Un modèle d'apprentissage en profondeur basé sur un graphique pour détecter les transactions illicites lors des transactions Bitcoin

L'identification et la prévention des transactions illégales pendant les transactions Bitcoin sont difficiles sur le marché financier privé.

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.

La crypto-monnaie est devenue de plus en plus utilisée ces jours-ci. Il s'agit d'une monnaie numérique, c'est-à-dire les chaînes de données cryptées qui n'existent que par voie électronique. Ils ne sont pas décentralisés; En d'autres termes, ils ne sont pas émis par le gouvernement. Les algorithmes de cryptographie sont utilisés pour créer une crypto-monnaie et ils sont validés via Mining1. Si les mineurs réussissent, ils recevront une crypto-monnaie en tant que récompense2,3,4. Ces monnaies électroniques sont stockées dans une structure et elle est appelée blockchain. La blockchain donne des informations avec les détails du nœud dans un environnement distribué. Les informations ne peuvent pas être modifiées ou ruinées. Les transactions se produisent en blocs de données, et chaque bloc a un pointeur vers le bloc précédent. L'arrivée de Bitcoin a déclenché la popularité de la crypto-monnaie5. Cependant, cette utilisation récurrente de la crypto-monnaie a attiré l'attention de nombreux escrocs. Les escroqueries de crypto-monnaie se produisent par de nombreux moyens; Attaque des ransomwares, crimes financiers, schémas Ponzi, etc. Cependant, la crypto-monnaie est un petit réseau qui fournit l'anonymat à ses utilisateurs. Les escrocs en profitent et utilisent cette installation pour se camoufler.

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 est l'une des premières crypto-monnaies. Il fonctionne en utilisant la blockchain et est plus précieux que les autres. La blockchain Bitcoin peut être considérée comme un grand livre partagé dans lequel chaque transaction est enregistrée et ne peut pas être modifiée. Chaque bloc a un pointeur de hachage unique qui pointe vers le bloc précédent. Ces points sont les liens entre chaque bloc. Les nœuds du réseau valideraient la nouvelle transaction et sont ajoutés au grand livre ou à la blockchain qui est ensuite publié dans le reste des nœuds. Lorsque l'exploitation minière est effectuée pour créer un nouveau bitcoin, le mineur obtient la valeur de hachage unique de la nouvelle pièce à l'aide d'algorithmes. Ces derniers jours, la pseudonymat du Bitcoin est utilisée pour des activités illégales telles que les transactions de transport de marchandises et les transactions bancaires6.

Anti money laundering in cryptocurrency

Blainage anti-argent en crypto-monnaie

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.

Des sections plus faibles de la société ont du mal à être incluses dans le processus financier du pays. L'inclusion financière signifie essentiellement donner accès à ces groupes de société pour participer au développement financier du pays en leur fournissant des services financiers et des produits à un coût raisonnable. Mais ces groupes marginaux sont un accès restreint à ces systèmes, qui est une répercussion accidentelle des réglementations anti-blanchiment (LMA). Malheureusement, ces réglementations ne peuvent être évitées pour maintenir la protection de notre économie. AML entraîne également des coûts relativement plus élevés sur les produits. Les réglementations de la LMA sont obligatoires et doivent être suivies car de nombreuses transactions illégales sont identifiées et donc évitées.

Literature review

Revue de littérature

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.

Les études de marketing financier indiquent que l'achat de bitcoin augmente en 2024. Bien que le volume des transactions augmente, les activités frauduleuses ont également augmenté de 7. Dhanya8 a collecté les données Bitcoin de 2013 à 2018 et a proposé des techniques de roulement pour une meilleure prédiction de la précision dans le modèle de série chronologique. Elle a considéré la date de Bitcoin des données Bitcoin de 2013 à 2018. De plus, les méthodes d'apprentissage automatique récentes surmontent le mode de série chronologique. Dans cet article, nous considérons les données jusqu'en 2024. Le protocole de sécurité proposé pour Bitcoin est l'un des aspects importants. Récemment, Badertscher et al.9 ont proposé une preuve de sécurité pour le protocole Bitcoin. Ils ont proposé un protocole sécurisé pour les fonctions d'horloge et de hachage globales. En tant qu'étude d'application et de cas, Kumar et al.10 ont proposé un modèle pour l'enregistrement des terres basé sur la blockchain. Dans un article Arxiv non publié, Weber et al.6 ont proposé différents modèles d'apprentissage automatique pour prédire les transactions illicites. Ils ont trouvé la précision, le rappel, le score F1 et la micro-moyenne. Pour les transactions illicites avec GCN, leur valeur de précision est de 0812, le score de rappel est de 0,512 et le score R1 est de 0,628. Nos résultats expérimentaux sont présentés dans la section 4.1, ce qui a amélioré leurs résultats. Chen et al.11 ont donné une enquête détaillée sur différentes méthodes d'apprentissage automatique pour détecter les transactions suspectes sur Bitcoin11. Dans cet article, ils ont une analyse de certains des aspects importants tels que la notation des risques, l'analyse des liens et la modélisation comportementale. Klaus Grobys et al.12 ont proposé un modèle de distribution statistique pour les bitcoins volés. Les extractions des caractéristiques sont l'un des importants dans l'étude des transactions Bitcoin. Vlahavas et al.13 ont utilisé un algorithme de clustering pour les extractions de caractéristiques. Pranav Nerurka14 a proposé un réseau d'attention de graphiques (GAT2) avec une précision pour identifier les transactions illégales.

Motivations and key contributions

Motivations et contributions clés

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,

L'identification et la prévention des transactions illégales pendant les transactions Bitcoin sont difficiles sur le marché financier privé. L'acteur appelé «mineur» (personne / machine) participera et validera toutes les transactions Bitcoin. Le mineur est considéré comme la personne la plus importante pour la création de nouvelles crypto-monnaies et leurs validations. La décision de la mineure est basée sur son modèle mathématique utilisé pour les transactions. Même une petite erreur dans le modèle de prédiction entraîne une énorme perte financière pour les personnes transactées. Par exemple, au cours de la période de 10 ans 2011-2021, près de 1,7 million d'unités de Bitcoin ont été volées en raison d'une activité criminelle, avec des pertes supérieures à 700 millions de12. Donc,