KR20200094827A - 암호화폐 거래 분석 방법 및 시스템 - Google Patents

암호화폐 거래 분석 방법 및 시스템 Download PDF

Info

Publication number
KR20200094827A
KR20200094827A KR1020190007814A KR20190007814A KR20200094827A KR 20200094827 A KR20200094827 A KR 20200094827A KR 1020190007814 A KR1020190007814 A KR 1020190007814A KR 20190007814 A KR20190007814 A KR 20190007814A KR 20200094827 A KR20200094827 A KR 20200094827A
Authority
KR
South Korea
Prior art keywords
transaction
cryptocurrency
address
graph
node
Prior art date
Application number
KR1020190007814A
Other languages
English (en)
Other versions
KR102185191B1 (ko
Inventor
서상덕
윤창훈
이승현
Original Assignee
(주)에스투더블유랩
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 (주)에스투더블유랩 filed Critical (주)에스투더블유랩
Priority to KR1020190007814A priority Critical patent/KR102185191B1/ko
Priority to CN202080010561.3A priority patent/CN113544727A/zh
Priority to JP2021539150A priority patent/JP7313597B2/ja
Priority to PCT/KR2020/000951 priority patent/WO2020153688A1/ko
Priority to US17/424,828 priority patent/US20220027900A1/en
Publication of KR20200094827A publication Critical patent/KR20200094827A/ko
Application granted granted Critical
Publication of KR102185191B1 publication Critical patent/KR102185191B1/ko

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0607—Regulated
    • 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
    • G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
    • 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
    • G06Q20/22—Payment schemes or models
    • G06Q20/223—Payment schemes or models based on the use of peer-to-peer networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q20/04—Payment circuits
    • G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
    • G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash
    • 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
    • G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
    • 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
    • G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
    • G06Q20/3829—Payment protocols; Details thereof insuring higher security of transaction involving key management
    • 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
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

본 발명은 암호화폐 거래 분석 방법 및 시스템에 관한 것으로, 보다 자세하게는 암호화폐의 속성을 이용하여 암호화폐 데이터를 분석 및 가공함으로써 종래에는 파악하기 어려웠던 암호화폐의 거래 흐름을 분석할 수 있는 방법 및 시스템에 관한 것이다. 본 발명은 전자 장치가 암호화폐 거래를 분석하는 방법에 있어서, 특정 암호화폐에 대응되는 블록체인의 분산원장 정보를 수집하고 상기 분산원장 정보에서 추출한 블록체인 데이터를 정형화하는 블록체인 관리 단계, 웹에서 상기 암호화폐 거래와 관련된 다기종 데이터를 수집하여 정형화하는 다기종 데이터 관리 단계, 상기 정형화된 블록체인 데이터를 이용하여 암호화폐 네트워크 그래프를 구축하고, 상기 정형화된 다기종 데이터를 이용하여 지식 그래프를 구축하고, 상기 암호화폐 네트워크 그래프와 상기 지식 그래프를 맵핑하여 다중 레이어 기반 거래 분석 지식 그래프를 생성하는 그래프 생성 단계, 상기 거래 분석 지식 그래프에서 자금 흐름을 추적하고자 하는 제1 암호화폐 주소를 입력 주소로 하는 거래 정보를 탐색하고, 입력 주소와 출력 주소를 노드로 하는 자금 흐름 그래프를 생성하여 자금 흐름을 추적하고, 상기 지식 그래프를 이용하여 자금 흐름 그래프에 포함된 각 노드의 속성을 식별하는 그래프 분석 단계를 포함하는 것을 일 특징으로 한다. 본 발명에 의하면, 암호화폐의 거래 흐름를 분석하고 거래 주체를 파악할 수 있다.

