基于改进随机森林的比特币用户地址分类方法

比特币作为第一个去中心化的加密货币，由于具有匿名性这一特点，被大量用在各种交易服务中，如博彩、跨境支付等，同时也被恶意交易所利用。目前比特币用户地址分类主要通过启发式聚类方法实现，受到比特币协议的变化影响，该方法对出现的新输出地址、单输入地址以及参与混币交易的地址无法分类，因此仅适用于现有比特币地址中很小一部分。针对该问题，本文提出一种基于改进随机森林的比特币地址分类方法，对区块链原始区块数据进行解析，直接提取用于机器学习的地址特征，进而学习一个随机森林分类器，能对任何一个没有标签的比特币地址进行分类，同时为了降低特征集中的冗余，对传统的随机森林进行改进以获取最终有助于地址分类的重要特征。实验结果表明，该方法可以准确地对比特币用户地址进行分类，仅仅需要14个重要特征。