Ein graphbasiertes Deep-Learning-Modell zum Erkennen illegaler Transaktionen während Bitcoin-Transaktionen

Die Identifizierung und Verhinderung der illegalen Transaktionen während Bitcoin -Transaktionen sind schwierige Probleme auf dem privaten Finanzmarkt.

Cryptocurrency has become increasingly used these days. It is a digital currency, i.e. the encrypted data strings which only exist electronically. They are not decentralized; in other words, they are not issued by the government. Cryptography algorithms are used to create cryptocurrency and they are validated through mining1. If the miners are successful, they will receive cryptocurrency as a reward2,3,4. These electronic currencies are stored in a structure and it is called blockchain. Blockchain gives information with node details in a distributed environment. The information cannot be edited or ruined. Transactions occur in blocks of data, and each block has a pointer to the previous block. The arrival of Bitcoin has triggered the popularity of cryptocurrency5. However, this recurring use of cryptocurrency has captured the attention of many scammers. Cryptocurrency scams occur through many means; ransomware attack, financial crimes, Ponzi schemes, etc. However, cryptocurrency is a small network that provides anonymity to its users. Scammers take advantage of this and use this facility to camouflage themselves.

Kryptowährung ist heutzutage zunehmend eingesetzt. Es ist eine digitale Währung, dh die verschlüsselten Datenzeichenfolgen, die nur elektronisch existieren. Sie sind nicht dezentralisiert; Mit anderen Worten, sie werden nicht von der Regierung ausgestellt. Kryptographiealgorithmen werden verwendet, um Kryptowährung zu erzeugen, und sie werden durch Mining1 validiert. Wenn die Bergleute erfolgreich sind, erhalten sie Kryptowährung als Belohnung2,3,4. Diese elektronischen Währungen werden in einer Struktur gespeichert und heißt Blockchain. Blockchain gibt Informationen mit Knotendetails in einer verteilten Umgebung. Die Informationen können nicht bearbeitet oder ruiniert werden. Transaktionen treten in Datenblöcken auf, und jeder Block hat einen Zeiger auf den vorherigen Block. Die Ankunft von Bitcoin hat die Popularität der Kryptowährung ausgelöst5. Diese wiederkehrende Verwendung von Kryptowährung hat jedoch die Aufmerksamkeit vieler Betrüger auf sich gezogen. Kryptowährungsbetrug treten mit vielen Mitteln auf; Ransomware -Angriff, Finanzverbrechen, Ponzi -Programme usw. Die Kryptowährung ist jedoch ein kleines Netzwerk, das den Benutzern Anonymität bietet. Betrüger nutzen dies und nutzen diese Einrichtung, um sich selbst zu tarnen.

Bitcoin

Bitcoin is one of the first cryptocurrency. It works by using blockchain and is more valuable than others. The bitcoin blockchain can be viewed as a shared ledger in which every transaction is recorded and cannot be changed. Each block has a unique hash pointer which points to the previous block. These points are the links between each block. Nodes in the network would validate the new transaction and is added to the ledger or the blockchain which is then published to the rest of the nodes. When mining is done to create new bitcoin, the miner gets the unique hash value of the new coin using algorithms. In recent days, the Bitcoin’s pseudonymity is used for illegal activities such as goods transport and banking transactions6.

Bitcoin ist eine der ersten Kryptowährung. Es funktioniert mit Blockchain und ist wertvoller als andere. Die Bitcoin -Blockchain kann als gemeinsam genutztes Hauptbuch angesehen werden, in dem jede Transaktion aufgezeichnet wird und nicht geändert werden kann. Jeder Block hat einen eindeutigen Hash -Zeiger, der auf den vorherigen Block verweist. Diese Punkte sind die Verbindungen zwischen jedem Block. Knoten im Netzwerk würden die neue Transaktion validieren und werden dem Hauptbuch oder der Blockchain hinzugefügt, die dann an den Rest der Knoten veröffentlicht wird. Wenn der Bergbau zum Erstellen eines neuen Bitcoin erstellt wird, erhält der Bergmann den einzigartigen Hash -Wert der neuen Münze mithilfe von Algorithmen. In den letzten Tagen wird die Pseudonymität des Bitcoin für illegale Aktivitäten wie Warenverkehr und Banktransaktionen verwendet6.

