Analýza kryptoměnových sítí s využitím strojového učení

This dissertation topic is available for Czech studies only.

Pseudonymita a absence centrální kontrolní entity u majority kryptoměnových sítí přitahuje pozornost útočníků, kteří chtějí zneužít blockchainové technologie k páchání trestné činnosti. Z tohoto důvodu forenzní analýza krytoměnových sítí nabývá na důležitosti a dostupnost otevřeného výzkumu je klíčovou složkou k zajištění dlouhodobého a udržitelného potírání kybernetické kriminality využívající tato pseudonymní platidla. Stávající výzkum se věnuje převážně deanonymizaci transakcí za pomoci shlukovacích metod, jako např. nejvyužívanější common-spent shluková heuristika [1], která s příchodem coinjoin transakcí se stává obsoletní. Aktuální trend ukazuje, že tradiční metody již nedostačují, nebo nebudou v blízké době dostačovat a do popředí se dostávají metody využívající strojové učení jako např. behaviorální analýza za použití jak tradičních metod strojového učení [2], tak i hlubokých neuronových sítí, převážně grafových [3].

Úkolem této práce je analýza a následný návrh, doplněný o experimentální ověření, nových metod pro analýzu kryptoměnových sítí s využitím strojového učení. Práce si bude klást za cíl experimentovat s metodami, které mají potenciál praktického využití pro boj s kyberkriminalitou využívající tyto technologie.

Předpokládané fáze řešení:

• Rešerše aktuálního stavu poznání metod strojového učení pro analýzu kryptoměnových sítí a jejich blockchainů zaměřenou na kritické zhodnocení jejich praktického využití bezpečnostními sbory v boji proti kyberkriminalitě.
• Návrh nových metody analýzy kryptoměnový sítí a jejích blockchainů za použití strojového učení
• Implementace jak nejlepších stávajících, tak i nově navržených metod, a následné srovnání jejich výkonnosti.
• Zhodnocení dosažených výsledků.

Reference

1. MEIKLEJOHN, Sarah, Marjori POMAROLE, Grant JORDAN, Kirill LEVCHENKO, Damon MCCOY, Geoffrey M. VOELKER a Stefan SAVAGE, 2013. A fistful of bitcoins: characterizing payments among men with no names. In: Proceedings of the 2013 conference on Internet measurement conference [online]. New York, NY, USA: Association for Computing Machinery, s. 127–140 [vid. 2025-01-30]. IMC ’13. ISBN 978-1-4503-1953-9.
2. WEBER, Mark, Giacomo DOMENICONI, Jie CHEN, Daniel Karl I. WEIDELE, Claudio BELLEI, Tom ROBINSON a Charles E. LEISERSON, 2019. Anti-Money Laundering in Bitcoin: Experimenting with Graph Convolutional Networks for Financial Forensics [online]. 31. červenec 2019. B.m.: arXiv. [vid. 2024-12-23]. Dostupné z: doi:10.48550/arXiv.1908.02591
3. BELLEI, Claudio, Muhua XU, Ross PHILLIPS, Tom ROBINSON, Mark WEBER, Tim KALER, Charles E. LEISERSON, ARVIND a Jie CHEN, 2024. The Shape of Money Laundering: Subgraph Representation Learning on the Blockchain with the Elliptic2 Dataset [online]. 29. červenec 2024. B.m.: arXiv. [vid. 2025-01-12]. Dostupné z: doi:10.48550/arXiv.2404.19109