王勁松，趙述佳，趙澤寧，張洪瑋

（1.天津理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，天津 300384；2.智能計(jì)算及軟件新技術(shù)天津市重點(diǎn)實(shí)驗(yàn)室，天津 300384；3.計(jì)算機(jī)病毒防治技術(shù)國家工程實(shí)驗(yàn)室，天津 300457）

0 概述

比特幣是一種基于P2P 網(wǎng)絡(luò)的虛擬加密數(shù)字貨幣［1］，不依靠特定貨幣機(jī)構(gòu)發(fā)行，根據(jù)特定算法并通過大量計(jì)算產(chǎn)生，使用整個(gè)P2P 網(wǎng)絡(luò)中眾多節(jié)點(diǎn)構(gòu)成的分布式賬本確認(rèn)并記錄所有的交易行為，利用密碼學(xué)設(shè)計(jì)確保貨幣流通各個(gè)環(huán)節(jié)的安全性。以太坊是一個(gè)開源的有智能合約功能的公共區(qū)塊鏈平臺(tái)，通過專用加密貨幣以太幣提供去中心化的以太坊虛擬機(jī)來處理點(diǎn)對(duì)點(diǎn)合約。比特幣和以太坊是區(qū)塊鏈中最具代表性的兩條公有鏈［2］。公有鏈交易以用戶為基礎(chǔ)，比特幣交易發(fā)生在交易地址之間，以太坊采用賬戶間一對(duì)一的交易模式。

比特幣相較于傳統(tǒng)的中心化交易系統(tǒng)，所具有的匿名性特征能保護(hù)用戶隱私不被泄露［3］，但也正因?yàn)檫@一特性，使得比特幣交易系統(tǒng)中產(chǎn)生了許多非法交易行為［4-6］，例如混幣服務(wù)［7-9］。混幣服務(wù)是一種去中心化的隱私服務(wù)，可以使用戶快速高效地與其他用戶的資金進(jìn)行混合，在現(xiàn)有賬戶和混幣后的新賬戶間創(chuàng)建隨機(jī)的映射關(guān)系并實(shí)現(xiàn)完全匿名［10-12］。該行為掩蓋了資金來源并保護(hù)了發(fā)款人的隱私，不法分子可以通過這類資金轉(zhuǎn)移方式來逃避政府監(jiān)管，并可能危害公民及國家財(cái)產(chǎn)安全［13］。因此如何正確識(shí)別比特幣交易中地址之間的關(guān)聯(lián)關(guān)系，并由此推斷出用戶的真實(shí)身份信息已經(jīng)成為比特幣研究中的重要方向［14］。目前，已有一些學(xué)者對(duì)此進(jìn)行了研究并取得了一定的研究成果。WU 等［15］研究從比特幣的公共交易歷史派生的兩個(gè)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，并將這些結(jié)構(gòu)與信息和技術(shù)相結(jié)合調(diào)查了比特幣盜竊案。DUPONT 等［16］演示如何收集關(guān)于比特幣交易背后的真實(shí)世界的用戶信息，并且通過檢查用戶的消費(fèi)習(xí)慣來確定比特幣用戶的物理位置信息。PINNA 等［17］通過一種基于圖的方法來分析身份聚類和比特幣交易中的貨幣流通特性，并深入了解了比特幣匿名性的本質(zhì)以及比特幣如何在特定的用戶和用戶社區(qū)之間流動(dòng)。ANDROULAKI 等［18］對(duì)比特幣的隱私問題進(jìn)行評(píng)估，并提出基于多輸入交易的啟發(fā)式地址聚類方法。TASCA 等［19］將比特幣身份的最小單位（單個(gè)地址）聚合到一起，并將它們分成近似的業(yè)務(wù)實(shí)體，雖然這些實(shí)體在很大程度上可以保持匿名，但通過分析其中一些特定的交易模式，可將其中的許多實(shí)體歸為特定的業(yè)務(wù)類別。

本文以公有鏈中的代表性應(yīng)用比特幣為例，提出一種基于交易網(wǎng)絡(luò)的公有鏈用戶識(shí)別方法。通過衡量交易地址間的相似程度將屬于同一用戶的交易地址進(jìn)行聚合，找出屬于同一用戶的所有交易地址。設(shè)計(jì)一種比特幣區(qū)塊數(shù)據(jù)預(yù)處理方法，通過解析比特幣區(qū)塊數(shù)據(jù)中的腳本信息，將比特幣原始交易數(shù)據(jù)處理為更加直觀的格式。在實(shí)驗(yàn)中使用真實(shí)的比特幣區(qū)塊數(shù)據(jù)，通過可視化方式對(duì)用戶識(shí)別結(jié)果進(jìn)行分析，以驗(yàn)證本文方法的可行性及準(zhǔn)確性。

1 相關(guān)工作

本文通過分析比特幣交易間的關(guān)聯(lián)關(guān)系來實(shí)現(xiàn)比特幣用戶識(shí)別，與本文相關(guān)的工作主要有公有鏈地址聚類和社交網(wǎng)絡(luò)分析［20-21］。由于比特幣地址具有匿名的特征，比特幣地址無法關(guān)聯(lián)到用戶的真實(shí)信息，這使得比特幣溯源十分困難［22］，因此許多研究人員對(duì)比特幣地址進(jìn)行了聚類分析，將屬于同一實(shí)體的比特幣地址聚合到一起。目前公有鏈地址聚類方法主要分為兩類：一類是基于啟發(fā)式的地址聚類；另一類是基于事務(wù)的地址聚類。ZHAO 等［23］對(duì)比特幣中的交易進(jìn)行分析，將35 770 360 個(gè)地址聚類為13 062 822 個(gè)集合，并分析了聚類后的實(shí)體及其之間的聯(lián)系。ZHANG 等［24］從地址重用的角度重新考慮了基于一次性地址的啟發(fā)式聚類方法，提出一種新的啟發(fā)式地址聚類方法，通過排除那些被重用為不變地址的地址來確定一次性改變地址。CUI等［25］提出一種將IP 信息與區(qū)塊鏈交易記錄相匹配的去匿名方法，并對(duì)真實(shí)的交易數(shù)據(jù)進(jìn)行IP 匹配實(shí)驗(yàn)。

比特幣交易網(wǎng)絡(luò)本質(zhì)上是一個(gè)錯(cuò)綜復(fù)雜的社交網(wǎng)絡(luò)［26］，其中每一個(gè)比特幣地址代表社交網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn)，比特幣地址之間的交易代表地址之間的聯(lián)系。依據(jù)社交網(wǎng)絡(luò)分析方法，可以對(duì)比特幣交易網(wǎng)絡(luò)進(jìn)行關(guān)聯(lián)分析。RUFFING 等［27］提出一種基于區(qū)塊鏈的社交網(wǎng)絡(luò)模型，該模型將用戶的角色作為社交網(wǎng)絡(luò)系統(tǒng)的中心。本文提出的用戶識(shí)別方法在比特幣地址不符合特定的地址聚類規(guī)則時(shí)，也能夠通過交易網(wǎng)絡(luò)中地址間的關(guān)聯(lián)等信息對(duì)比特幣用戶進(jìn)行有效識(shí)別。本文用戶識(shí)別方法的時(shí)序圖如圖1 所示。

圖1 本文用戶識(shí)別方法的時(shí)序圖Fig.1 Sequence diagram of the proposed user identification method

2 比特幣相關(guān)技術(shù)

