特币交易身份标识方法
CN110741372A (zh) * 2017-06-07 2020-01-31 区块链控股有限公司 用于管理区块链网络上的交易的计算机实现的系统和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160189160A1 (en) * 2014-12-30 2016-06-30 Verint Systems Ltd. System and method for deanonymization of digital currency users

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110741372A (zh) * 2017-06-07 2020-01-31 区块链控股有限公司 用于管理区块链网络上的交易的计算机实现的系统和方法
CN108009807A (zh) * 2017-10-17 2018-05-08 国家计算机网络与信息安全管理中心 一种比特币交易身份标识方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
《Bitconeview: visualization of flows in the bitcoin transaction graph》;Giuseppe Di Battista et al.;《2015 IEEE Symposium on Visualization for Cyber Security (VizSec)》;第1-8页 *
《BitVis: An Interactive visualization system for bitcoin accounts analysis》;Yujing sun et al.;《2019 Crypto Valley Conference on Blockchain Technology(CVCBT)》;全文 *
《visualization of blockchain data: a systematic review》;Natkamon Tovanich et al.;《https://hal.archives-ouvertes.fr/hal-02426339》;全文 *
《比特币交易网络的去匿名化技术研究》;邢尧;《中国优秀硕士学位论文全文数据库经济与管理科学辑》(第4期);全文 *

Also Published As

Publication number Publication date
CN111325346A (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
Merigó et al. A bibliometric analysis of operations research and management science
Hu et al. Characteristics of the global copper raw materials and scrap trade systems and the policy impacts of China's import ban
CN106157155B (zh) 基于地图隐喻的社交媒体信息传播可视化分析方法及系统
Sommer Shortest-path queries in static networks
Chekuri et al. Non-cooperative multicast and facility location games
CN107358500A (zh) 基于区块链的评价排序方法
CN111652732B (zh) 一种基于交易图匹配的比特币异常交易实体识别方法
CN105389713A (zh) 基于用户历史数据的移动流量套餐推荐算法
CN107529656A (zh) 一种社交网络社区的划分方法及服务器
CN111127062B (zh) 一种基于空间搜索算法的群体欺诈识别方法及装置
Zhu et al. Ensemble methodology: Innovations in credit default prediction using lightgbm, xgboost, and localensemble
Holland Exploring the evolution of complexity in signaling networks
Ren et al. Comparative study of the China and US import trade structure based on the global chromium ore trade network
CN111325346B (zh) 比特币矿池的身份推理方法及其推理系统
CN114677217A (zh) 一种基于子图匹配的面向以太坊的异常交易行为检测方法
Harrigan et al. Egonav: Exploring networks through egocentric spatializations
Wang et al. Position-aware graph-CNN fusion network: an integrated approach combining geospatial information and graph attention network for multi-class change detection
Chen et al. Sybil-proof diffusion auction in social networks
Gonçalves et al. Transmission line routing optimization using rapid random trees
Zhao et al. Outlier aware differential evolution for multimodal optimization problems
CN115455302A (zh) 一种基于优化图注意网络的知识图谱推荐方法
CN115451974A (zh) 一种电力设备巡检路径规划方法、系统、设备和介质
CN115442240A (zh) 一种社交网络公平结构挖掘方法
Young et al. Intelligent Genetic Algorithm Crossover Operators for Market-Driven Design
Cao et al. Developing actionable trading strategies for trading agents

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant