English(EN) Refining Heuristic-Based Bitcoin Address Clustering with Graph Neural Networks

图神经网络改进比特币地址聚类

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-03 04:00

研究人员开发了一种使用图神经网络（GNNs）改进比特币地址聚类的新方法。该方法旨在提高识别属于同一用户的地址的准确性，解决了现有基于启发式方法可能导致错误的局限性。这项工作包括发布一个新的比特币交易图数据集、一种用于学习与启发式方法对齐的地址嵌入的方法，以及一种用于更精细分析和检测可疑合并的层次聚类技术。 AI

影响通过提高在假名网络上识别用户级别活动的准确性，增强了区块链分析能力。

排序理由该集群包含一篇学术论文，详细介绍了使用图神经网络改进比特币地址聚类的新方法和数据集。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了使用图神经网络改进比特币地址聚类的新方法和数据集。[lever_c_demoted from research: ic=1 ai=0.7]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Hugo Schnoering, Roman Bresson, Michalis Vazirgiannis · 2026-09-03 04:00

使用图神经网络精炼基于启发式的比特币地址聚类

arXiv:2609.01942v1 Announce Type: new Abstract: Bitcoin's pseudonymous nature makes it challenging to analyze user-level activity, since a single user may control multiple identifiers (addresses). Existing heuristic-based methods attempt to identify addresses belonging to the sam…

本文如何被排名

报道来源 [1]

使用图神经网络精炼基于启发式的比特币地址聚类

相关实体

相关话题