2.1 區(qū)塊數(shù)據(jù)解析

比特幣實(shí)質(zhì)上是一個(gè)分布式賬本，該賬本中的每一頁對(duì)應(yīng)比特幣中的一個(gè)區(qū)塊，比特幣的區(qū)塊數(shù)據(jù)中包含了比特幣鏈上的核心信息，比特幣從誕生到現(xiàn)在，每10 分鐘誕生1 個(gè)區(qū)塊。Dogcoin、Litecoin、DCash、ZCash 等公有鏈中的大部分幣種的底層代碼均參考了比特幣的底層代碼［28］，由比特幣發(fā)展而來，因此這些幣種多數(shù)與比特幣具有相同的結(jié)構(gòu)。區(qū)塊數(shù)據(jù)結(jié)構(gòu)如圖2所示。每一個(gè)數(shù)據(jù)區(qū)塊記錄了神奇數(shù)（Magic Number）、區(qū)塊大?。˙lock Size）、區(qū)塊頭（Block Header）、交易計(jì)數(shù)（Transaction Counter）、交易詳情（Transaction List）5個(gè)部分。區(qū)塊頭的哈希值是下一個(gè)新區(qū)塊的哈希值的參考目標(biāo)數(shù)，最后一項(xiàng)交易詳情記錄了該區(qū)塊中所有的交易記錄。區(qū)塊頭中記錄了版本號(hào)（Version）、前一個(gè)區(qū)塊的記錄（Previous Block Hash）、Merkle 樹的根值（Merkle Root）、時(shí)間戳（Timestamp）、難度目標(biāo)（Difficulty Target）和Nonce。比特幣的原始數(shù)據(jù)保存方式是小端編碼，也就是原始十六進(jìn)制格式值需要字節(jié)逆轉(zhuǎn)轉(zhuǎn)化為大端數(shù)據(jù)，然后才能轉(zhuǎn)化為正常的數(shù)值。大端編碼是內(nèi)存地址大的空間保存高位，書寫出來就是左邊的數(shù)據(jù)表示高位，與十進(jìn)制表示法相同，更符合人們的閱讀習(xí)慣。區(qū)塊頭數(shù)據(jù)后邊緊跟的是交易信息，交易信息前面幾個(gè)字節(jié)表示的是該區(qū)塊包含的交易數(shù)量，coinbase 交易也計(jì)入在內(nèi)，其中采用可變長(zhǎng)整型變量來表示交易數(shù)量類型。剩余的信息是普通交易信息，版本號(hào)、交易哈希值采用小端編碼。輸入計(jì)數(shù)器、輸出計(jì)數(shù)器、解鎖腳本大小和鎖定交易大小均采用變長(zhǎng)整型值。

圖2 區(qū)塊數(shù)據(jù)結(jié)構(gòu)Fig.2 Block data structure

2.2 地址聚類算法

ZHENG 等［29］提出以下4種比特幣地址聚類算法，結(jié)合這4 種算法可以提高地址聚類效果：

1）多輸入交易地址聚類算法。在一次比特幣交易中，用戶選擇多個(gè)比特幣地址作為輸入地址，避免使用單一比特幣地址在余額不足時(shí)產(chǎn)生多筆交易成本，實(shí)現(xiàn)了多輸入交易。該交易中的所有輸入地址都屬于同一個(gè)實(shí)體。

2）coinbase 交易地址聚類算法。比特幣中每一個(gè)區(qū)塊都對(duì)應(yīng)一筆coinbase 交易，該交易只有輸出地址，沒有輸入地址。因此，coinbase 交易中的所有輸出地址都屬于同一個(gè)實(shí)體。

3）找零地址聚類算法。該算法的核心是找出輸出地址中的找零地址，通常來說找零地址只會(huì)在輸出地址中出現(xiàn)一次，而不會(huì)同時(shí)出現(xiàn)在輸入和輸出地址中，輸出地址也不能只包含找零地址。因此，一筆交易中的找零地址和輸入地址屬于同一個(gè)實(shí)體。

4）礦池地址聚類算法。如果某一筆交易中的輸出地址數(shù)量超過100 個(gè)，并且其中的一個(gè)地址屬于一個(gè)礦池，那么這筆交易中的所有輸出地址屬于同一個(gè)實(shí)體。

3 比特幣用戶識(shí)別方法

本文提出一種比特幣用戶識(shí)別方法，包含數(shù)據(jù)預(yù)處理、字典樹構(gòu)建、用戶識(shí)別算法3 個(gè)部分，目的是將比特幣交易網(wǎng)絡(luò)中具有強(qiáng)關(guān)聯(lián)關(guān)系的地址映射為同一實(shí)體。

