В работе дан обзор эвристических методов кластеризации адресного пространства публичных распределенных реестров. Упомянутые техники опираются на достаточно простые наблюдения за поведением типичных пользователей и здравый смысл. Формально эвристики представляют собой вырожденные решающие правила, которые не предполагают подбора параметров в ходе обучения по заранее отобранным данным. Можно также считать, что эвристикам соответствуют устойчивые мотивы в графовых представлениях истории транзакций. Несмотря на кажущуюся простоту и отсутствие возможности проверить правильность результатов их работы, эти подходы демонстрируют достаточно хорошую эффективность и зачастую их применение предваряет использование гораздо более сложного инструментария на основе современного машинного обучения и искусственного интеллекта. Приведены эвристики для Bitcoin, Ethereum, Ripple, Monero и Zcash. Кратко рассмотрен пример эвристической кластеризации по данным о cross-chain-транзакциях. Отмечены случаи, когда эвристики дают некорректные результаты. Насколько можно судить, обзор такого рода публикуется на русском языке впервые.
Идентификаторы и классификаторы
Настоящий текст представляет собой обзор публикаций по тематике трассировки транзакций и идентификации принадлежности адресов в распределенных реестрах, таких как Bitcoin или Ethereum. Поскольку во всем мире сейчас предъявляются все более высокие требования к регуляции этих систем, связанные с соблюдением национальных законов о борьбе с отмыванием денег, развитие соответствующих алгоритмических методов становится необходимым условием выживания крупных институциональных игроков на этом рынке.
Bitcoin является, пожалуй, самым известным примером распределенной транзакционной сети. Экосистема Bitcoin была полностью описана в 2008 г. [Nakamoto, 2008] и представляла собой попытку создать жизнеспособную платежную инфраструктуру, в которой доверие основано не на участии авторизованных посредников (брокеров, банков, клиринговых агентств), а только на алгоритмических принципах. Широкий интерес к ней пришел лишь в первой половине 2011 г. после публикации в журнале Forbes и достижения рыночной стоимости в 1 доллар США, а начиная с 2013 г. Bitcoin и подобные ему системы стали одной из центральных тем в дискуссии о будущем мировой финансовой индустрии.
Список литературы
1. Akcora C. G., Gel Y. R., Kantarcioglu M. Blockchain networks: Data structures of Bitcoin, Monero, Zcash, Ethereum, Ripple, and IOTA // Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. - 2022. - Т. 12. - №. 1. - С. e1436. EDN: YQQECA
2. Amarasinghe N., Boyen X., McKague M. A survey of anonymity of cryptocurrencies // Proceedings of the Australasian Computer Science Week Multiconference. - 2019. - С. 1-10.
3. Androulaki E. et al. Evaluating user privacy in Bitcoin // Financial Cryptography and Data Security: 17th International Conference, FC 2013, Okinawa, Japan, Revised Selected Papers 17. - Springer Berlin Heidelberg, 2013. - С. 34-51.
4. Ermilov D., Panov M., Yanovich Y. Automatic Bitcoin address clustering // 16th IEEE International Conference on Machine Learning and Applications (ICMLA). - 2017. - С. 461-466. EDN: VCDAMP
5. Foley S., Karlsen J. R., Putniņš T. J. Sex, drugs, and bitcoin: How much illegal activity is financed through cryptocurrencies? // The Review of Financial Studies. - 2019. - Т. 32. - №. 5. - С. 1798-1853.
6. Fraser-Mackenzie P., Sung M., Johnson J. E. V. The prospect of a perfect ending: Loss aversion and the round-number bias // Organizational Behavior and Human Decision Processes. - 2015. - Т. 131. - С. 67-80.
7. Harrigan M., Fretter C. The unreasonable effectiveness of address clustering // 2016 Intl IEEE conferences on ubiquitous intelligence & computing, advanced and trusted computing, scalable computing and communications, cloud and big data computing, internet of people, and smart world congress. - 2016. - С. 368-373.