Description

암호화폐 거래 분석 방법 및 시스템{METHOD AND SYSTEM FOR ANALYZING TRANSACTION OF CRYPTOCURRENCY}
본 발명은 암호화폐 거래 분석 방법 및 시스템에 관한 것으로, 보다 자세하게는 암호화폐의 속성을 이용하여 암호화폐 데이터를 분석 및 가공함으로써 종래에는 파악하기 어려웠던 암호화폐의 거래 흐름을 분석할 수 있는 방법 및 시스템에 관한 것이다.
암호화폐(cryptocurrency)는 교환 수단으로 기능하도록 고안된 디지털 자산으로, 블록체인(blockchain) 기술로 암호화되어 분산발행되고 일정한 네트워크에서 화폐로 사용할 수 있는 전자정보를 말한다. 암호화폐는 중앙은행이 발행하지 않고 블록체인 기술에 기초하여 금전적 가치가 디지털방식으로 표시된 전자정보로서 인터넷상 P2P 방식으로 분산 저장되어 운영·관리된다. 암호화폐를 발행하고 관리하는 핵심 기법은 블록체인(blockchain) 기술이다. 블록체인은 지속적으로 늘어나는 기록(블록)의 일람표로서 블록은 암호화방법을 사용하여 연결되어 보안이 확보된다. 각 블록은 전형적으로는 이전 블록의 암호해쉬, 타임스탬프와 거래 데이터를 포함한다. 블록체인은 처음부터 데이터의 수정에 대해 저항력을 가지고 있으며, 양 당사자 간의 거래를 유효하게 영구적으로 증명할 수 있는 공개된 분산 장부이다. 따라서 암호화폐는 조작 방지를 기반으로 투명한 운영을 가능하게 한다.
그밖에, 암호화폐는 기존 화폐와는 달리 익명성을 갖고 있어, 준 사람과 받은 사람 이외의 제3자는 거래 내역을 일체 알 수 없다는 특징이 있다. 계좌의 익명성 때문에 거래의 흐름을 추적하기 어려우며(Non-trackable), 송금기록, 수금기록 등 일체의 기록은 모두 공개되어 있으나 거래 주체는 알 수 없다(Pseudonymity).
암호화폐는 전술한 바와 같은 자유성과 투명성으로 인해 기존의 기축통화를 대체할 수 있는 대안으로 여겨지고 있으며, 기존 통화 대비 저렴한 수수료와 간단한 송금 절차로 국제 간 거래 등에 효과적으로 사용될 수 있을 것으로 보여진다. 다만 그 익명성으로 인해 암호화폐는 불법 거래 등에 사용되는 등 범죄 수단으로 악용되기도 한다.
따라서 암호화폐를 범죄 수단으로 사용하거나, 거래 주체의 파악이 필요한 경우 이를 파악 및 분석할 수 있는 방법이 요구된다.
본 발명은 전술한 문제점을 해결하기 위한 것으로서, 암호화폐의 거래를 분석하고 거래 주체를 파악할 수 있는 방법을 제공하는 것을 일 목적으로 한다.
또한, 본 발명은 암호화폐를 이용하여 이루어지는 불법 거래를 탐지하고, 거래 패턴을 학습함으로써 암호화폐가 불법 활동을 지원하는 도구로 사용되는 것을 최소화하는 것을 다른 목적으로 한다.
이러한 목적을 달성하기 위한 본 발명은 전자 장치가 암호화폐 거래를 분석하는 방법에 있어서, 특정 암호화폐에 대응되는 블록체인의 분산원장 정보를 수집하고 상기 분산원장 정보에서 추출한 블록체인 데이터를 정형화하는 블록체인 관리 단계, 웹에서 상기 암호화폐 거래와 관련된 다기종 데이터를 수집하여 정형화하는 다기종 데이터 관리 단계, 상기 정형화된 블록체인 데이터를 이용하여 암호화폐 네트워크 그래프를 구축하고, 상기 정형화된 다기종 데이터를 이용하여 지식 그래프를 구축하고, 상기 암호화폐 네트워크 그래프와 상기 지식 그래프를 맵핑하여 다중 레이어 기반 거래 분석 지식 그래프를 생성하는 그래프 생성 단계, 상기 거래 분석 지식 그래프에서 자금 흐름을 추적하고자 하는 제1 암호화폐 주소를 입력 주소로 하는 거래 정보를 탐색하고, 입력 주소와 출력 주소를 노드로 하는 자금 흐름 그래프를 생성하여 자금 흐름을 추적하고, 상기 지식 그래프를 이용하여 자금 흐름 그래프에 포함된 각 노드의 속성을 식별하는 그래프 분석 단계를 포함하는 것을 일 특징으로 한다.
또한, 본 발명은 암호화폐 거래 분석 시스템에 있어서, 특정 암호화폐에 대응되는 블록체인의 분산원장 정보를 수집하고 상기 분산원장 정보에서 추출한 블록체인 데이터를 정형화하는 블록체인 관리부, 웹에서 상기 암호화폐 거래와 관련된 다기종 데이터를 수집하여 정형화하는 다기종 데이터 관리부, 상기 정형화된 블록체인 데이터를 이용하여 암호화폐 네트워크 그래프를 구축하고, 상기 정형화된 다기종 데이터를 이용하여 지식 그래프를 구축하고, 상기 암호화폐 네트워크 그래프와 상기 지식 그래프를 맵핑하여 다중 레이어 기반 거래 분석 지식 그래프를 생성하는 그래프 생성부, 상기 거래 분석 지식 그래프에서 자금 흐름을 추적하고자 하는 제1 암호화폐 주소를 입력 주소로 하는 거래 정보를 탐색하고, 입력 주소와 출력 주소를 노드로 하는 자금 흐름 그래프를 생성하여 자금 흐름을 추적하고, 상기 지식 그래프를 이용하여 자금 흐름 그래프에 포함된 각 노드의 속성을 식별하는 그래프 분석부를 포함하는 것을 일 특징으로 한다.
전술한 바와 같은 본 발명에 의하면, 암호화폐의 거래 흐름를 분석하고 거래 주체를 파악할 수 있다.
또한, 본 발명에 의하면, 암호화폐를 이용하여 이루어지는 불법 거래를 탐지하고, 거래 패턴을 학습함으로써 암호화폐가 불법 활동을 지원하는 도구로 사용되는 것을 최소화할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 암호화폐 거래 분석 시스템을 설명하기 위한 도면,
도 2는 본 발명의 일 실시 예에 따른 암호화폐 거래 분석 방법을 설명하기 위한 순서도,
도 3은 본 발명의 일 실시 예에 따른 블록체인 관리 방법을 설명하기 위한 순서도,
도 4는 본 발명의 일 실시 예에 따른 다기종 데이터 관리 방법을 설명하기 위한 순서도,
도 5는 본 발명의 일 실시 예에 따른 그래프 생성 방법을 설명하기 위한 순서도,
도 6은 본 발명의 일 실시 예에 따른 출력 자금 흐름 그래프 생성 방법을 설명하기 위한 순서도,
도 7은 본 발명의 일 실시 예에 따른 입력 자금 흐름 그래프 생성 방법을 설명하기 위한 순서도,
도 8은 본 발명의 일 실시 예에 따른 출력 자금 흐름 분석 방법을 설명하기 위한 순서도,
도 9는 본 발명의 일 실시 예에 따른 입력 자금 흐름 분석 방법을 설명하기 위한 순서도,
도 10은 본 발명의 일 실시 예에 따른 거래 분석 지식 그래프를 설명하기 위한 도면,
도 11는 본 발명의 일 실시 예에 따른 자금 흐름 그래프를 설명하기 위한 도면,
도 10은 본 발명의 일 실시 예에 따른 자금 흐름 분석 방법을 설명하기 위한 도면이다.
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용되며, 명세서 및 특허청구의 범위에 기재된 모든 조합은 임의의 방식으로 조합될 수 있다. 그리고 다른 식으로 규정하지 않는 한, 단수에 대한 언급은 하나 이상을 포함할 수 있고, 단수 표현에 대한 언급은 또한 복수 표현을 포함할 수 있음이 이해되어야 한다.
본 명세서의 ‘지식 그래프’는 그래프를 이용하여 구현된 지식 베이스를 의미하는 것으로 이해될 수 있다. 지식 베이스는 사람의 두뇌를 데이터베이스화하여 대규모 데이터에서 유의미한 정보를 도출하는 기술로, 지식은 규칙, 의미망, 프레임을 이용해 표현될 수 있으며, 논리 또는 그래프를 이용하여 표현될 수 있다. 그래프를 이용하여 지식 베이스를 구현하는 경우, 그래프는 노드(node)와 간선(edge)으로 구성되며, 노드에는 다양한 주체에 대한 정보를 갖는 ‘객체’가, 간선에는 객체 간의 상관관계가 정의된다. 그래프 기반의 지식 베이스를 구축하면, 사람이 기억하기 어려운 대규모 데이터를 데이터베이스화 할 수 있어, 기계를 통해 숨겨진 의미를 찾을 수 있다.
도 1은 본 발명의 일 실시 예에 따른 암호화폐 거래 분석 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 본 발명의 일 실시 예에 따른 암호화폐 거래 분석 시스템(100)은 사용자 인터페이스부(105), 블록체인 관리부(110), 다기종데이터 관리부(130), 그래프 생성부(150), 그래프 분석부(170), 저장부(190)를 포함할 수 있다.
사용자 인터페이스부(105)는 암호화폐 네트워크 그래프와 다기종 데이터를 기반으로 한 지식 그래프에 대한 검색 및 분석 결과를 제공하는 그래픽 유저 인터페이스(GUI), 사용자 정의 애플리케이션, 프로그래밍 인터페이스(API)를 포함할 수 있다. 블록체인 데이터 및 다기종 데이터에서 추출한 객체들은 하나 이상의 속성(property)를 가지며, 그래프를 기반으로 한 GUI는 객체 간 관계 및 속성을 제공하며, 각 객체에 대하여 추가 분석 메뉴 및 분석 방법을 제공할 수 있다.
사용자 인터페이스부(105)는 시스템 환경설정, 그래프 구축 및 보강, 그래프 검색, 그래프 분석, 그래프 동적 알람 설정에 대한 API를 사용자 정의 애플리케이션에 제공할 수 있으며, 상기 API를 통해 사용자(30)로부터 설정 정보 및 질의 등을 수신하여 거래 분석에 적용하고, 거래 분석 결과를 제공할 수 있다.
시스템 환경설정과 관련하여, 사용자 인터페이스부(105)는 그래프 구축을 위해 데이터 수집 모듈(113, 131)이 수집하거나 배제해야할 목록 및/또는 범위와 같은 수집 데이터 범위 설정 정보, 동적 데이터 분석 모듈(115, 135)의 실시간 데이터 분석 여부 설정 정보와 같은 데이터 분석 활성 설정 정보, 저장소에 대한 전역 환경 설정, 지식 그래프 구축을 위한 관계 정의 스키마, 기타 시스템 동작에 필요한 설정 정보를 수신하기 위한 API를 애플리케이션에 제공할 수 있다.
지식 그래프 구축 및 보강과 관련하여, 사용자 인터페이스부(105)는 도메인과 같은 데이터 수집의 시드 정보, 분석 결과에 대한 태그 정보, 지식 그래프 구성 변경 요청과 같은 분석 정보의 입력이나 기타 지식 그래프를 보강할 수 있는 정보들을 사용자(30)로부터 수신하기 위한 API를 애플리케이션에 제공할 수 있다.
지식 그래프 검색과 관련하여, 사용자 인터페이스부(105)는 full-text 검색, 유사도 기반 검색, 부분 집합 검색 등 지식 그래프 객체(object) 및 속성(property)에 대한 검색을 위한 API를 애플리케이션에 제공할 수 있다.
지식 그래프 분석과 관련하여, 사용자 인터페이스부(105)는 자금 흐름 추적, 서브 그래프 유사도 분석 등 그래프 알고리즘 및 내부 알고리즘에 기반한 지식 그래프 분석에 대한 정보를 제공하는 API를 애플리케이션에 제공할 수 있다.