3.1 數(shù)據(jù)預(yù)處理

通過配置區(qū)塊鏈環(huán)境并搭建比特幣客戶端Bitcoin Core 將比特幣區(qū)塊流數(shù)據(jù)同步到本地，同步到本地的比特幣區(qū)塊數(shù)據(jù)是二進(jìn)制流數(shù)據(jù)，初步解析后的數(shù)據(jù)結(jié)構(gòu)如下：

比特幣的交易實(shí)際上是不依賴地址的，主要依賴于腳本。在支付款項(xiàng)時(shí)，將支付的數(shù)額與接收者的“贖回腳本”綁定到一起。日后接收者可以用自己的“簽名腳本”來確認(rèn)使用權(quán)。每一筆交易的實(shí)現(xiàn)所依賴的只是腳本。兩種常見腳本的格式具體如下：

1）支付到公鑰地址模式（P2PKH）：

OP_DUP OP_HASH160（0x14）［一個(gè)20 字節(jié)的哈希值］OP_EQUALVERIFY OP_CHECKSIG

2）支付到腳本模式（P2SH），當(dāng)使用多重簽名時(shí)需要使用該模式：

OP_HASH160（0x14）［一個(gè)20字節(jié)的哈希值］OP_EQUAL

通過初步解析后的數(shù)據(jù)并不能直接看出某筆交易的輸入輸出地址，也不能看到交易的金額。因此，為了方便實(shí)驗(yàn)，針對(duì)比特幣交易中的腳本格式設(shè)計(jì)了一種算法，用于解析比特幣交易中的輸入和輸出地址以及交易涉及的金額等信息。

算法1在交易腳本中獲取交易地址

3.2 字典樹構(gòu)建

字典樹又稱單詞查找樹，是哈希樹的變種。典型應(yīng)用是用于統(tǒng)計(jì)、排序和保存大量字符串，經(jīng)常被搜索引擎用于文本詞頻統(tǒng)計(jì)。大量的比特幣地址會(huì)出現(xiàn)很多相同的前綴，并且在3.1 節(jié)中將比特幣交易數(shù)據(jù)處理成交易集合的形式，因此基于常規(guī)的字典樹結(jié)構(gòu)，本文提出了一種針對(duì)比特幣交易數(shù)據(jù)的改進(jìn)字典樹結(jié)構(gòu)，在字典樹每個(gè)根節(jié)點(diǎn)之后追加一個(gè)集合，該集合用來存儲(chǔ)與該分支表示的地址有直接交易的地址列表。

算法2在Trie 樹中插入一個(gè)地址字符串

算法3在Trie 樹中查找一個(gè)地址字符串

3.3 用戶識(shí)別算法

目前，多數(shù)針對(duì)比特幣地址聚類的研究是通過制定交易規(guī)則來實(shí)現(xiàn)地址聚類的，例如多輸入交易規(guī)則、找零交易規(guī)則等。ANDROULAKI 等［18］研究比特幣交易中的輸入地址，并設(shè)計(jì)基于多輸入地址的比特幣地址聚類方法，在不考慮特殊樣例的情況下，基于該方法得到的聚類結(jié)果是完全正確的。MEIKLEJOHN 等［30］基于找零交易規(guī)則提出一種找零地址聚類算法，該算法會(huì)將一筆交易中的輸入地址和找零地址聚合為同一個(gè)實(shí)體。當(dāng)部分交易中的地址符合特定的交易規(guī)則時(shí)，通過傳統(tǒng)地址聚類算法可將這些地址聚合到一起。因此，對(duì)于符合特定交易規(guī)則的交易而言，使用這些算法能夠得到很好的結(jié)果，甚至是完全正確的結(jié)果。但對(duì)于大部分的普通交易而言，這些算法往往不能取得正確的結(jié)果，因?yàn)檫@些交易通常沒有規(guī)則可言。針對(duì)上述情況，本文通過分析比特幣交易中輸入與輸出地址之間的關(guān)聯(lián)關(guān)系，提出一種具有普適性的比特幣用戶識(shí)別算法。

