[论文解读] Toward Open Data Blockchain Analytics: A Bitcoin Perspective

Dan McGinn, Doug McIlwraith+1 more|arXiv (Cornell University)|Feb 21, 2018

Blockchain Technology Applications and Security参考文献 8被引用 7

一句话总结

本文提出了一种基于图的开放数据区块链分析框架，用于比特币区块链，将低层次的二进制数据转化为高保真度的图模型，以揭示隐藏的交易模式、财富积累以及网络层面的经济行为。通过利用公开透明的区块链数据，本研究展示了开放数据架构如何揭示社会与计量经济学洞察——例如用户关联性、基于货币数量理论的 deflationary（通缩）趋势，以及协调防御机制——相较于牺牲透明度以换取可扩展性和保密性的封闭私有许可区块链，展现出显著优势。

ABSTRACT

Bitcoin is the first implementation of what has become known as a 'public permissionless' blockchain. Guaranteeing security and protocol conformity through its elegant combination of cryptographic assurances and game theoretic economic incentives, it permits censorship resistant public read-write access to its append-only blockchain database without the need for any mediating central authority. Not until its advent has such a trusted, transparent, comprehensive and granular data set of digital economic behaviours been available for public network analysis. In this article, by translating the cumbersome binary data structure of the Bitcoin blockchain into a high fidelity graph model, we demonstrate through various analyses the often overlooked social and econometric benefits of employing such a novel open data architecture. Specifically we show (a) how repeated patterns of transaction behaviours can be revealed to link user activity across the blockchain; (b) how newly mined bitcoin can be associated to demonstrate individual accumulations of wealth; (c) through application of the naive quantity theory of money that Bitcoin's disinflationary properties can be revealed and measured; and (d) how the user community can develop coordinated defences against repeated denial of service attacks on the network. All of the aforementioned being exemplary benefits that would be lost with the closed data models of the 'private permissioned' distributed ledger architectures that are dominating enterprise level development due to existing blockchain issues of governance, scalability and confidentiality.

研究动机与目标

• 通过展示开放、公开的区块链数据在大规模网络分析中的价值，解决私有许可区块链的局限性。
• 从原始比特币区块链数据构建高保真度图模型，以支持详细的交易与用户行为分析。
• 利用公开可验证的区块链数据，揭示社会与计量经济学洞察，如财富积累与网络韧性。
• 强调企业级区块链中封闭数据模型的风险，此类模型为追求可扩展性与隐私而牺牲了透明度与信任。
• 通过展示在信任、透明度与知识发现方面的可衡量优势，倡导在区块链分析中采用开放数据架构。

提出的方法

• 将原始比特币区块链二进制数据（例如，区块#170）转换为结构化、可查询优化的图模型，使用颜色编码的数据元素：绿色表示区块头，灰色表示交易，橙色表示输入，蓝色表示输出，红色表示公钥与地址。
• 构建双图结构：交易网络与地址网络，随后抽象为更高级别的实体图，以建模类似用户的行为与关联性。
• 应用关联分析技术，检测重复的交易模式，并通过共享输入与找零地址，将多个输入/输出与单个用户或实体关联起来。
• 应用朴素货币数量理论，通过分析新币发行速率与供应增长，对比特币的通缩特性进行建模与测量。
• 分析交易行为模式，检测对拒绝服务攻击的协调响应，表明公共无许可区块链网络中存在涌现的网络级防御机制。
• 采用密码学验证原则（例如，ECDSA签名验证）以确保重建图模型中的数据完整性与可追溯性。

实验结果

研究问题

• RQ1 如何将原始、低层次的比特币区块链数据转化为适用于分析的高保真度、可查询优化的图模型？
• RQ2 在多大程度上可利用交易图分析技术，将用户身份与交易行为在区块链中跨节点关联？
• RQ3 如何通过开放的区块链数据，对比特币的通缩特性进行定量测量与验证？
• RQ4 在公共无许可区块链网络中，是否可能涌现出对拒绝服务攻击的协调防御行为？
• RQ5 与封闭的私有许可账本模型相比，开放数据区块链分析在社会与计量经济学方面具有哪些优势？

主要发现

• 将原始比特币区块链数据转化为图模型，可实现对网络中复杂交易模式的高效查询与发现。
• 重复的交易行为，如共享输入与找零地址的使用，可支持对区块链中用户级活动与关联性的推断。
• 通过图模型可追踪新挖出的比特币，以证明个体或实体随时间推移的财富积累。
• 应用朴素货币数量理论揭示了比特币的通缩特性，其新币发行速率具有可预测性且持续下降。
• 分析发现了对拒绝服务攻击存在协调性、网络级响应的证据，表明公共无许可系统中存在涌现的韧性机制。
• 私有许可区块链虽然解决了可扩展性与隐私问题，但牺牲了开放数据的透明度与信任优势，限制了知识发现与公众可审计性。