Застосування методів машинного навчання для виявлення аномальних транзакцій у мережі біткоїнів

Abstract

Об’єкт дослідження: процес виявлення аномальних транзакцій у мережі Bitcoin із застосуванням методів машинного навчання. Предмет дослідження: алгоритм XGBoost із байєсівською оптимізацією гіперпараметрів, підготовка даних у форматі DMatrix та експорт моделі в ONNX для крос-платформеного використання. Мета дослідження: розробити та оцінити ефективність методів машинного навчання для автоматичного виявлення аномальних транзакцій у мережі біткоїн з метою підвищення безпеки та прозорості криптовалютних операцій. Для досягнення цього було зібрано й оброблено набір Elliptic, реалізовано модуль навчання з моніторингом AUC-ROC, виконано оцінювання показників accuracy, precision, recall, F1 та проведено серію практичних тестів.