用戶識(shí)別算法的具體步驟如下：

步驟1假設(shè)算法輸入為起始節(jié)點(diǎn)starting_node，交易數(shù)據(jù)集合trans_network，該集合中的每一條數(shù)據(jù)代表一筆比特幣交易t。設(shè)置隊(duì)列Q和集合S，將起始節(jié)點(diǎn)starting_node 分別加入到Q和S中，同時(shí)設(shè)置臨時(shí)集合W和E。

步驟2當(dāng)隊(duì)列Q不為空時(shí)，遍歷Q中的節(jié)點(diǎn)，從交易數(shù)據(jù)集合trans_network 中將與這些節(jié)點(diǎn)直接關(guān)聯(lián)的節(jié)點(diǎn)加入到集合W中。接著遍歷集合W中的節(jié)點(diǎn)，判斷這些節(jié)點(diǎn)與集合S的Sim 值，如果該節(jié)點(diǎn)的Sim 值大于閾值，則將該節(jié)點(diǎn)分別加入集合S與集合E中，否則繼續(xù)遍歷。在遍歷結(jié)束時(shí)，將集合E加入到隊(duì)列Q中，同時(shí)將隊(duì)頭元素移出隊(duì)列Q，并清空集合W和E。Sim 值定義如下：

其中：Sim(i,S)表示節(jié)點(diǎn)i與集合S中節(jié)點(diǎn)的相似程度；j表示在集合S中與i直接相連的節(jié)點(diǎn)；Ki、Kj分別表示節(jié)點(diǎn)i的度數(shù)和節(jié)點(diǎn)j的度數(shù)；Nj表示與節(jié)點(diǎn)i直接相連的節(jié)點(diǎn)數(shù)量；Aj表示節(jié)點(diǎn)j的邊的權(quán)值。

步驟3重復(fù)步驟2，直到隊(duì)列Q為空，此時(shí)結(jié)束循環(huán)，返回集合S。

算法4用戶識(shí)別

4 實(shí)驗(yàn)與結(jié)果分析

選擇比特幣的真實(shí)交易數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，將其解析成改進(jìn)的字典樹結(jié)構(gòu)，運(yùn)行本文提出的用戶識(shí)別算法對(duì)交易地址進(jìn)行用戶識(shí)別。通過可視化方式對(duì)算法執(zhí)行過程進(jìn)行分析并驗(yàn)證用戶識(shí)別算法的有效性。

4.1 有效性驗(yàn)證

在算法起始階段，從比特幣交易網(wǎng)絡(luò)中任意選取一個(gè)節(jié)點(diǎn)作為起始節(jié)點(diǎn)，由于此時(shí)算法中的集合S為空，因此將與該節(jié)點(diǎn)直接關(guān)聯(lián)的節(jié)點(diǎn)加入到網(wǎng)絡(luò)中構(gòu)成算法的初始網(wǎng)絡(luò)。

圖3 為用戶識(shí)別算法經(jīng)一次迭代后形成的比特幣交易網(wǎng)絡(luò)。該網(wǎng)絡(luò)中共有3 類節(jié)點(diǎn)，其中：第1 類節(jié)點(diǎn)出度為0、入度為1，它們只接收不發(fā)送交易；第2 類節(jié)點(diǎn)的入度為2、出度為n，n代表第1 類節(jié)點(diǎn)的數(shù)量，它們既發(fā)送又接收交易，同時(shí)是一個(gè)中心節(jié)點(diǎn)；第3 類節(jié)點(diǎn)的入度為0、出度為2，它們只發(fā)送不接收交易。由圖3可以看出，該網(wǎng)絡(luò)具有中心化的特性，中間的第2 類節(jié)點(diǎn)給周圍大量的第1 類節(jié)點(diǎn)發(fā)送了交易，并且接收了來自第3 類節(jié)點(diǎn)的交易。