지식 그래프 동적 알람 설정과 관련하여, 사용자 인터페이스부(105)는 지식 그래프에대한 특수 상황 설정 및 알람 설정 API를 애플리케이션에 제공할 수 있다.
블록체인 관리부(110)는 특정 암호화폐에 대응되는 블록체인의 분산원장 정보를 수집하고 상기 분산원장 정보에서 추출한 블록체인 데이터를 정형화하는 구성으로, 블록체인 데이터 수집 모듈(113), 블록체인 데이터 분석 모듈(115), 블록체인 데이터 정형화 모듈(117)을 포함할 수 있다.
블록체인 데이터 수집 모듈(113)은 하나 이상의 암호화폐 클라이언트(50)를 실행하여 블록체인의 분산원장 정보를 수집할 수 있다. 암호화폐 클라이언트(50)의 실행 여부는 사용자 요청에 의해 이루어질 수 있다. 블록체인 데이터 수집 모듈(113)은 상기 암호화폐 클라이언트(50)가 API를 제공하는 경우, 암호화폐 클라이언트(50)의 API에 거래 정보를 요청하여 요청에 대응되는 분산원장 정보를 수집할 수 있다. 만약 암호화폐 클라이언트(50)가 외부 API를 제공하지 않는 경우, 블록체인 데이터 수집 모듈(113)은 암호화폐 클라이언트(50)가 관리하는 블록데이터를 파싱하여 분산원장 정보를 수집할 수 있다.
블록체인 데이터 분석 모듈(115)은 분산원장에 포함되지 않은 추가적인 정보를 획득하기 위하여 분산원장 정보를 분석하는 모듈로, 상기 분산원장 정보에 포함된 암호화폐 주소들의 소유주 추정을 위해 상기 암호화폐 주소들을 그룹화할 수 있다.
암호화폐 주소의 그룹화에는 거래의 송신주소로 사용되는 가상화폐 주소(publick key)에 해당하는 프라이빗 키(private key)의 소유 여부로 송신 주소의 집합을 그룹화하는 멀티 입력 휴리스틱 알고리즘, 송금 후 잔액을 돌려받는 주소를 이용하여 동일 소유주로 추정되는 복수개의 주소를 그룹화하는 주소변경 휴리스틱 알고리즘 중 적어도 하나가 사용될 수 있으며, 그 외에도 사용자가 정의한 휴리스틱 알고리즘이 사용될 수 있고, 사용자 명령에 의해 주소 필터링 및/또는 주소 그룹화가 이루어질 수도 있다.
멀티 입력 휴리스틱 알고리즘은 하나의 거래에 복수개의 입력 주소와 복수개의 출력 주소(또는 대상 주소)가 사용될 수 있는 암호화폐의 거래 속성을 이용한 것이다. 하나의 거래에 입력 주소(public address) a, b, c가 포함된 경우 a, b, c는 동일한 소유주의 계좌일 가능성이 높다. 따라서 블록체인 데이터 분석 모듈(115)은 a, b, c를 소유주 X의 주소로 그룹핑할 수 있다.
또한, 멀티 입력 휴리스틱 알고리즘을 이용하면 입력 주소 a, b, c가 포함된 거래 1과 입력 주소 c, d, e가 포함된 거래 2가 존재하는 경우, a, b, c, d, e의 소유주가 동일한 것으로 추정할 수 있다. 그리고 블록체인 데이터 분석 모듈(115)은 주소 a, b, c, d, e를 소유주 X의 주소로 그룹핑할 수 있다.
주소 변경 휴리스틱 알고리즘은 암호화폐 거래가 이루어질 때마다 잔액을 돌려받기 위한 주소가 새롭게 생성되는 특징을 이용한 것이다. 예를 들어 주소 a에 10 비트코인이 포함된 UTXO(unspent transaction output)를 소유한 X가 Y에게 8 비트코인을를 송금 할 때, X에게는 새로운 주소 a’가 생성되고, a’로 잔액인 2 비트코인이 입금될 수 있다. 따라서 블록체인 데이터 분석 모듈(115)은 a와 a’를 동일 소유주의 것으로 판단할 수 있으며, a와 a’는 소유주 X의 주소로 그룹핑될 수 있다.
블록체인 데이터 정형화 모듈(117)은 분산원장 정보 및 상기 데이터 분석 모듈에서 분석한 암호화폐 주소 그룹 정보를 포함하는 블록체인 데이터를 미리 설정된 기준에 따라 정형화할 수 있다. 분산원장 정보에는 블록 생성 시간, 입/출력 금액, 거래 수수료, 이전 블록, 다음 블록 등의 암호화폐 블록 데이터, 거래량, 수수료, 입/출력 암호화폐 주소 등의 블록 내 거래 정보가 포함될 수 있다. 따라서 정형화된 블록체인 데이터에는 다양한 암호화폐의 분산원장 정보에 포함된 암호화폐 블록 데이터와 블록 내 거래 정보들이 포함될 수 있으며, 암호화폐의 종류와 블록체인 데이터 분석 모듈(115)에서 분석한 암호화폐 주소 그룹 정보가 포함될 수 있다.
블록체인 데이터 정형화 모듈(117)은 저장부(190)에서 정형화된 블록체인 데이터를 관리할 수 있으며, 외부 요청이 수신되면 정형화된 블록체인 데이터를 전달하는 기능을 수행할 수 있다. 또한 사용자 요청에 따라 블록체인 데이터를 업데이트 할 수 있다.
다기종데이터 관리부(130)는 웹에서 상기 암호화폐 거래와 관련된 다기종 데이터를 수집하여 정형화하는 구성으로, 다기종 데이터 수집 모듈(131), 다기종 데이터 분류 모듈(133), 다기종 데이터 분석 모듈(135), 다기종 데이터 정형화 모듈(137)을 포함할 수 있다.
다기종 데이터 수집 모듈(131)은 웹에서 상기 암호화폐 거래와 관련된 다기종 데이터를 수집할 수 있다. 불법 자금의 흐름을 추적하고자 하는 경우, 다기종 데이터 수집 모듈(131)은 다크웹(Dark Web) 또는 서피스웹(Surface Web)에서 데이터를 수집할 수 있다. 다크웹은 익명 라우팅 기술(Tor)을 이용하여 사용자의 신원을 은폐하는 웹으로, 유해 광고의 송출, 마약 거래와 같은 불법 거래, 각종 금융 범죄에 활용되고 있다. 암호화폐는 불법적인 거래에 활발히 사용되고 있으므로, 불법적인 자금의 흐름을 추적하고 자금 소유주를 식별하기 위해서는 불법 거래가 이루어지는 다크웹 데이터를 수집하는 것은 의미가 있다. 나아가, 다기종 데이터 수집 모듈(131)은 포럼이나 소셜 네트워크 서비스(SNS)와 같은 DeepWeb에서 데이터를 수집할 수 있다. 다기종 데이터 수집 모듈(131)은 사용자로부터 입력받은 데이터를 다기종 데이터로 수집하여 지식 그래프 생성에 사용되도록 할 수 있다. 예를 들어, 사용자가 ‘A라는 비트코인 주소는 철수의 것이다’라는 정보를 입력하면, 비트코인 주소 A와 철수는 암호화폐 주소-소유주의 관계로 지식 데이터 생성에 이용될 수 있다.
다기종 데이터 수집 모듈(131)은 크롤러를 이용하여 웹페이지를 크롤링할 수 있는데, 크롤링 된 웹페이지에 하이퍼링크가 존재하는 경우, 하이퍼링크를 통해 연결된 웹페이지를 추가 크롤링하는 방식으로 다기종 데이터를 수집할 수 있다. 사용자가 시드 정보를 제공한 경우, 다기종 데이터 수집 모듈(131)은 시드 정보에 대응되는 웹페이지를 크롤링할 수 있다. 시드 정보로는 도메인, URL, 해시태그, 키워드 등이 포함될 수 있다. 예를 들어, 사용자가 불법 자금이 사용될 것으로 예상되는 다크웹의 특정 주소를 시드 정보로 제공한 경우, 다기종 데이터 수집 모듈(131)은 위 주소에 해당하는 웹페이지를 크롤링하고 크롤링한 데이터에서 다른 웹사이트로 연결되는 링크를 추출하여 데이터 코퍼스를 확장할 수 있다.
다기종 데이터 분류 모듈(133)은 다기종 데이터를 거래 속성 또는 데이터 소스(도메인, URL)에 따라 분류할 수 있다.
예를 들어, 수집된 웹페이지에 기부 요청, 지식 공유, 에스크로 확인, 사용자 식별, 제품 광고, 법률 서비스 제공 등의 내용이 포함된 경우 동 웹페이지에 포함된 데이터들은 합법적 데이터로 분류될 수 있다. 다른 실시 예로, 다기종 데이터 분류 모듈(133)은 기계학습을 통해 웹페이지 구조를 학습하여 분류를 수행할 수 있다. 예를 들어, 다기종 데이터 분류 모듈(133)은 HTML 테이블이나 XML 구조 등을 이용하여 웹페이지의 구조 정보를 학습할 수 있으며, 새로운 웹페이지에 대한 구조 정보를 비교하여 유사 페이지를 분류할 수 있다.
다기종 데이터 분석 모듈(135)은 웹페이지 내에 존재하는 암호화폐 거래 정보를 추출하는 모듈로, 상기 다기종 데이터에서 암호화폐 주소, 거래 정보, 컨텐츠 유형 또는 사용자 정보 중 적어도 하나를 추출할 수 있다. 사용자 정보로는 사용자 ID, 사용자 이름, 글 작성 시간, 친구 목록, 회원 가입 날짜, 최근 활동 내역 등이 포함될 수 있다. 이 밖에 사용자가 특정 데이터를 정의한 경우, 다기종 데이터 분석 모듈(135)은 다기종 데이터에서 사용자가 정의한 데이터를 추출할 수 있다.
다기종 데이터 정형화 모듈(137)은 다기종 데이터 분석 모듈(135)에서 추출된 정보를 미리 설정된 기준에 따라 정형화 할 수 있다. 다기종 데이터 분석 모듈(135)에서 추출된 정보들은 도메인, URL, 컨텐츠 내용 등이 상이한 바, 다기종 데이터 정형화 모듈(137)은 추출한 데이터의 카테고리와 무관하게 데이터를 활용할 수 있도록 하기 위하여 추출된 데이터를 정형화하는 작업을 수행할 수 있다. 예를 들어, 분석 모듈(135)에서 추출한 정보와 추가적인 메타정보를 삽입하여 [데이터 소스, 암호화폐 종류,카테고리] 순으로 정형화 할 수 있다.
그래프 생성부(150)는 상기 정형화된 블록체인 데이터를 이용하여 암호화폐 네트워크 그래프를 구축하고, 상기 정형화된 다기종 데이터를 이용하여 지식 그래프를 구축하고, 상기 암호화폐 네트워크 그래프와 상기 지식 그래프를 맵핑하여 다중 레이어 기반 거래 분석 지식 그래프를 생성하는 구성으로, 암호화폐 네트워크 그래프 생성 모듈(151), 지식 그래프 생성 모듈(153), 거래 분석 지식 그래프 생성 모듈(155)을 포함할 수 있다.
암호화폐 네트워크 그래프 생성 모듈(151)은 정형화된 블록체인 데이터에서 추출한 제1 객체 또는 제1 속성으로 제1 노드를 생성하고, 각 노드 관 관계(edge)를 이용하여 암호화폐 네트워크 그래프를 구축할 수 있다. 예를 들어, 암호화폐 입력 주소(객체 노드) - 전송 금액(엣지) > 거래 노드 - 전송 금액(엣지) > 암호화폐 출력 주소(객체 노드)와 같은 네트워크 그래프나, 그룹 정보가 반영된 소유주 X(객체 노드) - 전송 금액(엣지) > 거래 노드 - 전송 금액(엣지) > 랜섬웨어(속성 노드)와 같은 네트워크 그래프가 생성될 수 있다. 위 설명에서 ‘>’는 방향성을 나타내는 것으로, 본 발명의 일 실시 예에 의한 엣지는 방향성을 갖는 것일 수 있다.
암호화폐 네트워크 그래프는 분류된 카테고리에 따라 하나 이상의 레이어에 표시될 수 있다. 도 10을 참조하면, 암호화폐의 종류에 따라 레이어가 구분되는 경우, 레이어 #1(210a)에는 비트코인 데이터가, 레이어 #n(210b)에는 이더리움 데이터가 표시될 수 있다. 그 외에도 사용자 정의에 따른 분류 기준에 의해 암호화폐 네트워크 그래프는 다수의 레이어에 표시될 수 있다.
