گروه وابسته به فیزیک سیستم های پیچیده ، دانشگاه Eötvös Loránd ، بوداپست ، مجارستان ، آزمایشگاه شهری قابل ملاحظه ، انستیتوی فناوری ماساچوست ، کمبریج ، MA ، ایالات متحده آمریکا

گروه وابستگی فیزیک سیستم های پیچیده ، دانشگاه Eötvös Loránd ، بوداپست ، مجارستان

یک رویکرد بیزی برای شناسایی کاربران بیت کوین

• Péter L. Juhász ،
• József Stéger ،
• Dániel Kondor ،
• گوبور واتای

• منتشر شده: 13 دسامبر 2018
• https://doi. org/10. 1371/joual. pone. 0207000

• نظرات خواننده

ارقام

خلاصه

بیت کوین یک ارز دیجیتال و سیستم پرداخت الکترونیکی است که از طریق یک شبکه همتا در اینترنت کار می کند. یکی از مهمترین خصوصیات آن ، سطح بالای ناشناس بودن آن برای کاربران خود است. کاربران توسط آدرس های بیت کوین خود ، که رشته های تصادفی در سوابق عمومی معاملات ، blockchain هستند ، شناسایی می شوند. هنگامی که یک کاربر معامله بیت کوین را آغاز می کند ، برنامه مشتری بیت کوین وی از طریق شبکه بیت کوین پیام ها را به سایر مشتریان منتقل می کند. نظارت بر انتشار این پیام ها و تجزیه و تحلیل آنها به دقت روابط پنهان را نشان می دهد. در این مقاله ، ما یک مدل ریاضی را با استفاده از یک رویکرد احتمالی برای پیوند دادن آدرس ها و معاملات بیت کوین به آدرس IP مبدل ایجاد می کنیم. برای استفاده از مدل خود ، ما با نصب بیش از صد مشتری اصلاح شده بیت کوین که در شبکه توزیع شده است ، آزمایشاتی را انجام دادیم تا هرچه بیشتر پیام ها را مشاهده کنیم. طی یک دوره مشاهده دو ماهه توانستیم چندین هزار مشتری بیت کوین را شناسایی کنیم و معاملات آنها را به مکان های جغرافیایی متصل کنیم.

استناد: Juhász PL ، Stéger J ، Kondor D ، Vattay G (2018) یک رویکرد بیزی برای شناسایی کاربران بیت کوین. PLOS ONE 13 (12): E0207000. https://doi. org/10. 1371/joual. pone. 0207000

سردبیر: ایوان اولیر ، دانشگاه لیورپول جان مورس ، انگلستان

دریافت: 14 مه 2018 ؛پذیرفته شده: 23 اکتبر 2018 ؛منتشر شده: 13 دسامبر 2018

کپی رایت: © 2018 Juhász et al. این یک مقاله دسترسی آزاد است که تحت شرایط مجوز انتساب Creative Commons توزیع شده است ، که امکان استفاده ، توزیع و تولید مثل بدون محدودیت در هر رسانه را فراهم می کند ، مشروط بر اینکه نویسنده و منبع اصلی اعتبار داشته باشند.

در دسترس بودن داده ها: داده های جمع آوری شده در آزمایش های اندازه گیری در https://figshare. com/projects/A_Bayesian_Appoach_To_identify_bitcoin_users/56387 در دسترس هستند.

بودجه: نویسندگان از دفتر ملی تحقیقات ، توسعه و نوآوری مجارستان تحت عنوان کمک هزینه 125280 و کمک هزینه اریکسون با مسئولیت محدود تشکر می کنند.

منافع رقابتی: هیچ تضاد منافع برای افشای وجود ندارد. وابستگی تجاری و بودجه دریافتی ، پیروی ما به همه سیاست های PLOS ONE در مورد اشتراک داده ها و مواد را تغییر نمی دهد.

1. معرفی

بیت کوین اولین ارز دیجیتالی است که به طور گسترده ای مورد استفاده قرار می گیرد ، که توسط Satoshi Nakamoto پس از آغاز بحران مالی در سال 2009 ساخته شده است [1]. یکی از ویژگی های بارز بیت کوین این است که هیچ مرجع اصلی نظارت بر معاملات وجود ندارد ، کاربران از طریق یک شبکه همتا به همسالان متصل می شوند و در آنجا هر معامله ای را که مایل به انجام آن هستند اعلام می کنند. معاملات پس از آن می تواند توسط هر کسی که از لیست معاملات عمومی استفاده می کند ، blockchain ، که به نوبه خود در یک سیستم اثبات کار ایجاد می شود ، تأیید شود. تقلب (به عنوان مثال شامل معاملات نامعتبر در blockchain) بنابراین به یک نهاد نیاز دارد تا بیش از 50 ٪ از قدرت محاسباتی را که کاربران به تولید blockchain اختصاص می دهند ، کنترل کند. مطابق با ماهیت غیرمتمرکز سیستم ، مشخصات پروتکل شبکه در دسترس عموم است ، در حالی که چندین برنامه مشتری منبع باز که پروتکل را اجرا می کنند وجود دارد [2].

یکی از ویژگی های کلیدی بیت کوین میزان بالای ناشناس بودن آن برای کاربران خود است [3]. اگرچه می توان از طریق بلاک چین جزئیات تراکنش ها را یاد گرفت، اما هنوز مشخص نیست کاربرانی که این تراکنش ها را آغاز می کنند چه کسانی هستند. این امکان پذیر است زیرا هیچ مرجعی برای نظارت بر عملکرد سیستم وجود ندارد، کاربران برای عضویت نیازی به ارائه هیچ گونه شناسایی ندارند. هر کسی با اتصال به اینترنت می تواند یک برنامه مشتری را دانلود کند، که سپس به آنها اجازه می دهد هر تعداد آدرس بیت کوین را تولید کنند که می توانند در تراکنش ها برای ارسال یا دریافت بیت کوین استفاده کنند. این منجر به این می شود که هویت کاربران بیت کوین تنها در صورتی آشکار می شود که آدرس بیت کوین خود را منتشر کنند یا این اطلاعات به نوعی خارج از سیستم بیت کوین رهگیری شود. در حالی که ناشناس بودن در میان اهداف اصلی طراحی سیستم بیت کوین [3] نیست، بیت کوین به طور گسترده ای به عنوان روشی بسیار ناشناس برای انجام تراکنش های مالی در نظر گرفته می شود و اغلب برای پرداخت های غیرقانونی کنترل نشده [4] در کنار استفاده های قانونی که طرف های درگیر انجام می دهند، استفاده می شود. نمی خواهند هویت خود را برای نهادهای کنترل کننده در سیستم مالی سنتی افشا کنند، به عنوان مثال. بانک ها یا دولت ها

در این مقاله، یک مدل احتمالی مبتنی بر اطلاعات منتشر شده در شبکه بیت کوین ارائه می کنیم که امکان شناسایی کاربرانی که تراکنش ها را آغاز می کنند را می دهد. در این مورد، شناسایی به معنای اتصال تراکنش ها به آدرس های IP است که در آن ایجاد شده اند.

ایده اصلی شامل دو مرحله اصلی است. ابتدا، احتمال ایجاد هر تراکنش توسط یک کلاینت خاص (که با آدرس IP آن مشخص شده است) تعیین می شود. با فرض اینکه خالق تراکنش آدرس های بیت کوینی را که از آن پول ارسال می شود، کنترل می کند، این مرحله منجر به آدرس IP احتمالی - جفت های آدرس بیت کوین می شود. در مرحله بعد، محتمل ترین جفت های آدرس بیت کوین-مشتری با ترکیب احتمالات موجود در لیست جفت هایی که در مرحله قبل جمع آوری شده اند، شناسایی می شوند. این با گروه بندی آدرس های بیت کوین که با احتمال زیاد بر اساس شبکه تراکنش به یک کاربر تعلق دارند، بیشتر توضیح داده می شود. در نهایت، محلی سازی جغرافیایی آدرس های IP دری را برای تجزیه و تحلیل مقیاس بزرگ از توزیع و جریان بیت کوین باز می کند.

بقیه مقاله به شرح زیر سازماندهی شده است. بخش 3 در مورد خصوصیات مربوط به بیت کوین بحث می کند و زمینه لازم را برای بخش های بعدی فراهم می کند. در بخش 4 ، مدل ریاضی مورد استفاده برای متناوب سازی توضیح داده شده است. جمع آوری داده ها در بخش 5 شرح داده شده است. بخش 6 نتایج کاربرد مدل را ارائه می دهد. سرانجام روش شرح داده شده در این مطالعه با آثار مرتبط با موضوع در بخش 2 مقایسه می شود.

2 کار مرتبط

مطابق با ایده های نوآورانه در پشت آن و علاقه زیادی که به آن ایجاد می شود ، کار قابل توجهی با تمرکز بر روی بیت کوین و ارزهای رمزنگاری شده است. آثار با تمرکز بر حریم خصوصی و ناشناس بودن نشان می دهد که پردازش آماری مقدار زیادی از اطلاعات به ظاهر ناچیز می تواند مهاجم را نزدیکتر کند تا هویت افرادی را که از بیت کوین استفاده می کنند ، نشان دهد.

آندرولاکی ، و همکاران.[5] با تجزیه و تحلیل سیستم با استفاده از یک شبیه ساز ، حریم خصوصی بیت کوین را ارزیابی کرد. پس از گروه بندی آدرس های بیت کوین ، آنها از تکنیک های خوشه بندی مبتنی بر رفتار (K-Means و الگوریتم های خوشه بندی آگلومرائی سلسله مراتبی) استفاده کردند تا آدرس های بیت کوین را به کاربران واقعی متصل کنند.

رید و هریگان [6] برای تجزیه و تحلیل نمودار معامله به طور عمده از پردازش داده های آفلاین blockchain استفاده کردند. آنها خوشه ها و مؤلفه های آن را شناسایی کردند و توزیع درجه شبکه کاربر را تجزیه و تحلیل کردند. آنها همچنین نشان دادند که تجزیه و تحلیل داده های عمومی در دسترس از وب سایت های اجتماعی و انجمن ها همچنین می تواند آدرس های بیت کوین برخی از کاربران را نشان دهد ، شبیه به کارهای قبلی در زمینه های مختلف [7].

Biryukov ، Khovratovich و Pustogarov روشی را ارائه دادند که کاربران را به آدرس های IP متصل می کند [8]. آنها به همه گره های بیت کوین در دسترس عمومی (سرورها) وصل شدند و پیام هایی را که در حال انتقال بودند گوش می دادند. آنها از مکانیسم کشف همکار بیت کوین برای پیوند معاملات به مبدأ خود استفاده کردند ، حتی اگر اینها اتصالات ورودی را نپذیرفتند: سرورهایی که آدرس IP مشتری های تازه متصل را پخش می کنند ، همان مجموعه سرورهایی هستند که برای اولین بار معاملات خود را رد می کردند. مشکل این روش این است که با افزایش تعداد سرورها ، باید اتصالات زیادی برقرار شود تا به نتایج خوبی برسد. از طرف دیگر ، این وعده برای مشتری های بیت کوین قول می دهد که گره های نظارت نمی توانند مستقیماً به آن متصل شوند (به عنوان مثال زیرا آنها توسط فایروال ها محافظت می شوند و به یک محدود وصل می شوند). در مقابل ، روش ما نیاز به ارتباطات مستقیم با مبدا ها دارد و ما با اجرای بسیاری از مشتری های بیت کوین که تعداد زیادی از اتصالات ورودی را می پذیرند ، به این هدف می رسیم. در حالی که آنها از تعداد مشخصی از رله های پیام برای استنباط شبکه محلی مبدأ استفاده می کنند ، ما از یک بازه زمانی اولیه کوتاه برای پخش پیام برای استنباط از مبدأ واقعی استفاده می کنیم. تفاوت اصلی دیگر در روش ما ، ترکیب اطلاعات از بسیاری از معاملات و پیوند دادن آدرس ها بر اساس blockchain برای ارائه معاملات بیشتر برای کاربر بیت کوین در آن مرحله است. رویکرد احتمالی ما می تواند با روش در [8] ترکیب شود تا گره های بیت کوین "پنهان" با احتمال بالاتر شناسایی شود. این همچنین به پیوند گروه های آدرس بیت کوین متعلق به همان کاربر بر اساس آنها که از همان مشتری سرچشمه می گیرند ، امکان پذیر است ، حتی اگر این آدرس ها فقط بر اساس blockchain امکان پیوند برقرار نباشند.

کوشی و همکاران. همچنین پیام های مربوط به معاملات را کنترل می کردند و آنها معاملات را به الگوهای رله مجزا طبقه بندی می کردند [9]. آنها پس از استفاده از اکتشافی برای تعیین آدرس های IP احتمالی IP معامله ، آنها آمار کل را برای فیلتر کردن آدرس صحیح بیت کوین - جفت آدرس IP برای هر دو آدرس ورودی و خروجی محاسبه کردند.

Venkatakrishnan و همکاران. مکانیسم رله پیام جدید به نام قاصدک را پیشنهاد کرد ، که می تواند با احتمال زیاد گره ها از نامگذاری استفاده شود [10]. آنها پیشنهاد كردند كه انتشار پیام باید دو مرحله داشته باشد: اول ، این پیام دقیقاً به یك مشتری متصل به طور تصادفی برای تعداد تصادفی هاپ توسط هر مشتری ارسال می شود و پس از مرحله اول می تواند با یك فرآیند پواسون پخش شودگره هایی که معامله را دریافت کردند. نویسندگان همچنین تأکید کردند که الزامات سطح بالای عدم هماهنگی و تأخیر کم خواصی هستند که فقط با هزینه یکدیگر قابل بهبود هستند.< Span> Venkatakrishnan و همکاران. مکانیسم رله پیام جدید به نام قاصدک را پیشنهاد کرد ، که می تواند با احتمال زیاد گره ها از نامگذاری استفاده شود [10]. آنها پیشنهاد كردند كه انتشار پیام باید دو مرحله داشته باشد: اول ، این پیام دقیقاً به یك مشتری متصل به طور تصادفی برای تعداد تصادفی هاپ توسط هر مشتری ارسال می شود و پس از مرحله اول می تواند با یك فرآیند پواسون پخش شودگره هایی که معامله را دریافت کردند. نویسندگان همچنین تأکید کردند که الزامات سطح بالای عدم هماهنگی و تأخیر کم خواصی هستند که فقط می توانند در هزینه های یکدیگر بهبود یابد. مکانیسم رله پیام جدید به نام قاصدک را پیشنهاد کرد ، که می تواند با احتمال زیاد گره ها از نامگذاری استفاده شود [10]. آنها پیشنهاد كردند كه انتشار پیام باید دو مرحله داشته باشد: اول ، این پیام دقیقاً به یك مشتری متصل به طور تصادفی برای تعداد تصادفی هاپ توسط هر مشتری ارسال می شود و پس از مرحله اول می تواند با یك فرآیند پواسون پخش شودگره هایی که معامله را دریافت کردند. نویسندگان همچنین تأکید کردند که الزامات سطح بالای عدم هماهنگی و تأخیر کم خواصی هستند که فقط با هزینه یکدیگر قابل بهبود هستند.

