面向区块链交易可视分析的地址增量聚类方法

• 作者: 吕志梅 张洪玮 王劲松 赵泽宁
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 比特币 区块链交易 可视分析 增量聚类 并查集
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 热点与综述
• 页码范围: 14-20
• 页数: 7页
• 分类号: TP399
• 字数: 4562字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056589

摘要

比特币是一种基于区块链的加密货币,其因具备伪匿名性而常被用于异常交易活动中.目前比特币实体识别多通过启发式聚类方法实现,但此类方法未考虑新数据出现后的结果融合问题,导致算法效率较低.针对该问题,提出一种基于比特币交易数据的增量聚类方法.对区块数据进行分析以获取钱包地址的可聚类交易,构成聚类地址组,并通过查找地址索引表提取聚类实体间的关系.利用并查集算法对该区块钱包地址数据进行增量聚类,得到新的比特币实体关系,进而推测实体类型.同时,对实体进行识别和标注,实现实体交易行为的可视分析.实验结果表明,该方法可以准确地对地址进行增量聚类,体现比特币实体的演变过程,与启发式聚类方法相比时间复杂度更低.