지식 그래프 생성 모듈(153)은 정형화된 다기종 데이터에서 추출한 제2 객체 또는 제2 속성으로 제2 노드를 생성하고, 각 노드 관 관계(edge)를 이용하여 지식 그래프를 구축할 수 있다. 예를 들어, 지식 그래프 생성 모듈(153)은 웹페이지에서 추출한 프로필 데이터를 이용하여 사용자 아이디(객체 노드) - 소유(엣지) > 암호화폐 주소(객체 노드)와 같은 노드 및 엣지를 생성할 수 있으며, 웹페이지에서 추출한 판매 데이터를 이용하여 암호화폐 주소(객체 노드) - 입금(엣지) > 제품(객체 노드)와 같은 노드 및 엣지를 생성함으로써 지식 그래프를 구축할 수 있다. 지식 그래프 역시 암호화폐 네트워크 그래프와 같이 하나 이상의 레이어에 표시될 수 있어(230a, 230b), 멀티 레이어 구조를 가질 수 있다. 레이어 별 지식 그래프는 서로 다른 카테고리에 속한 것일 수 있다.
거래 분석 지식 그래프 생성 모듈(155)은 서로 상응하는 제1 노드와 제2 노드를 맵핑하여 거래 분석 지식 그래프를 생성할 수 있다. 예를 들어, 암호화폐 네트워크 그래프(210)의 레이어 #1(210a)에 포함된 노드(A)가 주소 a에 대응되고, 노드(B)가 주소 b에 대응되며 두 주소는 동일 그룹에 속하는 관계이며, 지식 그래프의 레이어 #1(230a)에 포함된 노드(C)가 암호화폐 주소 b라고 가정하자. 노드 (B)와 노드(C)는 동일 정보를 포함하므로 상호 맵핑될 수 있다(도 8 참조). 즉, 거래 분석 지식 그래프(200)는 암호화폐 네트워크 그래프(210)와 지식 그래프(230)의 노드들이 상호 맵핑된 다중 레이어 구조를 가질 수 있으며, 따라서 거래 분석 지식 그래프(200)를 이용하면, 암호화폐 네트워크 그래프(210)의 구성요소를 지식 그래프(230)의 구성요소를 통해 해석하는 작업이 가능하다. 예를 들어, 노드(C)가 사용자 ID를 나타내는 노드 (D)와 소유자 엣지로 연결되어 있다면, 주소 a와 b의 소유주는 노드 (D)에 대응되는 사용자 ID를 갖는 사람이라고 판단할 수 있다.
그래프 분석부(170)는 거래 분석 지식 그래프를 분석하는 그래프 분석 모듈(171)과 금전 거래의 유사도를 분석하는 유사도 분석 모듈(173)을 포함할 수 있다.
그래프 분석 모듈(171)은 암호화폐 거래 분석을 위해 거래 분석 지식 그래프(200)를 분석할 수 있다. 예를 들어, 상기 거래 분석 지식 그래프에서 자금 흐름을 추적하고자 하는 암호화폐 주소를 입력 주소로 하는 거래 정보를 탐색하고, 입력 주소와 출력 주소를 노드로 하는 자금 흐름 그래프를 생성하여 자금 흐름을 추적하고, 상기 지식 그래프를 이용하여 자금 흐름 그래프에 포함된 각 노드의 속성을 식별할 수 있다.
나아가, 그래프 분석 모듈(171)은 그래프 알고리즘에 기반하여 거래 분석 지식 그래프에서 암호화폐 거래의 주요 노드를 추적할 수 있다. 예를 들어, Centrality 분석을 통해 자금 흐름의 중심 노드를 추출하거나, 특정 제품의 자금 흐름 내역과 관련된 노드를 추출할 수 있다. 또는 경로(path) 분석을 통해 객체 간 금전 거래의 상관관계를 분석할 수 있다.
또한, 그래프 분석 모듈(171)은 오염 분석 기술을 바탕으로 암호화폐의 자금 흐름을 추적할 수 있는데, 이에 대해서는 도 6 내지 7, 9 내지 10을 참조하여 후술하기로 한다.
유사도 분석 모듈(173)은 지식 그래프를 기반으로 금전 거래의 패턴을 도출할 수 있다. 예를 들어, 마약 거래가 특정 사용자 A에 의해 암호화폐 거래 사이트 B에서 자주 이루어지는 경우, 지식 그래프에는 특정 사용자- 마약 거래- 암호화폐 거래 사이트 노드 및 엣지가 다수 존재할 것이므로, 유사도 분석 모듈(173)은 지식 그래프에서위 내용을 하나의 패턴으로 정의할 수 있다.
유사도 분석 모듈(173)은 기계학습을 이용하여 금전 거래 패턴을 학습할 수 있으며, 유사 패턴을 도출할 수도 있다. 예를 들어, 노드에 대한 입력/출력 수준(degree, 관계(edge) 대한 시퀀스, 금액, 기타 객체와 해당 객체의 속성(property)을 학습함으로써 패턴 학습을 수행할 수 있다. 또한 유사도 분석 모듈(173)은 동적으로 패턴을 도출함으로써, 의심스러운 금전 거래 패턴이 발생된 경우 알람을 생성하여 사용자에게 제공할 수 있다.
저장부(190)는 정형화된 블록체인 데이터나 정형화된 다기종 데이터, 그래프 생성부(150)에서 생성된 암호화폐 네트워크 그래프, 지식 그래프, 거래 분석 지식 그래프 등을 저장할 수 있다. 저장부(190)는 암호화폐 거래 분석 시스템(100)에 포함된 것일 수도 있으나, 암호화폐 거래 분석 시스템(100) 외부에 구축된 데이터베이스일 수 있다.
이하에서는 도 2 내지 도 10을 참조하여, 본 발명의 일 실시 예에 따른 암호화폐 거래 분석 방법을 설명한다.
도 2는 본 발명의 일 실시 예에 따른 암호화폐 거래 분석 방법을 설명하기 위한 순서도이다. 도 2를 참조하면, 전자 장치는 특정 암호화폐에 대응되는 블록체인의 분산원장 정보를 수집하고 상기 분산원장 정보에서 추출한 블록체인 데이터를 정형화하는 방식으로 블록체인 데이터를 관리할 수 있다(S100). 다음으로 전자 장치는 웹에서 상기 암호화폐 거래와 관련된 다기종 데이터를 수집하여 정형화하는 방식으로 다기종 데이터를 관리할 수 있다(S200). 전자 장치는 상기 정형화된 블록체인 데이터를 이용하여 암호화폐 네트워크 그래프를 구축하고, 상기 정형화된 다기종 데이터를 이용하여 지식 그래프를 구축하고, 상기 암호화폐 네트워크 그래프와 상기 지식 그래프를 맵핑하여 다중 레이어 기반 거래 분석 지식 그래프를 생성할 수 있다(S500). 그리고 전자 장치는 상기 거래 분석 지식 그래프에서 자금 흐름을 추적하고자 하는 제1 암호화폐 주소를 입력 주소로 하는 거래 정보를 탐색하고, 입력 주소와 출력 주소를 노드로 하는 자금 흐름 그래프를 생성하여 자금 흐름을 추적하고, 상기 지식 그래프를 이용하여 자금 흐름 그래프에 포함된 각 노드의 속성을 식별함으로써 그래프 분석을 수행할 수 있다(S700). 암호화폐 거래 분석 방법을 수행하는 전자 장치는 컴퓨터 프로세서 및 유무선 통신 모듈을 포함하는 장치로써, 사용자 단말로부터 설정 정보, 시드 정보 및 질의 등을 수신하고 암호화폐 클라이언트 및 웹에서 필요한 정보들을 수집하여 암호화폐 거래 분석 방법의 각 단계들을 수행할 수 있다.
도 3을 참조하면, 단계 100에서 전자 장치는 하나 이상의 암호화폐 클라이언트를 실행하여 블록체인의 분산원장 정보를 수집하는 블록체인 데이터 수집하고(S130), 상기 분산원장 정보를 이용하여 동일 소유주로 추정되는 주소를 그룹화하는 등 블록체인 데이터를 분석할 수 있다(S150). 전자 장치는 단계 150에서 거래의 송신주소로 사용되는 가상화폐 주소에 해당하는 프라이빗 키의 소유 여부로 송신 주소의 집합을 그룹화하는 멀티 입력 휴리스틱 알고리즘 사용하여, 일 거래에 포함된 복수 개의 입력 주소를 그룹화하거나 동일 주소를 포함하는 복수의 그룹을 하나의 그룹으로 그룹화할 수 있다. 나아가 주소변경 휴리스틱 알고리즘을 사용, 송금 후 잔액을 돌려받는 주소를 이용하여 동일 소유주로 추정되는 복수개의 주소를 그룹화할 수 있다.
다음으로 전자 장치는 상기 분산원장 정보 및 상기 데이터 분석 모듈에서 분석한 그룹 정보를 포함하는 블록체인 데이터를 미리 설정된 기준에 따라 정형화할 수 있다(S170).
도 4를 참조하면, 단계 300에서 전자 장치는 웹에서 상기 암호화폐 거래와 관련된 다기종 데이터를 수집하고(S310), 상기 다기종 데이터를 거래 속성에 따른 카테고리 별로 분류하고(S330), 상기 다기종 데이터에서 암호화폐 주소, 거래 정보 또는 사용자 정보 중 적어도 하나를 추출하여 다기종 데이터를 분석 할 수 있다(S350). 그리고 상기 추출한 정보를 미리 설정된 기준에 따라 정형화 할 수 있다(S370).
도 5를 참조하면, 단계 500에서 전자 장치는 상기 정형화된 블록체인 데이터에서 추출한 제1 객체 또는 제1 속성으로 제1 노드를 생성하고, 노드 간 관계를 엣지(edge)로 연결하여 암호화폐 네트워크 그래프를 구축하고(S530), 상기 정형화된 다기종 데이터에서 추출한 제2 객체 또는 제2 속성으로 제2 노드를 생성하고, 노드 간 관계를 엣지로 연결하여 지식 그래프를 구축할 수 있다(S550). 전자 장치는 암호화폐 네트워크 그래프와 지식 그래프에서 서로 상응하는 제1 노드와 제2 노드를 맵핑하여 거래 분석 지식 그래프를 생성할 수 있다(S570).
단계 700을 도 6 내지 도 8을 참조하여 보다 자세하게 살펴본다. 도 6은 단계 700에서 자금 흐름 그래프를 생성하는 단계를 보다 자세하게 설명하기 위한 순서도이다. 전자 장치는 제1 암호화폐 주소에서 흘러간 자금 흐름을 추적하고자 할 때, 다음과 같은 방법으로 출력 자금 흐름 그래프를 생성한다.
도 6을 참조하면, 전자 장치는 단계 a에서 먼저 상기 거래 분석 지식 그래프에서 자금 흐름을 추적하고자 하는 제1 암호화폐 주소를 입력 노드로 지정하고, 상기 입력 노드의 주소를 입력 주소로 하는 하나 이상의 제1 거래 정보를 검색한다(S713). 다음으로 전자 장치는 거래 노드, 출력 노드와 엣지를 생성한다(S715). 단계 715는 단계 b 및 c를 포함한다. 단계 b는 상기 제1 거래 정보를 이용하여 각 거래에 대한 거래 노드(TX))를 생성하고, 상기 입력 노드와 상기 거래 노드를 입력 엣지(TxIn)로 연결하는 단계이며, 단계 c는 상기 제1 거래 정보에 포함된 출력 주소에 대응되는 출력 노드(Addr)를 생성하고, 상기 거래 노드와 상기 출력 노드를 출력 엣지(TxOut)로 연결하는 단계이다. 다음으로 단계 d에서 전자 장치는 상기 입력 엣지 및 상기 출력 엣지에 대해 전송된 금액을 레이블링하고, 출력이 소비되지 않은 거래에 대응되는 출력 엣지에는 UTXO 태그를 레이블링할 수 있다(S717). 전송 금액 및 태그의 레이블링이 완료되면 전자 장치는 출력 엣지에 UTXO 태그가 레이블링되어 있는지 여부를 확인하고, UTXO 태그가 레이블링되지 않은 출력 엣지에 대해서 출력 노드들을 입력 노드로 지정함으로써단계 713 내지 단계 717를 반복적으로 수행한다. 전자 장치는 출력 엣지에 UTXO 태그가 레이블링되어 있거나 제1 거래 정보에 포함된 출력 주소가 기 식별된 주소로 판단되면, 해당 엣지와 연결된 출력 노드에 대해서는 그래프 생성을 종료할 수 있다.
