Обнаружение аномальных транзакций криптовалюты с помощью нейронных сетей и онтологий

Выполнен поиск эффективного подхода к выявлению аномалий в транзакциях криптовалют с помощью нейронных сетей (свѐрточных, глубоких, управляемых рекуррентных блоков) и сравнение с другими подходами, применяемыми к задаче поиска нелегальных транзакций в сети криптовалют. Проведѐн анализ работ в областях анализа данных транзакций в сети криптовалют, визуализации данных для анализа транзакций и поиска аномальных транзакций с помощью компьютерного зрения. Определена предметная область исследования. Проблема выявления аномалий в транзакциях криптовалют основывается на том, что в наборах данных транзакций нет прямых указаний на личность отправителя и получателя. Актуальность и значимость работы заключается в предлагаемом в ней способе выявления с высокой точностью аномальных транзакций в режиме, приближенном к реальному времени. Выполнены экспериментальные исследования набора данных транзакций криптовалют с помощью нейронных сетей и не нейросетевых классификаторов с последующим сравнением полученных результатов с другими исследованиями. Эксперименты показали, что управляемые рекуррентные блоки позволили справиться с задачей лучше других сравниваемых нейросетевых подходов: аккуратность 0.94, точность 0.95, полнота 0.93 и F-мера 0.94, что доказывает высокую эффективность предложенной модели. Однако данная модель уступает традиционным алгоритмам машинного обучения, таким как оптимизированный распределѐнный градиентный бустинг. Новизной предложенного подхода является то, что он основан на анализе статистической информации о графе транзакций и использовании для этого технологии глубокого обучения и градиентного бустинга. Областью применения предложенного подхода является создание программных средств для поиска нелегальных транзакций криптовалюты в системах информационной безопасности и в задачах цифровой криминалистики.