[论文解读] Analysis of Cryptocurrency Transactions from a Network Perspective: An Overview

Jiajing Wu, Jieli Liu+2 more|arXiv (Cornell University)|Nov 18, 2020

Blockchain Technology Applications and Security参考文献 178被引用 181

一句话总结

本文从网络科学视角对加密货币交易分析进行了全面综述，将现有研究划分为网络建模、画像分析和检测三类。它整合了构建交易网络的方法，分析其结构与时间特性，并检测异常行为，为区块链分析与图挖掘领域的研究人员提供系统性框架。

ABSTRACT

As one of the most important and famous applications of blockchain technology, cryptocurrency has attracted extensive attention recently. Empowered by blockchain technology, all the transaction records of cryptocurrencies are irreversible and recorded in the blocks. These transaction records containing rich information and complete traces of financial activities are publicly accessible, thus providing researchers with unprecedented opportunities for data mining and knowledge discovery in this area. Networks are a general language for describing interacting systems in the real world, and a considerable part of existing work on cryptocurrency transactions is studied from a network perspective. This survey aims to analyze and summarize the existing literature on analyzing and understanding cryptocurrency transactions from a network perspective. Aiming to provide a systematic guideline for researchers and engineers, we present the background information of cryptocurrency transaction network analysis and review existing research in terms of three aspects, i.e., network modeling, network profiling, and network-based detection. For each aspect, we introduce the research issues, summarize the methods, and discuss the results and findings given in the literature. Furthermore, we present the main challenges and several future directions in this area.

研究动机与目标

• 从网络科学视角，系统性地、全面地回顾加密货币交易网络的研究。
• 将现有文献划分为三大核心研究领域：网络建模、网络画像分析与基于网络的检测。
• 识别在分析大规模、动态且部分可观测的交易网络时面临的主要挑战与未来研究方向。
• 为从事区块链数据挖掘、金融司法鉴定以及去中心化系统图分析的研究人员与工程师提供基础参考。

提出的方法

• 根据节点与边的语义（如地址、交易、智能合约）对网络建模技术进行分类。
• 回顾聚焦于结构特性（如幂律度分布）、时间演化与市场效应的网络画像方法。
• 分析基于图的异常检测技术，用于识别洗钱、欺诈等非法活动的网络检测方法。
• 采用系统性文献综述方法，使用'加密货币'、'交易'、'网络'、'比特币'和'以太坊'等关键词，覆盖期刊、会议及预印本（2009–2020年）。
• 整合实证研究、分析模型与真实世界数据的研究成果，以评估网络行为与动态特性。
• 提出未来研究方向，包括在线学习、不完整网络的链接预测，以及隐私增强型区块链的审计框架。

实验结果

研究问题

• RQ1 如何利用不同节点与边的语义（如地址、交易、智能合约）将加密货币交易数据有效建模为复杂网络？
• RQ2 加密货币交易网络的关键结构与时间特性是什么？它们如何随时间演变？
• RQ3 哪些基于网络的技术可用于检测区块链系统中的异常行为、洗钱或其他非法活动？
• RQ4 在分析大规模、动态且部分可观测的交易网络时，主要面临哪些挑战？
• RQ5 新兴区块链技术（如闪电网络、分片技术）如何影响基于网络分析的完整性与准确性？

主要发现

• 加密货币交易网络是目前最大规模的公开可访问现实世界网络，比特币与以太坊等系统中已包含数亿笔交易记录。
• 交易网络表现出无标度与小世界特性，具有幂律度分布与高聚类性，表明其呈现核心-边缘结构。
• 时间分析揭示了突发性交易模式与不断演化的网络拓扑，对市场动态与系统鲁棒性具有重要影响。
• 基于网络的检测方法，特别是结合社区检测与中心性度量的方法，在识别可疑集群与资金中转账户方面表现出高度有效性。
• 由于链下解决方案（如闪电网络）与隐私增强技术（如混币服务）导致的数据不完整，给网络重建与分析带来重大挑战。
• 未来研究必须优先发展可扩展的在线学习算法与链接预测技术，以恢复缺失的网络结构，并支持实时交易审计。