자금 흐름 그래프를 생성하는 방법에 대한 예시는 도 11에 도시되어 있다. 도 11는 불법 비트코인 주소(illicit address)(500)에서 흘러간 자금 흐름을 추적하기 위한 그래프로, 본 발명의 일 실시 예에 의한 자금 흐름 그래프는 자금 흐름을 추적하고자 하는 제1 암호화폐 주소를 루트 노드로 하는 루트 지향 그래프이다. 불법 비트코인 주소에서 흘러간 자금 흐름을 추적하고자 할 때, 우선 불법 비트코인 주소를 입력 노드(루트 노드)로 지정하고, 루트 노드(500)의 주소를 입력 주소로 하는 하나 이상의 거래 정보를 검색한다. 그런 다음 전자 장치는 각 거래에 대한 거래 노드(TX)를 생성하고, 루트 노드에서 거래 노드(TX)를 입력 엣지(TxIn)로 연결한다. 다음으로 출력 주소에 대한 출력 노드(Addr)를 생성하고 출력 노드를 가리키는 출력 엣지(TxOut)을 사용하여 거래 노드(TX)와 출력 노드(Addr)를 연결한다. 생성된 출력 노드 각각에 대응되는 출력 주소를 입력 주소로 하는 후속 거래를 이용하여 자금 흐름 그래프를 생성한다. 후속 거래는 현재 거래의 출력(TxOut)이 다음 거래의 입력(TxIn)으로 소비되는 거래를 의미한다. 도 11에 도시된 바와 같이 addr k를 입력으로 하는 두 개의 거래(TX E와 TX F)가 존재하더라도, 그래프 분석 모듈(171)은 TX E를 다음 거래로 추적하기 때문에 입력 엣지 TxIn(e)만을 출력 엣지 TxOut(b)로부터 소비된 것으로 분석한다. 거래 TX F에서 처리된 비트코인은 불법 비트코인 주소가 아닌 TxOut(c)에서 온 것이므로 본 자금 흐름 추적에서는 버려진다. 전자 장치의 그래프 분석 모듈(171)은 불법적인 주소(루트 노드)로부터 시작하여 그래프에 자금 수신 주소를 계속 추가함으로써 그래프를 확장한다. 그래프 분석 모듈(171)은 마지막 출력 노드가 UTXO 태그가 있는 TXOut 엣지로 식별될 때까지 그래프에 거래 노드 및 출력 노드를 반복적으로 추가한다. 또한 그래프 분석 모듈(171)은 그래프에 새로운 주소 노드를 추가할 때 암호화폐 서비스 업체의 암호화폐 주소를 알아내어 해당 정보를 해당하는 주소 그룹(클러스터)에 태깅할 수 있다. 주소가 잘 알려진 서비스 제공 업체의 소유인 경우, 그래프 분석 모듈(171)은 노드에 서비스 이름을 레이블링하고 다음 거래정보 탐색을 중지할 수 있다.
본 발명의 일 실시 예에 의한 불법 자금 추적의 최종 목적지가 되는 서비스 제공 업체의 일 예로는 암호화폐의 교환이 이루어지는 거래소나 월렛 서비스 제공 업체, 포커, 카지노와 같은 온라인 갬블링 사이트, 불법적인 제품을 판매 또는 구매할 수 있는 판매소, 익명성 향상을 위해 암호화폐를 세탁하는 업체 등이 있을 수 있다.
단계 700에서, 자금 흐름 그래프의 생성이 완료되면, 전자 장치 또는 그래프 분석 모듈(171)은 자금 흐름을 계량화함으로써 자금의 흐름을 추적할 수 있다. 자금 흐름 추적은 한 주소에서 다른 주소로 전송된 암호화폐의 양을 정량화하는 방법을 통해 수행될 수 있다.
출력 자금 흐름을 추적하기 위하여, 전자 장치는 제1 거래 노드와 연결된 모든 출력 엣지에 레이블링된 금액의 합 대비 제1 출력 엣지에 레이블링된 금액의 비율을 제1 출력 엣지의 오염 비율로 연산하고(S731), 제1 거래 노드와 입력 엣지로 연결된 제1 입력 노드의 오염값과 제1 출력 엣지의 오염 비율을 이용하여 제1 출력 엣지와 연결된 제1 출력 노드의 오염값을 산출한다(S733). 루트 노드의 오염값은 1 이다. 전자 장치는 제1 출력 노드의 오염값을 제1 암호화폐 주소로부터 수신된 자금의 비율로 판단함으로써 자금 흐름을 식별할 수 있다(S735).
출력 자금 흐름을 추적함에 있어서, 오염값은 자금 흐름을 추적하고자 하는 제1 암호화폐 주소(최초 입력 주소)에서 각 목적지 주소(출력 주소)로 전송된 암호화폐의 비율을 의미한다.
하기 수학식 1 내지 3은 본 발명의 일 실시 예에 따른 자금 흐름 계량화 방법을 수식으로 나타낸 것이다.
Figure pat00001
입력 노드의 오염값
Figure pat00002
는 수학식 1에 나타나있다. 수학식 1에서
Figure pat00003
는 탈퇴 거래 t와 목적지 암호화폐 주소 b에 도달하는 다음 거래의 집합을 포함하는 j 번째 거래의 집합이며 거래 pt는 집합
Figure pat00004
에 속한 거래 중 하나이다. 나아가
Figure pat00005
는 거래 pt의 출력 엣지 i의 금액이며,
Figure pat00006
는
Figure pat00007
에 속한 다음 거래에서 소비된 후속 출력 엣지에 대응되는 금액이다. 즉, 현재 거래에서 출력에 속한 값을 현재 거래에 속한 모든 출력값으로 나눈 비율을 곱해간다. 또한, 현재 거래에서 출력이 소비되는 다음 거래(next transaction)을 지속적으로 따라가며,
Figure pat00008
에 속한 모든 거래에서 계산되는 모든 출력 금액에 대한 비율을 곱한다. 최종적으로 각각의 거래집합 j에 대해 곱한 값을 모두 합하여 입력 노드 a에서 거래 t를 시작으로 출력 노드 b로 가는 오염값을 계산한다.
Figure pat00009
수학식 2는 입력 주소 a에서 각 자금 출금 거래로의 자금 흐름 비율을 반영하기 위해 거래 t에서 입력 자금의 일 부분을 입력 자금의 합으로 나눈 값을 나타내는 정규화 함수로 오염 비율(
Figure pat00010
)를 정의한 것이다. 입력 엣지의 주소가 인풋 노드의 주소 a와 동일한 모든 입력 엣지에 대해,
Figure pat00011
는 거래 t에서의 입력 엣지 i의 금액이며,
Figure pat00012
는 모든 출금 거래에 대한 거래 k의 입력 엣지 i의 금액을 나타낸다. 비율을 계산하기 위해서 거래 t의 입력 엣지에 해당하는 금액의 총 합을 모든 출력거래 T에 속한 입력 엣지 금액의 총 합으로 나눈다.
Figure pat00013
수학식 3은 최종 오염값
Figure pat00014
에 대한 수식이다. 최종 오염값
Figure pat00015
는 각 거래 t에 대한 오염비율과 입력 노드의 오염값을 곱하고 모든 출력거래 T에 속한 거래 t에 대해 계산한 값을 더하여 산출한다.
도 10에 오염값 산출 방법을 설명하기 위하여 자금 흐름을 추적하고자 하는 불법 비트코인 주소(500)를 루트 노드로 하는 자금 흐름 그래프가 개시되어 있다. 불법 자금의 양이 10BTC일 때, 거래노드 TX1을 통해 자금은 두 개의 다른 비트코인 주소인 BTC1과 BTC2로 전송된다. 여기서 불법 자금의 20%는 BTC1로, 80%는 BTC2로 전송된다. 거래노드 TX1에서의 출력 엣지에 UTXO 태그가 레이블링되어 있으므로, BTC1의 최종 오염값이 산출되며, BTC1의 최종 오염값은 20%이다. 거래노드 TX2를 가로질러 각 출력 주소로 전송된 총 출력량의 비율을 기반으로 각 출력 노드의 최종 오염값을 계산하면, BTC3의 최종 오염값은 16 % (0.8 * 0.2 = 0.16)이며, BTC4와 BTC5의 최종 오염값은 각각 24 % (0.8 * 0.3 = 0.24) 및 40 % (0.8 * 0.5 = 0.4)이다. TX1 및 TX2의 BTC1 및 BTC3에 대한 출력은 미사용으로 남아 있고 BTC4 및 BTC5는 잘 알려진 비트코인 서비스 제공자 (즉, 교환 서비스)에 의해 소유되기 때문에 그래프 분석 모듈(171)은 추가적인 다음 거래의 추적을 수행할 수 없다. 도 10의 실시 예에서, 10개의 불법 비트코인 중 36%의 비트코인이 미사용 상태로 남아있으며, 64%의 비트코인이 거래소와 같은 교환(exchange) 카테고리의 주소로 송금되었다고 추정할 수 있다. 이와 같이, 본 발명에 의하면 암호화폐의 익명성에도 불구하고 얼마나 많은 불법 자금이 어디로 유입되었는지 파악할 수 있다.
단계 700의 다른 실시 예로, 도 7를 참조하면, 전자 장치는 입력 자금 흐름을 추적하기 위한 입력 자금 흐름 그래프를 생성하고, 입력 자금 흐름을 추적할 수 있다. 입력 자금 흐름의 추적은 상술한 출력 자금 흐름 그래프 생성 및 출력 자금 흐름 추적을 역으로 수행하여 이루어질 수 있다. 예를 들어, 입력 자금 흐름 그래프는 거래 분석 지식 그래프에서 입력 자금 흐름을 추적하고자 하는 제2 암호화폐 주소를 출력 노드로 지정하고, 출력 노드의 주소를 출력 주소로 하는 하나 이상의 제2 거래 정보를 검색하는 a’단계(S723), 제2 거래 정보를 이용하여 각 거래에 대한 거래 노드(Tx)를 생성하고, 출력 노드와 거래 노드를 출력 엣지(TxOut)로 연결하는 b’단계 및 제2 거래 정보에 포함된 입력 주소에 대응되는 입력 노드(Addr’)를 생성하고, 거래 노드(Tx)와 입력 노드를 입력 엣지(TxIn)로 연결하는 c’단계(S725), 입력 엣지 및 출력 엣지에 대해 전송된 금액을 레이블링하는 d’단계(S727), 제2 거래 정보에 포함된 입력 주소가 기 식별된 주소로 판단될 때까지 입력 노드를 출력 노드로 지정하여 a’내지 d’단계를 반복 수행(S729)함으로써 생성될 수 있다. 즉, 입력 자금 흐름 그래프의 생성은 추적 대상이 되는 노드를 가장 하위 노드로 하여 해당 노드에 암호화폐를 전송한 상위 노드를 탐색하는 과정으로 이해될 수 있다.
단계 719 및 729의 경우, 특정 조건을 설정하여 해당 조건이 만족할 ‹š까지 자금 흐름 그래프를 생성하는 것도 가능하나, 사용자가 노드 생성의 깊이(depth)를 설정하여 원하는 깊이만큼 그래프를 생성할 수도 있다.
입력 자금의 흐름을 추적함에 있어서, 도 9를 참조하면, 전자 장치는 제2 거래 노드와 연결된 모든 입력 엣지에 레이블링된 금액의 합 대비 제2 입력 엣지에 레이블링된 금액의 비율을 상기 제2 입력 엣지의 오염 비율로 연산하고(S751), 상기 제2 거래 노드와 출력 엣지로 연결된 제2 출력 노드의 오염값과 상기 제2 입력 엣지의 오염 비율을 이용하여 상기 제2 입력 엣지와 연결된 제2 입력 노드의 오염값을 산출하여(S753), 상기 제2 입력 노드의 오염값을 상기 제2 암호화폐 주소로 유입된 자금의 비율로 판단할 수 있다(S755).
본 명세서에서 생략된 일부 실시 예는 그 실시 주체가 동일한 경우 동일하게 적용 가능하다. 또한, 전술한 본 발명은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시 예 및 첨부된 도면에 의해 한정되는 것이 아니다.
30: 사용자
50: 암호화폐 클라이언트
70: 웹
100: 암호화폐 거래 분석 시스템
105: 사용자 인터페이스부
110: 블록체인 관리부
130: 다기종 데이터 관리부
150: 그래프 생성부
170: 그래프 분석부