圖3 用戶識(shí)別算法經(jīng)一次迭代后形成的比特幣交易網(wǎng)絡(luò)Fig.3 Bitcoin transaction network formed after one iteration of the user identification algorithm

圖4 為用戶識(shí)別算法經(jīng)多次迭代后形成的比特幣交易網(wǎng)絡(luò)。由圖4 可以看出，相比于經(jīng)一次迭代后形成的比特幣交易網(wǎng)絡(luò)，用戶識(shí)別算法經(jīng)多次迭代后有更多的節(jié)點(diǎn)被加入到網(wǎng)絡(luò)中，但網(wǎng)絡(luò)整體結(jié)構(gòu)不變，仍具有中心化特性。所有節(jié)點(diǎn)根據(jù)出入度劃分為3 類節(jié)點(diǎn)，并且在網(wǎng)絡(luò)中的角色也與圖3 相同。

圖4 用戶識(shí)別算法經(jīng)多次迭代后形成的比特幣交易網(wǎng)絡(luò)Fig.4 Bitcoin transaction network formed after multiple iterations of the user identification algorithm

圖5 為用戶識(shí)別算法迭代穩(wěn)定后形成的比特幣交易網(wǎng)絡(luò)，即用戶識(shí)別算法迭代完成后得到的聚類結(jié)果，表示這些交易地址屬于同一用戶。由圖5 可以看出，用戶識(shí)別算法迭代穩(wěn)定后形成的網(wǎng)絡(luò)結(jié)構(gòu)相比于圖3和圖4 有了較大變化，網(wǎng)絡(luò)中不只存在一個(gè)中心節(jié)點(diǎn)，而是有許多散布在網(wǎng)絡(luò)邊緣的“中心節(jié)點(diǎn)”，這些邊緣的節(jié)點(diǎn)與中心的第1 類節(jié)點(diǎn)群有著大量的連接，并且這些節(jié)點(diǎn)不同程度地復(fù)用了第1 類節(jié)點(diǎn)，表明這些節(jié)點(diǎn)與第1 類節(jié)點(diǎn)具有較強(qiáng)的關(guān)聯(lián)性。

圖5 用戶識(shí)別算法迭代穩(wěn)定后形成的比特幣交易網(wǎng)絡(luò)Fig.5 Bitcoin transaction network formed after the user identification algorithm is iteratively stabilized

由于整個(gè)比特幣交易網(wǎng)絡(luò)數(shù)據(jù)過于龐大，因此實(shí)驗(yàn)部分選取比特幣第140 000 個(gè)至第160 000 個(gè)區(qū)塊間的20 000 個(gè)區(qū)塊作為實(shí)驗(yàn)數(shù)據(jù)構(gòu)造交易網(wǎng)絡(luò)，將本文提出的用戶識(shí)別算法應(yīng)用于該交易網(wǎng)絡(luò)后，得到如圖6 所示的比特幣交易網(wǎng)絡(luò)。

圖6 實(shí)驗(yàn)最終得到的比特幣交易網(wǎng)絡(luò)Fig.6 Bitcoin transaction network obtained by the experiment

4.2 效率分析

本文提出的用戶識(shí)別方法類似于關(guān)聯(lián)搜索方法，借助隊(duì)列進(jìn)行存儲(chǔ)，從出發(fā)點(diǎn)開始逐層向外查找，在查找過程中優(yōu)先考慮距離出發(fā)點(diǎn)近的節(jié)點(diǎn)。無論是在鄰接表還是鄰接矩陣中存儲(chǔ)，均需要借助輔助隊(duì)列，且N個(gè)頂點(diǎn)均需入隊(duì)，空間復(fù)雜度為O（N），其中N為圖中的節(jié)點(diǎn)數(shù)。當(dāng)算法開始迭代時(shí)，從一個(gè)頂點(diǎn)開始搜索，每個(gè)節(jié)點(diǎn)和每條邊至少訪問一次，時(shí)間復(fù)雜度為O（E），算法總時(shí)間復(fù)雜度為O（N+E），其中E為圖中的邊數(shù)。