Anti money laundering in cryptocurrency

Anti -Geldwäsche in Kryptowährung

Weaker sections of society struggle to be included in the financial process of the country. Financial inclusion basically means providing access to these groups of society to participate in the country’s financial development by providing them with financial services and products at a reasonable cost. But these marginal groups are restricted access to these systems, which is an accidental repercussion of Anti Money Laundering (AML) regulations. Unfortunately, these regulations cannot be avoided to maintain the protection of our economy. AML also results in relatively higher costs on products. AML regulations are mandatory and must be followed because many illegal transactions are identified and thus avoided.

Schwächere Abschnitte der Gesellschaft haben Schwierigkeiten, in den finanziellen Prozess des Landes einbezogen zu werden. Finanzielle Eingliederung bedeutet im Wesentlichen, Zugang zu diesen Gesellschaftsgruppen zu gewähren, um an der finanziellen Entwicklung des Landes teilzunehmen, indem sie ihnen Finanzdienstleistungen und Produkte zu angemessenen Kosten bieten. Diese marginalen Gruppen sind jedoch ein eingeschränkter Zugang zu diesen Systemen, was eine versehentliche Auswirkungen der AML -Vorschriften (Anti -Geldwäsche) darstellt. Leider können diese Vorschriften nicht vermieden werden, um den Schutz unserer Wirtschaft aufrechtzuerhalten. AML führt auch zu relativ höheren Kosten für Produkte. AML -Vorschriften sind obligatorisch und müssen befolgt werden, da viele illegale Transaktionen identifiziert und somit vermieden werden.

Literature review

Literaturische Rezension

The financial marketing studies say that Bitcoin purchase increases in 2024. While the volume of transactions increases, fraudulent activities also increased7. Dhanya8 collected the Bitcoin data from 2013 to 2018 and proposed rollover techniques for better prediction of accuracy in the time series model. She considered the Bitcoin date from The bitcoin data from 2013 to 2018. Also recent machine learning methods overcome the time series mode. In this paper, we consider the data till 2024. The proposed security protocol for Bitcoin is one of the important aspects. Recently, Badertscher et al.9 proposed a security proof for the Bitcoin protocol. They proposed a secure protocol for global clock and hash functions. As an application and case study, Kumar et al.10 proposed a model for blockchain-based land registration. In an unpublished Arxiv paper, Weber et al.6 proposed different machine learning models to predict illicit transactions. They have found precision, recall, F1 score, and micro-average. For illicit transactions with GCN, their precision value is 0812, Recall score is 0.512 and R1 score is 0.628. Our experimental results are shown in the section 4.1, which improved their results. Chen et al.11 gave a detailed survey on different machine learning methods to detect suspicious transactions on Bitcoin11. In this paper, they have an analysis of some of the important aspects such as risk scoring, link analysis and behavioral modeling. Klaus Grobys et al.12 proposed a statistical distribution model for stolen Bitcoins. Features extractions are one of the important in the study of Bitcoin transactions. Vlahavas et al.13 used a clustering algorithm for feature extractions. Pranav Nerurka14 proposed a graph attention network (GAT2) with accuracy of to identify illegal transactions.