Claims (16)

  1. 전자 장치가 암호화폐 거래를 분석하는 방법에 있어서,
    특정 암호화폐에 대응되는 블록체인의 분산원장 정보를 수집하고 상기 분산원장 정보에서 추출한 블록체인 데이터를 정형화하는 블록체인 관리 단계;
    웹에서 상기 암호화폐 거래와 관련된 다기종 데이터를 수집하여 정형화하는 다기종 데이터 관리 단계;
    상기 정형화된 블록체인 데이터를 이용하여 암호화폐 네트워크 그래프를 구축하고, 상기 정형화된 다기종 데이터를 이용하여 지식 그래프를 구축하고, 상기 암호화폐 네트워크 그래프와 상기 지식 그래프를 맵핑하여 다중 레이어 기반 거래 분석 지식 그래프를 생성하는 그래프 생성 단계;
    상기 거래 분석 지식 그래프에서 자금 흐름을 추적하고자 하는 암호화폐 주소를 입력 주소로 하는 거래 정보를 탐색하고, 입력 주소와 출력 주소를 노드로 하는 자금 흐름 그래프를 생성하여 자금 흐름을 추적하는 그래프 분석 단계를 포함하는 암호화폐 거래 분석 방법.
  2. 제1항에 있어서,
    상기 블록체인 관리 단계는,
    하나 이상의 암호화폐 클라이언트를 실행하여 블록체인의 분산원장 정보를 수집하는 블록체인 데이터 수집 단계;
    상기 분산원장 정보를 이용하여 동일 소유주로 추정되는 주소를 그룹화하는 블록체인 데이터 분석 단계;
    상기 분산원장 정보 및 상기 데이터 분석 모듈에서 분석한 그룹 정보를 포함하는 블록체인 데이터를 미리 설정된 기준에 따라 정형화하는 블록체인 데이터 정형화 단계를 포함하는 암호화폐 거래 분석 방법.
  3. 제2항에 있어서,
    상기 블록체인 데이터 분석 단계는
    암호화폐 주소에 대응되는 프라이빗 키(private key)의 소유 여부를 이용하여 일 거래에 포함된 복수 개의 입력 주소를 그룹화하거나 동일 주소를 포함하는 복수의 그룹을 하나의 그룹으로 그룹화하는 멀티 입력 휴리스틱 단계;
    송금 후 잔액을 돌려받는 주소를 이용하여 동일 소유주로 추정되는 복수개의 주소를 그룹화하는 주소 변경 휴리스틱 단계 중 적어도 하나를 포함하는 암호화폐 거래 분석 방법.
  4. 제1항에 있어서,
    상기 다기종 데이터 관리 단계는,
    웹에서 상기 암호화폐 거래와 관련된 다기종 데이터를 수집하는 다기종 데이터 수집 단계;
    상기 다기종 데이터를 거래 속성에 따른 카테고리 별로 분류하는 다기종 데이터 분류 단계;
    상기 다기종 데이터에서 암호화폐 주소, 거래 정보 또는 사용자 정보 중 적어도 하나를 추출하는 다기종 데이터 분석 단계;
    상기 추출한 정보를 미리 설정된 기준에 따라 정형화 하는 다기종 데이터 정형화 단계를 포함하는 암호화폐 거래 분석 방법.
  5. 제1항에 있어서,
    상기 그래프 생성 단계는,
    상기 정형화된 블록체인 데이터에서 추출한 제1 객체 또는 제1 속성으로 제1 노드를 생성하여 암호화폐 네트워크 그래프를 구축하는 단계;
    상기 정형화된 다기종 데이터에서 추출한 제2 객체 또는 제2 속성으로 제2 노드를 생성하여 지식 그래프를 구축하는 단계;
    서로 상응하는 제1 노드와 제2 노드를 맵핑하여 거래 분석 지식 그래프를 생성하는 단계를 포함하는 암호화폐 거래 분석 방법.
  6. 제1항에 있어서,
    상기 그래프 분석 단계는
    상기 거래 분석 지식 그래프에서 출력 자금 흐름을 추적하고자 하는 제1 암호화폐 주소를 입력 노드로 지정하고, 상기 입력 노드의 주소를 입력 주소로 하는 하나 이상의 제1 거래 정보를 검색하는 a 단계;
    상기 제1 거래 정보를 이용하여 각 거래에 대한 거래 노드(Tx)를 생성하고, 상기 입력 노드와 상기 거래 노드를 입력 엣지(TxIn)로 연결하는 b 단계;
    상기 제1 거래 정보에 포함된 출력 주소에 대응되는 출력 노드(Addr)를 생성하고, 상기 거래 노드와 상기 출력 노드를 출력 엣지(TxOut)로 연결하는 c 단계;
    상기 입력 엣지 및 상기 출력 엣지에 대해 전송된 금액을 레이블링하고, 출력이 소비되지 않은 거래에 대응되는 출력 엣지에는 UTXO 태그를 레이블링하는 d 단계;
    상기 UTXO 태그가 레이블링된 출력 엣지가 식별되거나 상기 제1 거래 정보에 포함된 출력 주소가 기 식별된 주소로 판단될 때까지 상기 출력 노드를 입력 노드로 지정하여 상기 a 내지 상기 d 단계를 반복 수행하여 출력 자금 흐름 그래프를 생성하는 단계를 포함하는 암호화폐 거래 분석 방법.
  7. 제6항에 있어서,
    상기 그래프 분석 단계는
    제1 거래 노드와 연결된 모든 출력 엣지에 레이블링된 금액의 합 대비 제1 출력 엣지에 레이블링된 금액의 비율을 상기 제1 출력 엣지의 오염 비율로 연산하는 단계;
    상기 제1 거래 노드와 입력 엣지로 연결된 제1 입력 노드의 오염값과 상기 제1 출력 엣지의 오염 비율을 이용하여 상기 제1 출력 엣지와 연결된 제1 출력 노드의 오염값을 산출하는 단계;
    상기 제1 출력 노드의 오염값을 상기 제1 암호화폐 주소로부터 수신된 자금의 비율로 판단하는 단계를 통해 출력 자금 흐름을 추적하는 단계를 포함하는 암호화폐 거래 분석 방법.
  8. 제1항에 있어서,
    상기 그래프 분석 단계는
    상기 거래 분석 지식 그래프에서 입력 자금 흐름을 추적하고자 하는 제2 암호화폐 주소를 출력 노드로 지정하고, 상기 출력 노드의 주소를 출력 주소로 하는 하나 이상의 제2 거래 정보를 검색하는 a’단계;
    상기 제2 거래 정보를 이용하여 각 거래에 대한 거래 노드(Tx)를 생성하고, 상기 출력 노드와 상기 거래 노드를 출력 엣지(TxOut)로 연결하는 b’단계;
    상기 제2 거래 정보에 포함된 입력 주소에 대응되는 입력 노드(Addr’)를 생성하고, 상기 거래 노드(Tx)와 상기 입력 노드를 입력 엣지(TxIn)로 연결하는 c’단계;
    상기 입력 엣지 및 상기 출력 엣지에 대해 전송된 금액을 레이블링하는 d’단계;
    상기 제2 거래 정보에 포함된 입력 주소가 기 식별된 주소로 판단될 때까지, 상기 입력 노드를 출력 노드로 지정하여 상기 a’내지 상기 d’단계를 반복 수행하여 입력 자금 흐름 그래프를 생성하는 단계를 포함하는 암호화폐 거래 분석 방법.
  9. 제8항에 있어서,
    상기 그래프 분석 단계는
    제2 거래 노드와 연결된 모든 입력 엣지에 레이블링된 금액의 합 대비 제2 입력 엣지에 레이블링된 금액의 비율을 상기 제2 입력 엣지의 오염 비율로 연산하는 단계;
    상기 제2 거래 노드와 출력 엣지로 연결된 제2 출력 노드의 오염값과 상기 제2 입력 엣지의 오염 비율을 이용하여 상기 제2 입력 엣지와 연결된 제2 입력 노드의 오염값을 산출하는 단계;
    상기 제2 입력 노드의 오염값을 상기 제2 암호화폐 주소로 유입된 자금의 비율로 판단하는 단계를 통해 입력 자금 흐름을 추적하는 암호화폐 거래 분석 방법.
  10. 제6항에 있어서,
    상기 그래프 분석 단계는
    임의의 제2 출력 노드 생성 시 상기 제2 출력 노드의 소유권 정보를 쿼리하여 상기 제2 출력 노드의 주소 소유자를 식별하고, 상기 주소 소유자가 기 저장된 서비스 목록에 포함된 서비스 중 하나이면, 상기 제2 출력 노드에 상기 주소 소유자를 레이블링하고 거래 정보 검색을 중지하는 단계를 더 포함하는 암호화폐 거래 분석 방법.
  11. 특정 암호화폐에 대응되는 블록체인의 분산원장 정보를 수집하고 상기 분산원장 정보에서 추출한 블록체인 데이터를 정형화하는 블록체인 관리부;
    웹에서 상기 암호화폐 거래와 관련된 다기종 데이터를 수집하여 정형화하는 다기종 데이터 관리부;
    상기 정형화된 블록체인 데이터를 이용하여 암호화폐 네트워크 그래프를 구축하고, 상기 정형화된 다기종 데이터를 이용하여 지식 그래프를 구축하고, 상기 암호화폐 네트워크 그래프와 상기 지식 그래프를 맵핑하여 다중 레이어 기반 거래 분석 지식 그래프를 생성하는 그래프 생성부;
    상기 거래 분석 지식 그래프에서 자금 흐름을 추적하고자 하는 암호화폐 주소를 입력 주소로 하는 거래 정보를 탐색하고, 입력 주소와 출력 주소를 노드로 하는 자금 흐름 그래프를 생성하여 자금 흐름을 추적하고, 상기 지식 그래프를 이용하여 자금 흐름 그래프에 포함된 각 노드의 속성을 식별하는 그래프 분석부를 포함하는 암호화폐 거래 분석 시스템.
  12. 제11항에 있어서,
    상기 블록체인 관리부는,
    하나 이상의 암호화폐 클라이언트를 실행하여 블록체인의 분산원장 정보를 수집하는 블록체인 데이터 수집 모듈;
    상기 분산원장 정보에 포함된 암호화폐 주소의 소유주 추정을 위해 상기 암호화폐 주소를 그룹화하는 블록체인 데이터 분석 모듈;
    상기 분산원장 정보 및 상기 데이터 분석 모듈에서 분석한 암호화폐 주소 그룹 정보를 포함하는 블록체인 데이터를 미리 설정된 기준에 따라 정형화하는 블록체인 데이터 정형화 모듈을 포함하는 암호화폐 거래 분석 시스템.
  13. 제12항에 있어서,
    상기 블록체인 데이터 분석 모듈은
    암호화폐 주소에 대응되는 프라이빗 키(private key)의 소유 여부를 이용하여 일 거래에 포함된 복수 개의 입력 주소를 그룹화하거나 동일 주소를 포함하는 복수의 그룹을 하나의 그룹으로 그룹화하는 멀티 입력 휴리스틱 알고리즘, 송금 후 잔액을 돌려받는 주소를 이용하여 동일 소유주로 추정되는 복수개의 주소를 그룹화하는 주소 변경 휴리스틱 알고리즘 중 적어도 하나를 이용하여 상기 암호화폐 주소를 그룹화하는 암호화폐 거래 분석 시스템.
  14. 제11항에 있어서,
    상기 다기종 데이터 관리부는,
    웹에서 상기 암호화폐 거래와 관련된 다기종 데이터를 수집하는 다기종 데이터 수집 모듈;
    상기 다기종 데이터를 거래 속성 또는 데이터 소스에 따라 분류하는 다기종 데이터 분류 모듈;
    상기 다기종 데이터에서 암호화폐 주소, 거래 정보, 컨텐츠 유형 또는 사용자 정보 중 적어도 하나를 추출하는 다기종 데이터 분석 모듈;
    상기 추출한 정보를 미리 설정된 기준에 따라 정형화 하는 다기종 데이터 정형화 모듈을 포함하는 암호화폐 거래 분석 시스템.
  15. 제11항에 있어서,
    상기 그래프 생성부는,
    상기 정형화된 블록체인 데이터에서 추출한 제1 객체 또는 제1 속성으로 제1 노드를 생성하여 암호화폐 네트워크 그래프를 구축하는 모듈;
    상기 정형화된 다기종 데이터에서 추출한 제2 객체 또는 제2 속성으로 제2 노드를 생성하여 지식 그래프를 구축하는 모듈;
    서로 상응하는 제1 노드와 제2 노드를 맵핑하여 거래 분석 지식 그래프를 생성하는 모듈을 포함하는 암호화폐 거래 분석 시스템.
  16. 제1항 내지 제10항의 방법 중 어느 하나의 방법을 실행시키기 위하여 컴퓨터 판독 가능 매체에 저장된 암호화폐 거래 분석 응용 프로그램.

