Deanonymizing Bitcoin Transactions via Network Traffic Analysis with Semi-supervised Learning
Diese Arbeit stellt NTSSL und NTSSL+ vor, zwei effiziente Methoden zur Entanonymisierung von Bitcoin-Transaktionen durch die Kombination von Netzwerkverkehrsanalyse mit semi-überwachtem Lernen und transaktionsübergreifender Kollaboration, die eine signifikant höhere Genauigkeit als bestehende maschinelle Lernansätze erreichen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich das Bitcoin-Netzwerk wie einen riesigen, globalen Platz vor, auf dem Millionen von Menschen (die Computerknoten) Nachrichten austauschen. Jeder kann sehen, wer eine Nachricht sendet und wer sie empfängt, aber die Absender tragen Masken. Sie sind nur durch eine zufällige Nummer (die Bitcoin-Adresse) bekannt, nicht durch ihren echten Namen oder ihre IP-Adresse.
Die Forscher in diesem Papier haben jedoch einen Weg gefunden, diese Masken zu lüften. Sie nennen ihre Methode NTSSL (und eine verbesserte Version NTSSL+). Hier ist die Erklärung, wie das funktioniert, ganz einfach und mit ein paar bildhaften Vergleichen:
1. Das Problem: Der "Flüsternde" im Raum
Normalerweise ist es schwer zu wissen, wer eine Nachricht erstmalig erfunden hat und wer sie nur weitergeleitet hat.
- Die alte Methode (PERIMETER): Stell dir vor, ein Detektiv steht im Raum und hört nur auf das Timing. Wer redet zuerst? Das ist wie ein Spiel "Wer hat die Uhr zuerst gezogen?". Aber das Bitcoin-Netzwerk hat Regeln, die das Timing absichtlich verwirren (wie ein verrückter Taktgeber), damit dieser Detektiv oft danebenliegt.
- Das neue Ziel: Die Forscher wollen nicht nur auf die Uhr hören, sondern auf das Verhalten des Absenders.
2. Die neue Methode: NTSSL (Der "Spion mit einem Assistenten")
Die Forscher nutzen eine Technik namens semi-überwachtes Lernen. Das klingt kompliziert, ist aber wie folgt vorstellbar:
Stellen Sie sich vor, Sie sind ein Lehrer (das Computer-Modell), der lernen soll, wer im Klassenzimmer die Hausaufgaben selbst geschrieben hat und wer sie nur abgeschrieben hat.
- Das Problem: Sie haben keine Liste mit den Namen der Schüler, die die Aufgaben selbst gemacht haben (keine "gelabelten" Daten).
- Die Lösung (NTSSL):
- Der Detektiv (Unüberwachtes Lernen): Zuerst schickt der Lehrer einen cleveren Detektiv in den Raum. Dieser schaut sich alle Schüler an und markiert diejenigen, die sich anders verhalten als die Masse. "Hey, dieser Schüler hier redet viel lauter als die anderen!"
- Die Bestätigung (Pseudo-Labels): Der Lehrer vertraut dem Detektiv grob und sagt: "Okay, diese markierten Schüler sind wahrscheinlich die Originale." Er gibt ihnen vorübergehend einen Stempel "Selbstgemacht".
- Der Lehrer (Überwachtes Lernen): Jetzt nutzt der Lehrer diese Stempel, um einen echten Lernerfolg zu erzielen. Er trainiert ein Gehirn (ein KI-Modell), das lernt: "Aha! Wenn jemand viele Nachrichten an viele Leute schickt, ist er wahrscheinlich der Erfinder der Nachricht."
- Das Ergebnis: Das KI-Modell wird so gut, dass es auch bei neuen Nachrichten sofort erkennt: "Das kommt von diesem Schüler hier!"
Warum funktioniert das?
Wenn Sie eine Nachricht selbst schreiben (eine eigene Transaktion), schicken Sie sie an alle Ihre Freunde. Wenn Sie aber eine Nachricht nur weiterleiten (die von jemand anderem kam), schicken Sie sie nur an ein paar Freunde weiter. Das KI-Modell lernt diesen Unterschied im "Redeverhalten" (wie viele "Hallo"-Nachrichten gesendet wurden).
3. Die Super-Version: NTSSL+ (Die "Kollaboration")
NTSSL ist schon gut, aber NTSSL+ ist noch besser. Wie? Durch Zusammenarbeit zwischen zwei Ebenen.
Stellen Sie sich vor, NTSSL ist ein Spion, der im Netzwerk lauscht. Aber manchmal ist er sich nicht 100% sicher.
- Die Hilfe: NTSSL+ holt sich Hilfe von einem anderen Spion, der sich nur mit den Inhalten der Nachrichten beschäftigt (die Transaktions-Ebene). Dieser zweite Spion weiß: "Diese drei Nachrichten gehören zusammen, weil sie dieselben Geldquellen nutzen."
- Der Clou: Wenn der erste Spion (NTSSL) sagt: "Ich glaube, Nachricht A kam von Person X", aber der zweite Spion sagt: "Moment, Nachricht A gehört zu einer Gruppe, die fast alle von Person Y stammen", dann korrigiert NTSSL+ seine Meinung.
- Das Ergebnis: Durch diesen Abgleich werden Fehler korrigiert. Es ist wie zwei Detektive, die ihre Notizen vergleichen, um den wahren Täter zu finden.
4. Was bedeutet das für die Sicherheit?
Die Forscher haben gezeigt, dass diese Methode viel besser funktioniert als alles, was es vorher gab.
- Der Angriff: Ein Angreifer muss nicht das ganze Netzwerk kontrollieren. Er braucht nur einen kleinen Teil der Verbindungen (sogar nur 25%) zu einem Ziel-Computer, um dessen "echte" Transaktionen zu finden.
- Die Verschlüsselung: Selbst wenn Bitcoin Nachrichten verschlüsselt (was sie seit kurzem tun), hilft das hier nicht. Warum? Weil der Angreifer direkt mit dem Zielcomputer verbunden ist (wie ein Gast, der direkt am Tisch sitzt). Er sieht die Nachrichten, bevor sie verschlüsselt werden oder nachdem sie entschlüsselt wurden, da er die Verbindung selbst hält.
Zusammenfassung in einem Satz
Die Forscher haben eine KI entwickelt, die nicht nur auf das "Wann" einer Nachricht achtet, sondern auf das "Wie" (wie viele Freunde sie erreicht), und diese KI mit einem zweiten System abgleicht, um Bitcoin-Nutzer viel genauer zu enttarnen als bisher möglich.
Was können Nutzer tun?
Die Autoren schlagen vor, Tools wie Tor oder VPNs zu nutzen. Das ist wie das Tragen einer Kapuze und das Benutzen einer falschen Adresse. Selbst wenn der Spion sieht, dass eine Nachricht von "Adresse X" kommt, weiß er nicht, dass "Adresse X" eigentlich nur ein Umweg über einen VPN-Server ist, der die wahre Identität schützt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.