近日，绿盟科技与中国地质大学（武汉）计算机学院任伟教授团队合作的论文《BABD: A Bitcoin Address Behavior Dataset for Pattern Analysis》被信息安全领域国际权威期刊《IEEE Transactions on Information Forensics and Security》（简称TIFS）正式接收并在线发表。

《IEEE Transactions on Information Forensics and Security》（TIFS）是信息安全领域的顶级期刊，中科院JCR一区Top期刊，中国计算机学会推荐的网络与信息安全A类国际期刊，当前影响因子为6.8.

该论文的第一作者为中国地质大学（武汉）计算机学院的硕士研究生项悦欣，合作者为绿盟科技创新研究院和星云实验室负责人刘文懋，通信作者为中国地质大学（武汉）计算机学院信息安全系的任伟教授。

随着比特币这种加密货币在金融和在线服务领域的广泛采用，其匿名和去中心化的特点虽然促进了技术创新和交易便利性，但同时也带来了潜在的风险，尤其是在非法交易活动中的应用。这种双刃剑的特性使得监控和识别与非法行为相关的加密货币地址成为维护数字货币生态系统安全和稳定的关键。为应对这一挑战，该论文构建了一个包含13种类型比特币地址、5类指标和148个特征的数据集BABD-13，这是目前所知最大的公开可用的比特币地址行为数据集。论文中还提出了一种新颖的子图生成算法BTC-SubGen，用于从比特币交易图中提取比特币地址对应的子图进而分析局部交易子图的结构特征。该论文应用五种常用的机器学习模型在BABD-13进行分类任务，获得了93.24%至97.13%的准确率。此外，论文对不同类型比特币地址的行为模式进行了深入研究，揭示了一些有意义的模式。这项研究旨在提高对加密货币非法使用的监控能力，从而增强整个加密货币生态系统的安全性和稳定性。

该项工作来源于绿盟科技与中国地质大学（武汉）任伟教授团队的深度合作，受到CCF-绿盟“鲲鹏”基金（CCF-NSFOCUS2021008）的资助。成果有望应用于典型数字货币交易的标签数据集的构建、数字金融交易行为的模式分析与安全监管、金融科技安全与网络犯罪侦查（如洗钱、地下赌博、非法集资等）领域，为我国的数字金融安全与数字货币安全监管贡献一份力量。