비트 코인 거래 중 불법 거래 감지를위한 그래프 기반 딥 러닝 모델

비트 코인 거래 중 불법 거래를 식별하고 예방하는 것은 민간 금융 시장에서 어려운 문제입니다.

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.

cryptocurrency는 요즘 점점 더 많이 사용되었습니다. 전자적으로만 존재하는 암호화 된 데이터 문자열입니다. 그들은 분산되지 않습니다. 다시 말해, 그들은 정부에 의해 발행되지 않습니다. 암호화 알고리즘은 cryptocurrency를 만드는 데 사용되며 Mining1을 통해 검증됩니다. 광부가 성공하면 Cryptocurrency를 보상 2,3,4로 받게됩니다. 이 전자 통화는 구조물에 저장되며 블록 체인이라고합니다. 블록 체인은 분산 환경에서 노드 세부 정보가 포함 된 정보를 제공합니다. 정보를 편집하거나 망칠 수 없습니다. 트랜잭션은 데이터 블록에서 발생하며 각 블록에는 이전 블록에 대한 포인터가 있습니다. 비트 코인의 도착은 cryptocurrency 5의 인기를 유발했습니다. 그러나이 암호 화폐의 반복적 인 사용은 많은 사기꾼의 관심을 끌었습니다. cryptocurrency 사기는 여러 수단을 통해 발생합니다. 랜섬웨어 공격, 금융 범죄, 폰지 제도 등. 그러나 cryptocurrency는 사용자에게 익명 성을 제공하는 작은 네트워크입니다. 사기꾼은 이것을 활용 하여이 시설을 사용하여 위장을 사용합니다.

Bitcoin

비트 코인

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.

비트 코인은 첫 번째 암호 화폐 중 하나입니다. 그것은 블록 체인을 사용하여 작동하며 다른 것보다 더 가치가 있습니다. 비트 코인 블록 체인은 모든 트랜잭션이 기록되어 변경 될 수없는 공유 원장으로 볼 수 있습니다. 각 블록에는 이전 블록을 가리키는 고유 한 해시 포인터가 있습니다. 이 점은 각 블록 사이의 링크입니다. 네트워크의 노드는 새로운 트랜잭션을 검증하고 원장 또는 블록 체인에 추가 된 다음 나머지 노드에 게시됩니다. 새 비트 코인을 만들기 위해 채굴이 완료되면 광부는 알고리즘을 사용하여 새로운 동전의 고유 한 해시 값을 얻습니다. 최근에는 비트 코인의 가명 성은 상품 운송 및 은행 거래와 같은 불법 활동에 사용됩니다.

Anti money laundering in cryptocurrency

cryptocurrency에서의 돈세탁 방지

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.

사회의 약한 부분은 국가의 재무 과정에 포함되기 위해 노력하고 있습니다. 금융 포용은 기본적으로 합리적인 비용으로 금융 서비스 및 제품을 제공함으로써 국가의 금융 개발에 참여하기 위해 이러한 사회 그룹에 대한 접근을 제공하는 것을 의미합니다. 그러나 이러한 한계 그룹은 이러한 시스템에 대한 접근성이 제한되어 있으며, 이는 우연한 금지 세탁 (AML) 규정의 영향을받습니다. 불행히도, 이러한 규정은 우리 경제의 보호를 유지하기 위해 피할 수 없습니다. AML은 또한 제품에 대해 상대적으로 더 높은 비용을 초래합니다. AML 규정은 필수이며 많은 불법 거래가 확인되어 피하기 때문에 따라야합니다.

Literature review

문헌 검토

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.

금융 마케팅 연구에 따르면 비트 코인 구매는 2024 년에 증가한다고 말합니다. 거래량은 증가하는 반면 사기 활동도 증가합니다. DHANYA8은 2013 년부터 2018 년까지 비트 코인 데이터를 수집했으며 시계열 모델에서 정확도를 더 잘 예측하기 위해 롤오버 기법을 제안했습니다. 그녀는 2013 년부터 2018 년까지 비트 코인 데이터의 비트 코인 데이트를 고려했으며 최근의 기계 학습 방법은 시계열 모드를 극복했습니다. 이 논문에서는 2024 년까지 데이터를 고려합니다. 비트 코인에 대한 제안 된 보안 프로토콜은 중요한 측면 중 하나입니다. 최근 Badertscher et al.9는 비트 코인 프로토콜에 대한 보안 증거를 제안했습니다. 그들은 글로벌 클럭 및 해시 기능을위한 안전한 프로토콜을 제안했습니다. 응용 프로그램 및 사례 연구로서 Kumar et al.10은 블록 체인 기반 토지 등록 모델을 제안했습니다. 미공개 ARXIV 논문에서 Weber et al.6은 불법 거래를 예측하기 위해 다른 기계 학습 모델을 제안했습니다. 그들은 정밀, 리콜, F1 점수 및 미세한 평균을 발견했습니다. GCN과의 불법 거래의 경우 정밀 값은 0812이고 리콜 점수는 0.512이고 R1 점수는 0.628입니다. 실험 결과는 4.1 절에 표시되어 결과가 향상되었습니다. Chen et al.11은 Bitcoin11의 의심스러운 거래를 감지하기 위해 다양한 기계 학습 방법에 대한 자세한 조사를 제공했습니다. 이 논문에는 위험 점수, 링크 분석 및 행동 모델링과 같은 중요한 측면에 대한 분석이 있습니다. Klaus Grobys et al.12는 도난당한 비트 코인에 대한 통계 분포 모델을 제안했습니다. 특징 추출은 비트 코인 거래 연구에서 중요한 것 중 하나입니다. Vlahavas et al.13은 기능 추출을 위해 클러스터링 알고리즘을 사용했습니다. Pranav Nerurka14는 불법 거래를 식별하기 위해 정확성을 가진 그래프주의 네트워크 (GAT2)를 제안했습니다.

Motivations and key contributions

동기와 주요 기여

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,

비트 코인 거래 중 불법 거래를 식별하고 예방하는 것은 민간 금융 시장에서 어려운 문제입니다. "Miner"(Person/Machine)라는 배우는 모든 비트 코인 거래에 참여하고 검증합니다. 광부는 새로운 cryptocurrencies와 그 검증을위한 가장 중요한 사람으로 간주됩니다. 미성년자의 결정은 거래에 사용 된 그의 수학적 모델을 기반으로합니다. 예측 모델의 작은 오류조차도 거래하는 사람들에게 큰 재정적 손실을 초래합니다. 예를 들어, 2011-2021 년 10 년 동안 범죄 행위로 인해 거의 170 만 비트 코인 부대가 도난 당했으며 손실은 7 억 명을 초과했습니다. 그래서,