8. Juhász P. L. et al. A Bayesian approach to identify Bitcoin users // PloS one. - 2018. - Т. 13. - №. 12. - С. e0207000.
9. Kappos G. et al. An empirical analysis of anonymity in Zcash // 27th USENIX Security Symposium (USENIX Security 18). - 2018. - С. 463-477.
10. Kumar A. et al. A traceability analysis of Monero’s blockchain // Computer Security-ESORICS 2017: 22nd European Symposium on Research in Computer Security, Oslo, Norway, September 11-15, 2017, Proceedings, Part II 22. - Springer International Publishing, 2017. - С. 153-173.
11. Lamport L., Shostak R., Pease M. The Byzantine generals problem // Concurrency: the works of Leslie Lamport. - 2019. - С. 203-226.
12. Liao K. et al. Behind closed doors: measurement and analysis of CryptoLocker ransoms in Bitcoin // 2016 APWG symposium on electronic crime research (eCrime). - 2016. - С. 1-13.
13. Meiklejohn S. et al. A fistful of bitcoins: characterizing payments among men with no names // Proceedings of the 2013 conference on Internet measurement conference. - 2013. - С. 127-140.
14. Moreno-Sanchez P., Zafar M. B., Kate A. Listening to whispers of ripple: Linking wallets and deanonymizing transactions in the Ripple network // Proc. Priv. Enhancing Technol. - 2016. - Т. 2016. - №. 4. - С. 436-453.
15. Möser M., Böhme R., Breuker D. An inquiry into money laundering tools in the Bitcoin ecosystem // 2013 APWG eCrime researchers summit. - 2013. - С. 1-14.
16. Nakamoto S. Bitcoin whitepaper. URL: https://bitcoin.org/bitcoin.pdf [свободный доступ] (February 2024).
17. Narayanan A. et al. Bitcoin and cryptocurrency technologies: a comprehensive introduction. - Princeton University Press, 2016.
18. Natarajan H., Krause S., Gradstein H. Distributed ledger technology and blockchain. FinTech Note No. 1. - Washington, DC: World Bank, 2017.
19. Neudecker T., Hartenstein H. Could network information facilitate address clustering in Bitcoin? // Financial Cryptography and Data Security: FC 2017, Sliema, Malta, 2017, Revised Selected Papers 21. - Springer International Publishing, 2017. - С. 155-169.
20. Nguyen G. T., Kim K. A survey about consensus algorithms used in blockchain //Journal of Information processing systems. - 2018. - Т. 14. - №. 1. EDN: YHOZUL
21. Nick J. D. Data-driven de-anonymization in Bitcoin: PhD thesis - ETH-Zürich, 2015.
22. Reid F., Harrigan M. An analysis of anonymity in the Bitcoin system. - Springer New York, 2013. - С. 197-223.
23. Sun X. et al. A survey on zero-knowledge proof in blockchain // IEEE network. - 2021. - Т. 35. - №. 4. - С. 198-205. EDN: XTDDKQ
24. Tschorsch F., Scheuermann B. Bitcoin and beyond: A technical survey on decentralized digital currencies // IEEE Communications Surveys & Tutorials. - 2016. - Т. 18. - №. 3. - С. 2084-2123.
25. Victor F. Address clustering heuristics for Ethereum // Financial Cryptography and Data Security: 24th International Conference, FC 2020, Kota Kinabalu, Malaysia, Revised Selected Papers 24. - Springer International Publishing, 2020. - С. 617-633.
26. Wu J. et al. Analysis of cryptocurrency transactions from a network perspective: an overview // Journal of Network and Computer Applications. - 2021. - Т. 190. - С. 103139. EDN: SDQDLI
27. Yousaf H., Kappos G., Meiklejohn S. Tracing transactions across cryptocurrency ledgers // 28th USENIX Security Symposium (USENIX Security 19). - 2019. - С. 837-850.