دککر و همکاران.[11] و Donet Donet و همکاران.[12] از اولین مورد برای مطالعه تجربی شبکه همتا به همتا بود که بیت کوین را قادر می سازد تا کار کند و برخی از خصوصیات مهم انتشار اطلاعات را توصیف می کند. Neudecker و همکاران.[13] روشی را برای استنباط توپولوژی شبکه همسالان بر اساس مشاهده فرایند انتشار پیام ارائه دهید. روش آنها شبیه به ما است زیرا آنها به تعداد زیادی از گره های بیت کوین وصل می شوند و پیام های دریافت شده در اعلام معاملات جدید را مشاهده می کنند. تفاوت اصلی در تمرکز مطالعه است: در حالی که هدف ما شناسایی اولین گره اعلام معامله بدون اطلاع از توپولوژی شبکه همتا به همسالان است ، نویسندگان در Ref.[13] با هدف بازسازی توپولوژی شبکه اما پیوند دادن آدرس های بیت کوین به گره های موجود در شبکه را در نظر نمی گیرد. در کارهای اخیر ، گلدفدر و همکاران.[14] نشان می دهد که بازرگانان آنلاین که ارزهای رمزنگاری را می پذیرند ، به طور بالقوه اطلاعات قابل توجهی را نشت می کنند که به شخص ثالث اجازه می دهد معاملات موجود در blockchain را شناسایی کنند ، بنابراین اطلاعات جمع آوری شده از طریق ردیابی و کوکی ها را به آدرس های بیت کوین پیوند می دهند. میلر و همکاران.[15] روی Monero ، یک رمزنگاری با ویژگی های ناشناس بودن قوی تر تمرکز کنید و نشان می دهد که در شرایط خاص هنوز هم می توان مکانیسم اختلاط مونرو را شکست داد و در نتیجه ناشناس ماندن آن نیز وجود دارد. سرانجام ، ما توجه می کنیم که بررسی خوبی از تحولات اخیر ، از جمله تحقیقات با تمرکز بر امنیت و حریم خصوصی در بیت کوین را می توان در کار Conti و همکاران یافت.[16]در مطالعه اخیر خود ، وانگ و پستگاروف [17] همچنین انتشار اطلاعات معاملات در شبکه بیت کوین را بررسی می کنند. آنها سعی می کنند مشتریانی را که در پشت Tor ، Nat یا Firewalls فعالیت می کنند ، توصیف کنند. از داده های هفت روزه خود ، آنها گزارش می دهند که 50 مشتری غیرقابل دستیابی در 43 ٪ از انتشار معاملات در شبکه شرکت دارند و بسیاری از مشتری های غیرقابل دستیابی در سرویس های ابری عمومی مشغول به کار هستند ، به طور بالقوه برای خزیدن شبکه بیت کوین.

اگرچه بیت کوین فاقد یک مبنای مادی است و هیچ منطقه ارضی ارضی در پایان نامه خود ندارد [18] تجلی جغرافیایی خود را نشان می دهد. الگوهای معدن ، تهیه کاربر از Cryptocurrency و استارتاپ های مرتبط با بیت کوین در [18] بررسی شده است. این فرآیندهای محیطی به طور طبیعی می توانند با فضای جغرافیایی مرتبط باشند و همبستگی های قوی بین حجم بیت کوین و فعالیت مالی ، تراکم مرکز رایانه و محل استخرهای معدن مشاهده می شود. در یک پایان نامه اخیر براون [19] توزیع جغرافیایی استخرهای استخراج بیت کوین و اتریوم را بررسی کرده و به قیمت گذاری برق ، توزیع گره خروجی TOR پیدا می کند.

اساساً از روشهای متداول زیر برای آشکار کردن هویت کاربران بیت کوین استفاده می شود:

1. تجزیه و تحلیل معاملات با ورودی چندگانه و گروه بندی آدرس های بیت کوین ورودی از همان معاملات.
2. تجزیه و تحلیل جریان بیت کوین در نمودار معامله با استفاده از تکنیک های خوشه بندی.
3. تجزیه و تحلیل انتشار اطلاعات لایه شبکه برای اتصال محتوای آنها به کاربران ،
4. و سرانجام استفاده از اطلاعات در دسترس عموم (به عنوان مثال در انجمن ها) برای اتصال آدرس های بیت کوین به هویت.

