比特币交易图数据集：解锁区块链分析新视角

为解决比特币研究数据集稀缺问题，研究人员构建交易图数据集，为相关研究提供支持。

　　# 比特币交易图数据集：区块链研究的新钥匙
在数字经济的浪潮中，比特币（Bitcoin）自 2008 年由中本聪（Satoshi Nakamoto）提出后，便以其去中心化的特性，彻底改变了传统的价值存储和转移模式。它无需依赖中央机构，就能实现参与者之间的价值交换，这一创新之举吸引了全球目光。随着时间推移，比特币的用户数量不断攀升，2023 年平均每日用户数达到 270,000，同年网络交易额约 8.6 万亿美元。在科研领域，比特币也备受关注，过去五年每年在谷歌学术上被索引的研究论文超 30,000 篇。

然而，比特币研究的道路并非一帆风顺。尽管所有比特币交易数据都是公开的，但研究人员却面临着精心整理的数据集严重稀缺的困境。比特币社区以往主要致力于提升网络的安全性、可扩展性和实用性等关键方面，同时应对安全漏洞和金融犯罪等风险，却忽视了数据集建设。这导致研究人员在探索比特币生态系统及其影响时困难重重，因为缺乏易于获取且结构良好的数据集，就如同在黑暗中摸索，难以提取有价值的信息。

为了打破这一僵局，来自法国综合理工学院（LIX）、Coinshares 以及阿联酋阿布扎比 MBUZAI 的研究人员 Hugo Schnoering 和 Michalis Vazirgiannis 开展了一项重要研究。他们构建了一个大规模、具有时间注释的比特币交易图数据集，相关成果发表在《Scientific Data》上。

研究人员在构建数据集时运用了多种关键技术方法。首先是数据提取，他们安装比特币核心（Bitcoin Core）24.0 版本并搭建节点，从比特币区块链前 700,000 个区块中提取交易细节。在节点定义上，考虑将锁定脚本作为节点候选，后通过启发式算法对脚本聚类形成节点。对于边的确定，依据交易中输入和输出 TXO（交易输出，Transaction Output）的价值变化来判断节点是发送方还是接收方，从而确定边的方向。此外，为保证数据质量，他们还排除了 CoinJoin 和彩色币交易。最后，利用 Python 编写代码，借助 PostgreSQL 进行数据存储和管理。

数据集构建

1. 原始数据提取：从比特币区块链获取交易数据，保存于本地，解析提取交易细节，选取前 700,000 个区块数据，避免 Taproot 升级带来的复杂性。
2. 节点定义：以锁定脚本为基础，通过启发式算法聚类代表真实实体的脚本，形成约 252 百万个节点，每个节点用唯一整数别名标识。
3. 边的确定：根据交易中节点的价值接收或发送情况确定边的方向和权重，若节点在交易中接收价值为正，则为接收方，反之为发送方，从发送方到接收方绘制边。
4. 排除特殊交易：排除 CoinJoin 和彩色币交易，前者增加隐私性干扰分析，后者用于非比特币价值转移，影响对标准比特币交易的研究。
5. 数据集构成：数据集包含节点和边的相关表格，节点表记录节点属性，边表记录边的属性，构建过程涉及多步骤和中间表，代码开源确保可重复性。

节点标注

研究人员为节点标注了丰富的信息。他们利用比特币论坛（BitcoinTalk）的帖子，结合大语言模型 ChatGPT，对节点进行标注。标注的实体类型包括个体、挖矿、交易所、市场、赌博、水龙头、混合器、庞氏骗局、勒索软件、桥接等。不过，这种标注方法存在一定局限性，比如论坛帖子可能包含错误信息，且数据存在语言和信息来源的偏差。为了丰富数据集，研究人员还从多个来源整合数据，如加密货币交易所钱包地址、以往研究中的勒索软件地址、美国财政部特别指定国民名单（SDN List）中的地址等。

技术验证

为验证数据集的可靠性，研究人员进行了节点分类预测实验。他们选择了 “交易所”“挖矿”“赌博”“庞氏骗局”“个体”“勒索软件”“投注” 等标签进行预测，训练了四种图神经网络（GNNs）模型：GCN、GraphSage、GAT、GIN，同时以梯度提升分类器（GBC）作为对比。实验结果表明，节点特征和邻域信息对预测实体类型有帮助，GAT 和 GIN 模型表现最佳，宏 F1 分数分别达到 0.64 和 0.63，但模型在预测 “勒索软件” 类时仍存在困难。此外，研究还发现经过节点年龄归一化和转换为美元价值的工程特征，对提升模型分类性能很有用。

研究结论与意义

研究人员构建的比特币交易图数据集，规模庞大且标注丰富，为比特币及区块链研究提供了重要资源。通过对数据集的分析，能够深入了解比特币交易模式，检测欺诈行为，助力监管机构追踪资金流向，提升比特币生态系统的安全性和透明度。在未来研究中，该数据集还可用于研究不同实体类型间的交互、图的演化，以及与其他经济网络的比较等。同时，其应用潜力不仅局限于经济领域，在社会网络分析和供应链网络等跨学科研究中也能发挥重要作用，为相关领域的研究开辟了新的方向。