비트코인에서 불법 거래 탐지를 위한 그래프 신경망 연구 (A Study on the Graph Neural Networks for Detecting Illicit Transactions in Bitcoin)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : KNOM Review / 26권 / 1호 / 53 ~ 60페이지
· 저자명 : 김종욱, 최미정

초록

매일 범죄자들은 중죄(테러, 마약 밀매, 인신매매 등)로 얻은 금액을 세탁하여 수많은 사람과 경제에 큰 피해를 준다. 특히, 암호화폐는 자금세탁에 자주 활용된다. 범죄자들은 암호화폐의 익명성 뒤에 숨어 자금을 세탁하고, 사적인 이익을 채운다. 이와 같은 자금세탁을 탐지하기 위해서는 높은 비용과 범국제적 협력이 필요하지만, 사회 경제적 및 국제적 한계로 자금세탁을 방지 및 탐지하기 매우 어렵다. 이러한 문제를 해결하기 위해 본 논문에서는 전이 학습을 통한 그래프 신경망을 사용하여 불법 패턴을 탐지하고자 한다. 사전 학습한 그래프 신경망과 200,000개가 넘는 비트코인 거래와 234,000개의 결제 흐름 데이터가 존재하는 Elliptic 데이터셋을 사용하여 98.5%의 F1-Score를 달성했으며, 165개의 특징(features)들 중 가장 높은 중요도를 보인 10개의 특징을 확인했다. 이 연구를 통해 자금세탁을 탐지할 수 있는 기술적 측면의 중요한 자료로 활용될 수 있다.

영어초록

Every day, criminals engage in money laundering activities using proceeds from various felonies(terrorism, drug and human trafficking, etc.), thereby causing significant harm to millions of individuals and the economy. In particular, criminals utilize cryptocurrencies for illegal purposes. By taking advantage of the anonymity, offenders are able to launder money and serve their own illicit interests. The identification of illicit transactions within the realm of cryptocurrencies necessitates substantial financial costs and international cooperation. However, the detection of such activities proves to be challenging due to socioeconomic and international constraints. To address this issue, this paper proposes the use of graph neural networks and transfer learning. The results demonstrate a noteworthy achievement of 98.5% F1-Score, leveraging a pre-trained graph neural network and the Elliptic dataset, which encompasses more than 200,000 transactions and 234,000 payment flows. Furthermore, the study identifies the top 10 significant features. Overall, this study provides valuable insights and technological advancements in the detection of illegal transactions, serving as a significant resource.

참고자료

· 없음