تحلیل تراکنش های بیت کویین با استفاده از شبکه های عصبی گرافی اقلیدوسی و هذلولوی کاربرد در شناسایی موجودیت های مخرب

چکیده مقاله

بیت کویین به عنوان یک ارز رمزنگاری شده، غیرمتمرکز به دلیل ناشناس بودن نسبی بستری مناسب برای فعالیت های غیرقانونی مانند کلاهبرداری، باج افزاری و قمار آنلاین فراهم کرده است در این مقاله یک چارچوب مبتنی بر شبکه های عصبی گرافی GNN برای طبقه بندی موجودیت های تراکنش بیت کویین ارائه می شود داده های شبیه سازی شده مبتنی بر توزیع واقعی ۷ کلاس موجودیت شامل Ransomware، Individual، Ponzi، Gambling، Mining، Exchange و Bet تولید شد سه معماری GCN اقلیدوسی، GraphSAGE اقلیدوسی و GraphSAGE هذلولوی بر روی گرافی با ۱۰۰۰۰ گره و بیش از ۷۰۲۲۰ یال ارزیابی شدند نتایج نشان می دهد که مدل Euclidean GraphSAGE با دقت ۸۸ ۰۱ ماکرو ۷۸ ۰۳۵، عملکرد بهتری نسبت به مدل هذلولوی دارد؛ در حالی که مدل هذلولوی به دلیل ناپایداری عددی به F نزدیک به صفر رسید این مقاله نشان می دهد که برای داده های با ساختار سلسله مراتبی ضعیف هندسه اقلیدوسی همچنان کارآمدتر است

کلیدواژه‌ها

نویسندگان

الناز رادمند

دانشجوی دکتری هوش مصنوعی دانشگاه الزهرا

الناز رادمند

دانشجوی دکتری هوش مصنوعی دانشگاه الزهرا

رضا عزمی

عضو هیات علمی گروه کامپیوتر دانشگاه الزهرا

رضا عزمی

عضو هیات علمی گروه کامپیوتر دانشگاه الزهرا

�ادمند، الناز و عزمی، رضا،1405،تحلیل تراکنش های بیت کویین با استفاده از شبکه های عصبی گرافی اقلیدوسی و هذلولوی کاربرد در شناسایی موجودیت های مخرب،نهمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق، کامپیوتر، مکانیک و مخابرات،مشهد

ارائه‌شده در

مجموعه مقالات نهمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق، کامپیوتر، مکانیک و مخابرات16 خرداد 1405 · مشهد