행위 인식 계정 비익명화: 이더리움 상호작용 그래프

블록체인 기술은 분산화, 추적 가능성 및 변조 방지의 특성을 가지고 있어, 신뢰할 수 있는 분산 신뢰 메커니즘을 생성하며, 블록체인 금융의 발전을 가속화합니다. 그러나 블록체인의 익명성은 시장 규제를 방해하여, 블록체인 금융 플랫폼에서 자금 세탁, 도박, 피싱 사기와 같은 불법 활동의 증가를 초래합니다. 따라서 금융 안전은 블록체인 생태계에서 최우선 과제가 되어, 효과적인 시장 규제가 필요합니다. 본 논문에서는 그래프 분류 관점에서 이더리움 계정을 식별하는 방법을 고려하고, 계정의 행동 패턴을 특성화하고 비익명화를 달성하기 위해 Ethident이라는 종단 간 그래프 신경망 프레임워크를 제안합니다. 구체적으로, 우리는 먼저 원시 이더리움 데이터를 사용하여 계정 상호작용 그래프(AIG)를 구축합니다. 그런 다음, 노드 수준 계정 특징과 서브그래프 수준 행동 패턴을 효과적으로 특성화할 수 있는 HGATE라는 계층적 그래프 주목 인코더를 설계하여 우리 프레임워크의 중추로 삼습니다. 계정 레이블 부족 문제를 완화하기 위해 대비 자기 감독 메커니즘을 정규화로 도입하여 우리 프레임워크를 공동으로 훈련합니다. 이더리움 데이터세트에 대한 포괄적인 실험 결과, 우리 프레임워크는 계정 식별에서 이전의 최첨단 기술에 비해 1.13% ~ 4.93%의 상대적 향상을 기록하며 우수한 성능을 발휘하고 있음을 보여줍니다. 또한, 상세한 분석은 Ethident이 이더리움의 알려진 참여자(예: 거래소, 채굴자 등) 및 법을 어기는 자(예: 피싱 사기꾼, 해커 등)의 행동을 식별하고 이해하는 데 효과적임을 보여주며, 이는 리스크 평가 및 시장 규제에 도움이 될 수 있습니다.