In den Studien zum Finanzmarketing geht hervor, dass der Bitcoin -Kauf 2024 steigt. Während das Transaktionsvolumen zunimmt, stieg auch betrügerische Aktivitäten um 7 Jahre. Dhanya8 sammelte die Bitcoin -Daten von 2013 bis 2018 und schlug Rollover -Techniken vor, um eine bessere Vorhersage der Genauigkeit im Zeitreihenmodell zu erhalten. Sie betrachtete das Bitcoin -Datum von den Bitcoin -Daten von 2013 bis 2018. Auch die jüngsten Methoden für maschinelles Lernen überwinden den Zeitreihenmodus. In diesem Artikel betrachten wir die Daten bis 2024. Das vorgeschlagene Sicherheitsprotokoll für Bitcoin ist einer der wichtigsten Aspekte. Kürzlich haben Badertscher et al.9 einen Sicherheitsnachweis für das Bitcoin -Protokoll vorgeschlagen. Sie schlugen ein sicheres Protokoll für globale Uhr- und Hash -Funktionen vor. Als Anwendung und Fallstudie schlugen Kumar et al.10 ein Modell für die Blockchain-basierte Landregistrierung vor. In einem unveröffentlichten Arxiv -Papier schlugen Weber et al.6 verschiedene Modelle für maschinelles Lernen vor, um illegale Transaktionen vorherzusagen. Sie haben Präzision, Rückruf, F1-Score und Mikro-durchschnittlich gefunden. Bei illegalen Transaktionen mit GCN beträgt ihr Präzisionswert 0812, der Rückrufwert 0,512 und der R1 -Wert 0,628. Unsere experimentellen Ergebnisse sind im Abschnitt 4.1 gezeigt, der ihre Ergebnisse verbessert hat. Chen et al.11 gaben eine detaillierte Umfrage zu verschiedenen Methoden für maschinelles Lernen an, um verdächtige Transaktionen auf Bitcoin11 zu erkennen. In diesem Artikel werden einige wichtige Aspekte wie Risikobewertung, Verbindungsanalyse und Verhaltensmodellierung analysiert. Klaus Grobys et al.12 schlug ein statistisches Verteilungsmodell für gestohlene Bitcoins vor. Merkmale Extraktionen sind eine der wichtigsten bei der Untersuchung von Bitcoin -Transaktionen. Vlahavas et al.13 verwendeten einen Clustering -Algorithmus für Merkmalextraktionen. Pranav Nerurka14 schlug ein Diagramm -Aufmerksamkeitsnetzwerk (GAT2) vor, um illegale Transaktionen zu identifizieren.

Motivations and key contributions

Motivationen und wichtige Beiträge

Identifying and preventing the illegal transactions during bitcoin transactions are challenging problems in the private financial market. The actor called a “miner” (person/machine) will participate and validate all the Bitcoin transactions. The miner is considered the most important person for the creation of new cryptocurrencies and their validations. The minor’s decision is based on his mathematical model used for the transactions. Even a small error in the prediction model leads to a huge financial loss for the transacting people. For example, during the 10-year period 2011–2021, nearly 1.7 million Bitcoin units were stolen due to criminal activity, with losses exceeding 700 million12. So,

Die Identifizierung und Verhinderung der illegalen Transaktionen während Bitcoin -Transaktionen sind schwierige Probleme auf dem privaten Finanzmarkt. Der Schauspieler, der als „Bergmann“ (Person/Maschine) bezeichnet wird, nimmt alle Bitcoin -Transaktionen teil und validiert. Der Bergmann gilt als die wichtigste Person für die Schaffung neuer Kryptowährungen und ihrer Validierungen. Die Entscheidung des Minderjährigen basiert auf seinem mathematischen Modell, das für die Transaktionen verwendet wird. Sogar ein kleiner Fehler im Vorhersagemodell führt zu einem enormen finanziellen Verlust für die Transaktionen. Zum Beispiel wurden während des Zeitraums von 10 Jahren 2011–2021 fast 1,7 Millionen Bitcoin-Einheiten aufgrund krimineller Aktivitäten gestohlen, wobei Verluste von mehr als 700 Millionen12 überschritten wurden. Also,