KR1020190007814A 2019-01-22 2019-01-22 암호화폐 거래 분석 방법 및 시스템 KR102185191B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020190007814A KR102185191B1 (ko) 2019-01-22 2019-01-22 암호화폐 거래 분석 방법 및 시스템
CN202080010561.3A CN113544727A (zh) 2019-01-22 2020-01-20 加密货币交易分析方法和系统
JP2021539150A JP7313597B2 (ja) 2019-01-22 2020-01-20 暗号通貨取引の分析方法及びシステム
PCT/KR2020/000951 WO2020153688A1 (ko) 2019-01-22 2020-01-20 암호화폐 거래 분석 방법 및 시스템
US17/424,828 US20220027900A1 (en) 2019-01-22 2020-01-20 Cryptocurrency transaction analysis method and system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190007814A KR102185191B1 (ko) 2019-01-22 2019-01-22 암호화폐 거래 분석 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20200094827A true KR20200094827A (ko) 2020-08-10
KR102185191B1 KR102185191B1 (ko) 2020-12-01

Family

ID=71735970

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190007814A KR102185191B1 (ko) 2019-01-22 2019-01-22 암호화폐 거래 분석 방법 및 시스템

Country Status (5)

Country Link
US (1) US20220027900A1 (ko)
JP (1) JP7313597B2 (ko)
KR (1) KR102185191B1 (ko)
CN (1) CN113544727A (ko)
WO (1) WO2020153688A1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220020566A (ko) * 2020-08-12 2022-02-21 두나무 주식회사 블록체인 네트워크의 위험 월렛 주소를 관리하는 방법 및 장치
KR20220025634A (ko) 2020-08-24 2022-03-03 두나무 주식회사 가상자산 송신 중개 방법
KR20220062976A (ko) * 2020-11-09 2022-05-17 계명대학교 산학협력단 해시레이트 및 트랜잭션을 이용한 비트코인 규모 추정 방법 및 장치
KR20220116915A (ko) * 2021-02-16 2022-08-23 주식회사 에스투더블유 가상화폐 트래킹 방법 및 그 장치
KR20230008655A (ko) 2020-08-24 2023-01-16 두나무 주식회사 가상자산 송신 중개 방법
KR20230111788A (ko) * 2022-01-19 2023-07-26 고려대학교 산학협력단 암호화폐 지갑 주소를 클러스터링하는 방법 및 이를 위한 장치

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102079970B1 (ko) * 2019-04-30 2020-04-07 (주)에스투더블유랩 지식 그래프를 이용하여 사이버 시큐리티를 제공하는 방법, 장치 및 컴퓨터 프로그램
US20210312302A1 (en) * 2020-04-06 2021-10-07 International Business Machines Corporation Contextual integrity preservation
CN111680735B (zh) * 2020-06-02 2022-09-06 浙江大学 一种基于启发式交易分析的混币服务分析方法
CN112365248B (zh) * 2020-11-16 2023-01-24 厦门市美亚柏科信息安全研究所有限公司 一种分析数字货币交易路径的方法及系统
CN112650890A (zh) * 2020-12-28 2021-04-13 杭州趣链科技有限公司 一种基于图数据库的加密货币流向追踪方法与装置
US11693632B2 (en) * 2021-01-25 2023-07-04 Cisco Technology, Inc. Collaborative visual programming environment with cumulative learning using a deep fusion reasoning engine
US11983161B2 (en) * 2021-06-23 2024-05-14 Bank Of America Corporation System for mitigating data loss in an edge computing environment using machine learning and distributed ledger techniques
KR102605877B1 (ko) * 2021-07-23 2023-11-24 주식회사 핑거 가격변동 리스크 회피 가능한 가상화폐 결제 시스템 및 방법
CN113570464B (zh) * 2021-09-07 2022-06-03 北京科技大学 一种数字货币交易社区识别方法、系统、设备及存储介质
CN114841685B (zh) * 2022-04-12 2024-01-05 兰州大学 一种比特币交易的溯源方法及装置
CN115860933A (zh) * 2022-11-17 2023-03-28 北京理工大学 基于集成学习和图核分类技术的比特币混合服务检测方法
CN115987836A (zh) * 2022-12-28 2023-04-18 上海天旦网络科技发展有限公司 层级可扩展的云网络流分析方法及系统
CN116882998B (zh) * 2023-09-08 2023-11-24 成都链安科技有限公司 虚拟货币资金分析方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150347480A1 (en) * 2014-05-30 2015-12-03 Georgetown University Process and Framework For Facilitating Data Sharing Using a Distributed Hypergraph
US20170366516A1 (en) * 2016-06-16 2017-12-21 The Bank Of New York Mellon Managing verifiable, cryptographically strong transactions