28. Zheng Z. et al. An overview on smart contracts: Challenges, advances and platforms // Future Generation Computer Systems. - 2020. - Т. 105. - С. 475-491. EDN: LWJAYY
Выпуск
Другие статьи выпуска
Актуальные научные дискуссии связаны с оценкой перспектив развития рынка труда, определением профессий, которые окажутся востребованными в будущем и определят возможности развития человеческого капитала. Целью работы является оценка структуры профессиональной занятости и профессиональных групп в регионах Российской Федерации на основе концепции экономической сложности. Получены оценки сложности структур занятости и профессиональных групп по данным за 2018, 2020 и 2022 годы. Оценку сложности структуры профессиональной занятости региона можно рассматривать как относительную характеристику уровня развития его человеческого капитала. Оценку сложности профессиональной группы - как относительную оценку человеческого капитала ее типичного представителя. Ранги оценок сложности профессиональных групп, в основном, соответствуют существующим представлениям о среднем уровне развития человеческого капитала представителей этих групп занятого населения. Для пяти профессиональных групп ранги оценок сложности не меняются во времени, в том числе для докторов наук, кандидатов наук и специалистов высшего уровня квалификации. Для четырех профессиональных групп ранги меняются незначительно - не более чем на единицу. Существенно ранги оценок сложности изменяются для двух профессиональных групп: «руководители» (позиция профессиональной группы улучшается) и «работники сферы обслуживания и торговли, охраны граждан и собственности» (позиция ухудшается). Ранговая оценка профессиональной группы «неквалифицированные рабочие» выше, чем ранговые оценки трех групп квалифицированных работников.
Статья посвящена проблеме обеспечения справедливого ценообразования, обусловленного применением технологий смарт-контрактов. Благодаря современным техническим средствам в рамках систем интернета вещей, электронных платежей и надежного хранения и анализа больших данных может производиться довольно точная оценка потребления, основанная на измерении времени различных действий потребителей. Методом исследования в работе является анализ процесса принятия решения о цене, а также влияния на него современных цифровых технологий. Результатом исследования стало выявление последствий точной ценности в ценообразовании и процессе заключения рыночных соглашений, среди которых: 1) распространение тарифной модели оплаты на область дискретных продаж товаров, услуг; 2) учет действий потребителей в качестве условий ценообразования и предмета соглашений; 3) включение передачи сведений потребителями о себе в предмет обмена; 4) снижение трансакционных издержек в связи с автоматизацией принудительного исполнения условий контракта. В Заключении представлены выводы о возможностях сравнения ценности товаров по времени их потребления в планетарном масштабе и развития бережливых технологий использования ограниченных ресурсов для максимального благополучия людей в мире.
Цифровое метапространство - это формирующееся единое цифровое пространство экономического взаимодействия. Вызовы и технологические подходы к их преодолению на основе нового глобального интернет-сервиса - торгово-промышленно-финансового интернета и экономики связей в полицентричном мире являются предметом настоящей статьи.
В данной статье описываются подходы и методы анализа морфологической изменчивости русского языка. Было разработано и опубликовано решение, способное производить лемматизацию русского текста, используя бессловарный подход.
Статья посвящена исследованию платформ инвестиционного робо-эдвайзинга и автоследования на российском рынке. Автором анализируются тарифы и функционал разных платформ. На основании проведенного анализа автором предлагаются новые концепции и схема работы для реализации робо-эдвайзинга и автоследования. Реализация авторских предложений должна позволить снизить стоимость оказания инвестиционных услуг и также расширить их функционал в сторону автоматического составления торговых стратегий на основании условий пользователя. В рамках предложенной схемы отдельно рассмотрен данного рода функционал на базе авторских моделей комитетных конструкций.
Проблема сжатия разнообразия оценок и действий агентов современными версиями искусственного интеллекта осознана как потенциально очень опасная практическими управленцами. В предыдущих исследованиях, используя квазифишеровское представление нашей вероятностной модели гибридных экономических систем, авторы показали, что эти опасения обоснованы по меньшей мере для симметричных по отклонениям агентов типа производителей товаров «хуже рынка», «лучше рынка» по себестоимости., поскольку они соответствуют фишеровской теории эволюции. Однако примеры, в частности, из сельского хозяйства, показывают, что ассиметричные ситуации не являются экзотикой и нуждаются в специальном моделировании, результаты которого и представлены в настоящей работе. Первые результаты моделирования показывают, что для этой заведомо ассиметричной ситуации целесообразно управление сжатием разнообразия с целью достижения оптимальных значений, синхронизированных с вариативностью среды. В рамках общей концепции исследования проблемы - сжатия разнообразия ИИ - это означает целесообразность дифференцированного по отраслям отношения.
