블록체인을 이용한 악성 활동들을 사전에 차단하고, 악성 사용자들을 찾아내기 위하여 블록체인 네트워크의 모니터링, 더 나아가 트랜잭션 및 계정에 대한 탐지 작업은 매우 중요한 문제로 부각되고 있다.
악성 계정과 트랜잭션은 블록체인의 특성상 조기에 발견하거나 탐지하기가 쉽지않다. 이런 문제점을 해결하기 위하여 악성 상용자 및 트랜잭션을 탐지하기 위한 연구가 진행중이나 아직 정확한 검증을 거친 방법론은 미비하다.
따라서 본 논문은 머신러닝을 기반으로 한 비트코인 네트워크의 불법거래 트랜잭션, 계정을 탐지하는 시스템을 제안한다.
비트코인 계정 구조
비트코인의 거래는 계정의 주소를 기반으로 이루어 지는데 각각의 계정은 자신의 공개키, 개인키를 소유하고 있다.
또한 계정 정보에는 계정이 발생시킨 트랜잭션 정보, 잔액 등이 포함되어 있다. 계정 구조는 아래 그림과 같다.
비트코인 트랜잭션 : 지정된 금액의 비트코인에 대한 소유권을 이전하기 위한 목적으로 서명된 정보(송금자의 미사용 비트코인, 송금정보, 송금액, 수령자의 주소 등의 정보들이 기록됨)
=> 앞서 설명한 바와 같이 비트코인 계정에는 각자의 개인키와 공개키를 가지고 있는데, 비트코인 사용자는 이러한 키를 사용해 트랜잭션을 서명하고 전송하는 과정을 거친다.
=> 트랜잭션은 여러 개의 입력, 출력을 가질 수 있다.
=> 트랜잭션의 정보 중 Vin은 트랜잭션의 입력값을 의미한다. 일반적으로 송금자의 미사용 비트코인(UTXO)값을 포함한다. 이 값과 이전 트랜잭션의 Vout 값을 비교하여 검증함으로써 이중지출을 방지한다. Vout은 트랜잭션의 출력값으로 트랜잭션의 생성자가 송금할 금액 정보, 수령자의 주소 등을 포함하고 있다.
'공부 > 논문 리뷰' 카테고리의 다른 글
| Xu et al. Neural Network-based Graph Embedding for Cross-Platform Binary Code Similarity Detection. (CCS 2017) 요약 (2) | 2024.03.05 |
|---|---|
| 설명 가능한 정기예금 가입 여부 예측을 위한 앙상블 학습 기반 분류 모델들의 비교 분석 리뷰 (0) | 2022.07.09 |