روش ارائه شده در کار ما ترکیب 1 و 3 نوع رویکرد را تشکیل می دهد ، که عمدتا بر اساس پردازش آماری خصوصیات انتشار شبکه است.

3 ویژگی های اصلی بیت کوین

برای استفاده از بیت کوین ، باید با استفاده از یک برنامه مشتری منبع باز به شبکه بیت کوین متصل شوید [2]. در این کار ، ما روی مشتری اصلی بیت کوین تمرکز می کنیم [2] ، که کد منبع آن را به منظور جمع آوری داده ها مورد بازرسی و اصلاح قرار داده ایم. به طور پیش فرض ، این مشتری هشت ارتباط با سایر مشتری ها برقرار می کند. اگر پیوندی بین دو مشتری وجود داشته باشد ، آنها به هم وصل می شوند. مشتریان از انواع مختلف تبادل اطلاعات ، به عنوان مثالمعاملات آنها درباره آنها ، وضعیت آنها ، امضاهای رمزنگاری و دیگران از طریق شبکه. این امر برای اعتبارسنجی معاملات همانطور که توسط کل شبکه انجام می شود ضروری است.

در صورت معاملات بیت کوین ، آدرس های بیت کوین نقش مشابهی را به عنوان شماره حساب بانکی در معاملات منظم ارز بازی می کنند. با این حال ، دو تفاوت عمده وجود دارد:

• هر کاربر ممکن است به همان اندازه که می خواهد آدرس های بیت کوین داشته باشد
• و آدرس های بیت کوین منبع و مقصد چندگانه می توانند در یک معامله واحد درگیر شوند.

در مورد برنامه مشتری اصلی بیت کوین که در زمان اندازه گیری در حال بهره برداری بود ، وقتی کاربر یک معامله را آغاز می کند ، برنامه مشتری (مبدأ) پیام را به یک مشتری متصل به طور تصادفی در هر بازه زمانی 100 ms منتقل می کند. این روش به عنوان ترفند گفته می شود و هدف آن پنهان کردن منبع معامله است. مشتریانی که این پیام را دریافت می کنند (که مبدأ معامله نیست) از یک الگوریتم کمی پیچیده تر برای ارسال اطلاعات بیشتر استفاده می کنند. علاوه بر ترفند ، آنها همچنین با احتمال 1/4 (در هر 100 میلی ثانیه) پیام را به سایر مشتری ها منتقل می کنند. ما انتظار داریم که انواع دیگر مشتری ها برای محافظت از حریم خصوصی کاربران ، از مکانیسم های یکسانی استفاده کنند.

توجه داشته باشیم که از امروز ، مکانیسم قبلاً شرح داده شده برای معاملات در مورد مشتری اصلی بیت کوین تغییر یافته است. در حال حاضر هر مشتری صف را برای انتقال پیام ها برای هر مشتری متصل نگه می دارد و آنها را مطابق یک فرآیند پواسون منتقل می کند. پارامتر فرآیند برای اتصالات ورودی 5 ثانیه و 2. 5 ثانیه برای اتصالات خروجی است. در این کار ، ما روش قبلاً توصیف شده را که در زمان جمع آوری داده های ما مورد استفاده قرار گرفته بود ، در نظر می گیریم. ما معتقدیم که مدل ما می تواند برای مورد دوم نیز با اصلاحات جزئی استفاده شود.

مطابق با روش قبلاً شرح داده شده ، این شبکه به معاملات رله مشتری متکی است تا آنها را در کل شبکه گسترش دهد. به عنوان یک نتیجه ، یک مشتری انتخاب شده خودسرانه لزوماً مستقیماً در مورد معامله توسط مبدأ مطلع نمی شود (شکل 1 را ببینید).