В настоящее время актуальной задачей во всех сферах жизнедеятельности общества является создание отраслевых цифровых платформ на основе различных экономических методов обработки больших массивов информации. От ее решения во многом зависит успех реализации целевой программы «Цифровая экономика РФ» в целом, а значит, и переход отраслей российской экономики к цифровизации. Сфера здравоохранения сегодня находится в числе лидеров не только по созданию, но и практическому применению цифровых платформ для комплексного лечения широкого спектра заболеваний на основе инновационных подходов. В ходе проведенных исследований определены перспективные направления развития мирового рынка цифровизации сферы здравоохранения в сфере медицинской диагностики и фармакогенетики, а также деятельности его основных участников в области онкологии. Показаны инновационные преимущества биоинформационной web-платформы компании ООО «Онко Генотест», обеспечивающие конкурентоспособность ее деятельности. Полученные результаты нашли свое практическое применение в развитии деятельности компании ООО «Онко Генотест» по подбору методов персонализированной терапии в области онкологических заболеваний.
Ценность данных связана с программами для их обработки. Это интуитивно понятное соображение может получить формальное основание в виде алгоритмического подхода к определению информации. Предложенный Колмогоровым этот подход оперирует информацией в терминах программы и способа программирования, которые преобразуют объекты. Такой формализм подсказывает естественный способ повышения ценности данных через построение платформы, призванной соединить массивы данных с программами для их обработки. Описанная в статье концептуальная схема такой платформы предусматривает программные сервисы навигации в массивах данных, сервисы ценообразования и поддержки процедуры согласования цен.
На примере серийного дела «Рикор Электроникс» рассматривается метод расчета ставок роялти за использование объектов интеллектуальной собственности для судебных экспертиз и сделок на основе Big Data и нечеткой логики. Метод «LABRATE ROYALTY PRO» базируется на трех ключевых показателях: доля лицензиара в прибыли лицензиата (Licensor’s Share), рентабельность продаж (Return on Sales, операционная маржа) и рентабельность по EBIT (EBIT Margin, операционная доходность). Применение традиционных методов, основанных на рентабельности производства или затрат, часто приводит к расхождениям с показателями выручки от продаж, что требует адаптации подходов к российским реалиям и международной практике. В статье детально описан алгоритм расчета, основанный на анализе финансовых показателей компаний и отраслевой статистике, а также на использовании технологий Big Data и Fuzzy Logic. Примеры из судебной практики подтверждают эффективность предложенного подхода, обеспечивая объективные и справедливые решения по определению ставок роялти, стоимости права использования товарных знаков и расчета компенсаций. Особое внимание уделено необходимости точного и однозначного описания объектов исследования и исходных данных.
Идет ли речь о цифровой экономике, экономике данных или о больших данных, всегда подразумевается представление информации (будь то сигналы, команды или данные) в цифровом формате или, точнее, в двоичном коде. Понимание этого - ключ к пониманию многих событий и фактов. В частности, это касается быстрого развития сетевых сервисов на основе цифровых технологий и многих других реалий современной экономики. В статье это показано на конкретных примерах из прошлого ведущих фирм.
Издательство
- Издательство
- ЦЭМИ РАН
- Регион
- Россия, Москва
- Почтовый адрес
- 117418, Москва, Нахимовский пр, 47
- Юр. адрес
- 117418, Москва, Нахимовский пр, 47
- ФИО
- Альберт Рауфович БАХТИЗИН (Директор)
- E-mail адрес
- albert.bakhtizin@gmail.com
- Контактный телефон
- +7 (499) 1290822