Family Cites Families (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7769682B2 (en) * 2004-02-13 2010-08-03 International Business Machines Corporation Financial transaction analysis using directed graphs
WO2013103912A1 (en) * 2012-01-05 2013-07-11 Visa International Service Association Transaction visual capturing apparatuses, methods and systems
US9105062B2 (en) * 2012-12-13 2015-08-11 Addepar, Inc. Transaction effects
US10354325B1 (en) * 2013-06-28 2019-07-16 Winklevoss Ip, Llc Computer-generated graphical user interface
US11282139B1 (en) * 2013-06-28 2022-03-22 Gemini Ip, Llc Systems, methods, and program products for verifying digital assets held in a custodial digital asset wallet
US10269009B1 (en) * 2013-06-28 2019-04-23 Winklevoss Ip, Llc Systems, methods, and program products for a digital math-based asset exchange
US20160012465A1 (en) * 2014-02-08 2016-01-14 Jeffrey A. Sharp System and method for distributing, receiving, and using funds or credits and apparatus thereof
US20160098730A1 (en) * 2014-10-01 2016-04-07 The Filing Cabinet, LLC System and Method for Block-Chain Verification of Goods
US20160098723A1 (en) * 2014-10-01 2016-04-07 The Filing Cabinet, LLC System and method for block-chain verification of goods
AU2016255340A1 (en) * 2015-02-27 2017-07-06 Visa International Service Association Transaction signing utilizing asymmetric cryptography
US10915891B1 (en) * 2015-03-16 2021-02-09 Winklevoss Ip, Llc Autonomous devices
US10963881B2 (en) * 2015-05-21 2021-03-30 Mastercard International Incorporated Method and system for fraud control of blockchain-based transactions
US20180191503A1 (en) * 2015-07-14 2018-07-05 Fmr Llc Asynchronous Crypto Asset Transfer and Social Aggregating, Fractionally Efficient Transfer Guidance, Conditional Triggered Transaction, Datastructures, Apparatuses, Methods and Systems
US20170109735A1 (en) * 2015-07-14 2017-04-20 Fmr Llc Computationally Efficient Transfer Processing and Auditing Apparatuses, Methods and Systems
US20170048234A1 (en) * 2015-07-14 2017-02-16 Fmr Llc Social Aggregating, Fractionally Efficient Transfer Guidance, Conditional Triggered Transaction, Datastructures, Apparatuses, Methods and Systems
US10339523B2 (en) * 2015-07-14 2019-07-02 Fmr Llc Point-to-point transaction guidance apparatuses, methods and systems
US20170048235A1 (en) * 2015-07-14 2017-02-16 Fmr Llc Crypto Captcha and Social Aggregating, Fractionally Efficient Transfer Guidance, Conditional Triggered Transaction, Datastructures, Apparatuses, Methods and Systems
US20170046689A1 (en) * 2015-07-14 2017-02-16 Fmr Llc Crypto Voting and Social Aggregating, Fractionally Efficient Transfer Guidance, Conditional Triggered Transaction, Datastructures, Apparatuses, Methods and Systems
US20170091756A1 (en) * 2015-07-14 2017-03-30 Fmr Llc Point-to-Point Transaction Guidance Apparatuses, Methods and Systems
US20170085545A1 (en) * 2015-07-14 2017-03-23 Fmr Llc Smart Rules and Social Aggregating, Fractionally Efficient Transfer Guidance, Conditional Triggered Transaction, Datastructures, Apparatuses, Methods and Systems
US20170085555A1 (en) * 2015-07-14 2017-03-23 Fmr Llc Point-to-Point Transaction Guidance Apparatuses, Methods and Systems
CA2992458A1 (en) * 2015-07-14 2017-01-19 Fmr Llc Computationally efficient transfer processing, auditing, and search apparatuses, methods and systems
US20170048209A1 (en) * 2015-07-14 2017-02-16 Fmr Llc Crypto Key Recovery and Social Aggregating, Fractionally Efficient Transfer Guidance, Conditional Triggered Transaction, Datastructures, Apparatuses, Methods and Systems
US11488147B2 (en) * 2015-07-14 2022-11-01 Fmr Llc Computationally efficient transfer processing and auditing apparatuses, methods and systems
US10402792B2 (en) * 2015-08-13 2019-09-03 The Toronto-Dominion Bank Systems and method for tracking enterprise events using hybrid public-private blockchain ledgers
US11188907B1 (en) * 2015-08-21 2021-11-30 United Services Automobile Association (Usaa) ACH authorization validation using public blockchains
WO2017112664A1 (en) * 2015-12-21 2017-06-29 Kochava Inc. Self regulating transaction system and methods therefor
US9849364B2 (en) * 2016-02-02 2017-12-26 Bao Tran Smart device
CN107145768B (zh) * 2016-03-01 2021-02-12 华为技术有限公司 版权管理方法和系统
US10546296B2 (en) * 2016-04-13 2020-01-28 Paypal, Inc. Public ledger authentication system
CN107770115B (zh) * 2016-08-15 2021-01-05 华为技术有限公司 在对等网络中分发数字内容的方法和系统
US11282137B2 (en) * 2016-10-07 2022-03-22 The Toronto-Dominion Bank Secure element method for distributed electronic ledger
US10528880B2 (en) * 2016-10-11 2020-01-07 International Business Machines Corporation System, method and computer program product for detecting policy violations
AU2017371554A1 (en) * 2016-12-06 2019-07-25 Vesl Pte. Ltd. System and method for reducing fraud in trade insurance and financing
CN106651331B (zh) * 2016-12-22 2019-11-29 飞天诚信科技股份有限公司 一种基于数字货币的电子交易方法及系统
US10715331B2 (en) * 2016-12-28 2020-07-14 MasterCard International Incorported Method and system for providing validated, auditable, and immutable inputs to a smart contract
US11290324B2 (en) * 2016-12-30 2022-03-29 Intel Corporation Blockchains for securing IoT devices
US10817953B1 (en) * 2017-03-03 2020-10-27 State Farm Mutual Automobile Insurance Company Using a distributed ledger for tracking VIN recordkeeping
US20220012780A1 (en) * 2017-04-05 2022-01-13 State Farm Mutual Automobile Insurance Company Systems and methods for estimating vehicle value via blockchain
US10965668B2 (en) * 2017-04-27 2021-03-30 Acuant, Inc. Systems and methods to authenticate users and/or control access made by users based on enhanced digital identity verification
CN115589332A (zh) * 2017-04-28 2023-01-10 数据翼股份有限公司 在去中心化系统中实施集中式隐私控制的系统和方法
CN110832825B (zh) * 2017-05-22 2022-10-21 维萨国际服务协会 通过防篡改数据提高验证速度的网络的方法和节点
WO2019067800A1 (en) * 2017-09-29 2019-04-04 Leverage Rock Llc CONFIDENTIALITY OF TRANSACTIONS IN PUBLIC DISTRIBUTED REGISTRY SYSTEMS
US11861619B1 (en) * 2017-11-30 2024-01-02 Worldpay, Llc Systems and methods for payment transactions, alerts, dispute settlement, and settlement payments, using multiple blockchains
CN108009811B (zh) * 2017-11-30 2021-06-04 中国人民解放军国防科技大学 一种面向云际计算环境价值交换的跨链通信方法
US11227284B2 (en) * 2017-12-13 2022-01-18 Mastercard International Incorporated Method and system for consumer-initiated transactions using encrypted tokens
US20190095995A1 (en) * 2017-12-13 2019-03-28 Dearborn Financial, Inc. Systems and methods for operating exchange controlled network handling digitized asset backed mediums of exchange
US11544708B2 (en) * 2017-12-29 2023-01-03 Ebay Inc. User controlled storage and sharing of personal user information on a blockchain
US10438290B1 (en) * 2018-03-05 2019-10-08 Winklevoss Ip, Llc System, method and program product for generating and utilizing stable value digital assets
US10373129B1 (en) * 2018-03-05 2019-08-06 Winklevoss Ip, Llc System, method and program product for generating and utilizing stable value digital assets
US10929842B1 (en) * 2018-03-05 2021-02-23 Winklevoss Ip, Llc System, method and program product for depositing and withdrawing stable value digital assets in exchange for fiat
US11423367B2 (en) * 2018-05-02 2022-08-23 Mastercard Internatioanl Incorporated Method and system for securing transactions by check using blockchain technology
CN108805656B (zh) * 2018-05-22 2021-01-26 北京京东尚科信息技术有限公司 供需匹配方法、平台、系统和计算机可读存储介质
CN109063138B (zh) * 2018-08-03 2021-07-30 上海点融信息科技有限责任公司 用于在区块链即服务平台搜索数据的方法、设备及存储介质
US11328290B2 (en) * 2018-08-06 2022-05-10 Inveniam Capital Partners, Inc. Stable cryptocurrency coinage
JP6841911B2 (ja) * 2018-11-27 2021-03-10 アドバンスド ニュー テクノロジーズ カンパニー リミテッド 情報保護用のシステム及び方法
CN111383004A (zh) * 2018-12-29 2020-07-07 北京知帆科技有限公司 数字货币的实体位置提取方法、信息的提取方法及其装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150347480A1 (en) * 2014-05-30 2015-12-03 Georgetown University Process and Framework For Facilitating Data Sharing Using a Distributed Hypergraph
US20170366516A1 (en) * 2016-06-16 2017-12-21 The Bank Of New York Mellon Managing verifiable, cryptographically strong transactions

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220020566A (ko) * 2020-08-12 2022-02-21 두나무 주식회사 블록체인 네트워크의 위험 월렛 주소를 관리하는 방법 및 장치
KR20220025634A (ko) 2020-08-24 2022-03-03 두나무 주식회사 가상자산 송신 중개 방법
KR20230008655A (ko) 2020-08-24 2023-01-16 두나무 주식회사 가상자산 송신 중개 방법
KR20230157911A (ko) 2020-08-24 2023-11-17 두나무 주식회사 가상자산 송신 중개 방법
KR20220062976A (ko) * 2020-11-09 2022-05-17 계명대학교 산학협력단 해시레이트 및 트랜잭션을 이용한 비트코인 규모 추정 방법 및 장치
KR20220116915A (ko) * 2021-02-16 2022-08-23 주식회사 에스투더블유 가상화폐 트래킹 방법 및 그 장치
KR20230111788A (ko) * 2022-01-19 2023-07-26 고려대학교 산학협력단 암호화폐 지갑 주소를 클러스터링하는 방법 및 이를 위한 장치

Also Published As

Publication number Publication date
KR102185191B1 (ko) 2020-12-01
JP2022518370A (ja) 2022-03-15
US20220027900A1 (en) 2022-01-27
JP7313597B2 (ja) 2023-07-25
CN113544727A (zh) 2021-10-22
WO2020153688A1 (ko) 2020-07-30

Similar Documents

Publication Publication Date Title
KR102185191B1 (ko) 암호화폐 거래 분석 방법 및 시스템
Yu et al. Knowledge diffusion paths of blockchain domain: the main path analysis
EP3550464A1 (en) Data security and protection system using distributed ledgers to store validated data in a knowledge graph
Érdi et al. Prediction of emerging technologies based on analysis of the US patent citation network
Fröwis et al. Safeguarding the evidential value of forensic cryptocurrency investigations
Li et al. Competitive analysis for points of interest
Badawi et al. An automatic detection and analysis of the bitcoin generator scam
CN111652732A (zh) 一种基于交易图匹配的比特币异常交易实体识别方法
Lv et al. A study of bitcoin de-anonymization: graph and multidimensional data analysis
Mahootiha et al. Designing a new method for detecting money laundering based on social network analysis
Bhatt et al. Patent analysis based technology innovation assessment with the lens of disruptive innovation theory: A case of blockchain technological trajectories
Bellandi et al. Graph embeddings in criminal investigation: towards combining precision, generalization and transparency: special issue on computational aspects of network science
Xiang et al. Babd: A bitcoin address behavior dataset for pattern analysis
Badawi et al. The “bitcoin generator” scam
O’Kane Detecting patterns in the Ethereum transactional data using unsupervised learning
Ganesh et al. Implementation of Novel Machine Learning Methods for Analysis and Detection of Fake Reviews in Social Media
Ben Khalifa et al. Evidential group spammers detection
Zhao et al. Detecting fake reviews via dynamic multimode network
CN115099798A (zh) 一种基于实体识别的比特币异常地址追踪系统
Dalal et al. Identifying ransomware actors in the bitcoin network
KR102641486B1 (ko) 가상화폐 트래킹 방법 및 그 장치
Ali et al. A new text-based w-distance metric to find the perfect match between words
Feng et al. Blockchain-oriented approach for detecting cyber-attack transactions
Bellandi et al. Graph embeddings in criminal investigation: Extending the scope of enquiry protocols
Wang et al. K-means algorithm for recognizing fraud users on a bitcoin exchange platform

Legal Events

Date Code Title Description
AMND Amendment
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant