[논문 리뷰] Taint analysis of the Bitcoin network

Uros Hercog, Andraž Povše|arXiv (Cornell University)|2019. 07. 02.

Network Security and Intrusion Detection참고 문헌 8인용 수 5

한 줄 요약

이 논문은 알려진 오염된 주소와의 역사적 상호작용을 바탕으로 비트코인 주소에 위험 점수를 부여하는 TaintRank라는 타인트 분석 방법을 제안한다. 방향성 있는 거래 네트워크 상에서 페이지랭크 유사한 전파 알고리즘을 사용하여 불법 자금을 식별함으로써, 거래소와 상인들이 상대방의 위험을 평가하고 훔친 또는 세탁된 비트코인을 수령하는 것을 방지할 수 있다.

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.

연구 동기 및 목표

• 특히 불법 자금과 관련된 거래소 및 판매업자들이 직면하는 비트코인 주소에 대한 신뢰도 측정 기준의 부족을 해결하기 위해.
• 네트워크 전반의 거래 패턴을 분석하여 도래하는 오염된 비트코인의 위험도를 정량화하는 확장 가능한 방법을 개발하기 위해.
• 금융 기관이 들어오는 비트코인 거래의 기원을 평가할 수 있도록 실용적인 도구인 TaintRank를 제공하기 위해.
• 여러 가지 타인트 전파 방법을 평가하고 실세계 AML 워크플로우에 구현하기에 가장 효과적인 접근 방식을 규명하기 위해.

제안 방법

• 노드가 비트코인 주소를 나타내고, 간선이 거래를 나타내며, 거래 금액에 따라 가중치가 부여된 방향성 있는 가중치 네트워크를 구축한다.
• 이전에 알려진 오염된 주소(예: 거래소 강도 사건에서 유출된 주소 등)를 시드 노드로 삼아 타인트 전파를 시작한다.
• 반복적인 페이지랭크 유사 전파 알고리즘을 적용하여, 오염된 정보가 거래 링크를 통해 시드 노드에서 전파되는 TaintRank 점수를 계산한다.
• 비클러스터링 및 클러스터링 네트워크 표현 방식을 포함한 전파 알고리즘의 다섯 가지 변형을 테스트하여 확장성을 향상시킨다.
• 웹 검색을 통해 상위 랭킹 주소를 분석하여 실제 세계에서의 관련성을 검증한다(예: 거래소, 믹서 서비스 등).
• 대규모 도난 사건 이후 1개월 간의 비트코인 네트워크 스냅샷을 사용하여 계산의 타당성과 관련성을 확보한다.

실험 결과

연구 질문

• RQ1 비트코인 주소의 거래 이력과 네트워크 내 위치를 바탕으로 체계적으로 신뢰도 측정 기준을 유도할 수 있는가?
• RQ2 비클러스터링과 클러스터링 네트워크 표현 방식 중 어느 것이 대규모 비트코인 네트워크 분석에서 정확도와 확장성의 균형을 가장 잘 유지하는가?
• RQ3 TaintRank는 알려진 불법 주소(예: Mt. Gox 거래소 강도, 믹서 서비스 등)를 어느 정도 정확하게 식별할 수 있으며, 이를 정상적인 주소와 구분할 수 있는가?
• RQ4 다양한 전파 파rameter(예: 반복 횟수, 간선 가중치 설정 등)가 TaintRank 점수에 어떤 영향을 미치며, 그 결과의 해석 가능성은 어떻게 달라지는가?
• RQ5 TaintRank는 거래소와 상인이 오염된 자금을 수령하는 것을 방지하기 위해 실시간 위험 평가 도구로 실용적으로 활용될 수 있는가?

주요 결과

• TaintRank는 알려진 오염된 주소, 특히 Mt. Gox 거래소 강도 사건과 관련된 주소를 높은 정확도로 식별한다. 상위 랭킹 주소는 일반적으로 거래소나 믹서 서비스와 관련이 있다.
• 전파의 첫 번째 반복 후 상위 랭킹 주소 중 하나는 거래소에 속하는 것으로 확인되어, 이 방법이 고위험 기관을 탐지할 수 있음을 확인한다.
• 다섯 번의 반복 후 상위 랭킹 주소가 변화하여, 버너 월렛이나 믹서 관련 주소가 새롭게 등장함으로써 오염 전파 패턴의 변화를 보여준다.
• 반복적 접근 방식에서 O(n) 시간 복잡도를 달성하여 실시간 구현이 가능함을 입증한다.
• 다양한 전파 전략은 서로 다른 결과를 낳으며, 이는 신뢰성 향상을 위해 맥락 기반 검증과 하이브리드 접근 방식이 필요함을 시사한다.
• TaintRank는 단독으로 작동하는 솔루션이 아니지만, 오염된 거래에 대한 추가 KYC/AML 절차를 유도하기 위한 실질적인 위험 지표로서 유용한 첫 단계이다.