[論文レビュー] Taint analysis of the Bitcoin network

Uros Hercog, Andraž Povše|arXiv (Cornell University)|Jul 2, 2019

Network Security and Intrusion Detection参考文献 8被引用数 5

ひとこと要約

本稿では、知られている汚染済みアドレスとの履歴的相互作用に基づいて、Bitcoinアドレスのリスクスコアを付与するtaint analysis手法TaintRankを提案する。有向取引ネットワーク上でPageRankに類似した伝播アルゴリズムを用いることで、不正な資金を特定し、交換業者や merchants が相手先リスクを評価し、盗難または洗浄されたBitcoinを受け取るのを回避できるようにする。

ABSTRACT

Determining the trust of an individual Bitcoin wallet is a difficult problem. There are no ratings, that offer vendors or exchanges meaningful information about the level of the taint of Bitcoins they are receiving. Lack of such information places exchanges liable in an event when the received Bitcoins are stolen or ill-gotten. In this paper, we try to solve this problem by introducing a Bitcoin address taint score called TaintRank. It provides insight into a specific wallet by taking the addresses it interacted with throughout history into consideration. This ranking method provides such Bitcoin exchange companies insight with whom they are trading.

研究の動機と目的

• 特に違法資金と取り引きする可能性のある交換業者やベンダーが直面する、Bitcoinアドレスに対する信頼指標の欠如を解消すること。
• ネットワーク全体の取引パターンを分析することで、汚染されたBitcoinを受け取るリスクを定量化するスケーラブルな手法を開発すること。
• 金融機関が到着するBitcoin取引の出所を評価できる実用的なツール—TaintRank—を提供すること。
• 複数の汚染伝播手法を評価し、反洗浄資金洗浄（AML）ワークフローへの実世界での展開に最も適したアプローチを同定すること。

提案手法

• ノードがBitcoinアドレスを表し、エッジが取引を表す有向かつ重み付きネットワークを構築する。取引額に基づいてエッジに重みを付与する。
• 既知の汚染済みアドレス（例：交換所のハッキング被害）の事前知識を、汚染伝播を開始するシードノードとして使用する。
• 反復的なPageRankに類似した伝播を適用してTaintRankスコアを計算し、汚染が取引リンクを通じてシードノードから伝播する。
• 非クラスタリングおよびクラスタリングされたネットワーク表現を含む、伝播アルゴリズムの5つの異なるバリエーションをテストし、スケーラビリティを向上させる。
• Web検索によるトップランク付きアドレスの分析を通じて、結果を検証し、実世界の関連性（例：交換業者、ミキサー）を確認する。
• 計算の実行可能性と関連性を確保するため、大規模な盗難イベント後の1か月間のBitcoinネットワークスナップショットを用いる。

実験結果

リサーチクエスチョン

• RQ1 取引履歴およびネットワーク上の位置に基づいて、Bitcoinアドレスに対する信頼指標を体系的に導出する方法は何か？
• RQ2 大規模なBitcoinネットワーク分析において、正確性とスケーラビリティの両立を最適化するには、非クラスタリング型とクラスタリング型のどちらの汚染伝播手法が適しているか？
• RQ3 TaintRankは、既知の違法アドレス（例：Mt. Goxの交換所ハッキング、ミキサー）をどれだけ正確に特定できるか？また、それらを正当なアドレスと区別できるか？
• RQ4 伝播パラメータ（例：反復回数、エッジ重み付け）の違いが、得られるTaintRankスコアおよびその解釈可能性に与える影響はどの程度か？
• RQ5 TaintRankは、交換業者および merchants が汚染された資金を受け取るのを回避するための実用的でリアルタイム対応可能なリスク評価ツールとして機能できるか？

主な発見

• TaintRankは、既知の汚染済みアドレスを効果的に特定しており、特にMt. Gox交換所ハッキングに関連するアドレスについても高いランクを獲得している。トップランクのノードはしばしば交換業者またはミキサー関連サービスを示している。
• 伝播の1回目の反復後、トップランクのアドレスは交換業者に属するものと特定され、本手法が高リスク機関を検出できる能力を有していることを裏付けた。
• 5回の反復後、トップランクのアドレスが変化し、新たなエントリとしてバーナーワルレットやミキサー関連アドレスが現れた。これは、汚染伝播のパターンが時間経過とともに変化することを示している。
• 反復的アプローチにおいてO(n)の時間計算量を達成しており、リアルタイム展開に実行可能である。
• 異なる伝播戦略は異なる結果をもたらすため、信頼性を高めるには文脈に応じた検証とハイブリッド手法の導入が不可欠である。
• TaintRankは単独で完結するソリューションではなく、汚染された取引をスキャンして追加のKYC/AMLチェックをトリガーするための価値ある第一歩の指標である。