地址聚類算法的評(píng)價(jià)標(biāo)準(zhǔn)通常為準(zhǔn)確率，即算法得到的結(jié)果中正確的地址數(shù)量與總地址數(shù)量的比值，由于本文用戶識(shí)別方法與傳統(tǒng)地址聚類算法的目的相同，因此也采用準(zhǔn)確率作為評(píng)價(jià)標(biāo)準(zhǔn)，并且使用Walletexplorer 中的數(shù)據(jù)作為實(shí)驗(yàn)對(duì)照數(shù)據(jù)。比特幣區(qū)塊是連續(xù)的，如果隨機(jī)選取區(qū)塊鏈中的部分區(qū)塊會(huì)導(dǎo)致之前區(qū)塊中包含的地址間的關(guān)系無法被算法發(fā)現(xiàn)，為避免影響聚類結(jié)果，本文選取比特幣的前160 000 個(gè)區(qū)塊進(jìn)行實(shí)驗(yàn)。

圖7 給出了本文用戶識(shí)別方法與傳統(tǒng)地址聚類算法的準(zhǔn)確率對(duì)比結(jié)果。相較于傳統(tǒng)地址聚類算法［26-27］基于規(guī)則匹配的識(shí)別方式，本文用戶識(shí)別方法不受交易規(guī)則的限制，應(yīng)用于特殊交易或是常規(guī)交易時(shí)均能取得穩(wěn)定的結(jié)果。由圖7 可以看出，隨著實(shí)驗(yàn)涉及的區(qū)塊數(shù)量的增加，傳統(tǒng)地址聚類算法的準(zhǔn)確率有明顯的下降趨勢(shì)，因?yàn)殡S著區(qū)塊數(shù)量的增加，交易數(shù)量也不斷增加，傳統(tǒng)地址聚類算法在面對(duì)大量常規(guī)交易時(shí)，受到協(xié)議版本變化和混幣服務(wù)的影響，聚類效果就會(huì)受到明顯影響，從而降低準(zhǔn)確率。本文用戶識(shí)別方法不受交易規(guī)則的限制，隨著區(qū)塊數(shù)量的增加，準(zhǔn)確率雖略有波動(dòng)，但總體穩(wěn)定在80%左右，并沒有明顯的下降趨勢(shì)，應(yīng)用于常規(guī)交易中也能取得穩(wěn)定的結(jié)果。

圖7 本文用戶識(shí)別方法與傳統(tǒng)地址聚類算法的準(zhǔn)確率對(duì)比Fig.7 Comparison of the accuracy between the proposed user identification method and the traditional address clustering algorithm

5 結(jié)束語

本文在分析現(xiàn)有比特幣用戶識(shí)別方法的基礎(chǔ)上，提出一種基于交易網(wǎng)絡(luò)的用戶識(shí)別方法，通過發(fā)現(xiàn)交易地址之間的關(guān)聯(lián)關(guān)系，識(shí)別出屬于同一用戶的所有交易地址。由于公有鏈中大部分幣種底層數(shù)據(jù)結(jié)構(gòu)相同，因此本文方法不僅適用于比特幣，而且對(duì)其他使用類似比特幣交易模式的公有鏈也能取得同樣的效果。實(shí)驗(yàn)結(jié)果表明，本文用戶識(shí)別方法無論應(yīng)用于常規(guī)交易還是特殊交易，均能獲得相對(duì)穩(wěn)定的用戶識(shí)別準(zhǔn)確率，且該結(jié)果不會(huì)受到協(xié)議版本變化和混幣服務(wù)的影響而產(chǎn)生大幅波動(dòng)。后續(xù)將繼續(xù)優(yōu)化用戶識(shí)別方法中的核心算法，在盡量不增加算法復(fù)雜度的情況下提升用戶識(shí)別準(zhǔn)確率，同時(shí)還將在識(shí)別過程中加入用戶地理位置等信息，以獲得更好的識(shí)別效果。