隨著跨境金融和互聯(lián)網(wǎng)金融的普及和發(fā)展,洗錢手段更加復雜,技術上更加先進。目前,越來越多的洗錢犯罪分子將目光從傳統(tǒng)的金融場景轉向比特幣,因為其具有非主權性、去中介化、匿名性和便捷性等便于洗錢的特點。由于比特幣的整個交易網(wǎng)絡數(shù)據(jù)是公開的,這不同于傳統(tǒng)金融場景數(shù)據(jù)的保密性,更需要探索一系列大數(shù)據(jù)反洗錢方案。本文基于Elliptic公司公開的比特幣交易數(shù)據(jù)集,探究反洗錢監(jiān)測模型。基于交易實體的多維特征,交易實體間的交易流,以及部分交易實體被標記為合法或非法的數(shù)據(jù)構建分類模型,對于未標記交易實體進行分類。僅基于交易實體的多維特征數(shù)據(jù)構建有監(jiān)督的分類模型,包括邏輯回歸模型,隨機森林模型和多層感知機模型。基于交易實體的多維特征和交易實體間的交易流數(shù)據(jù),構建半監(jiān)督分類模型——圖卷積神經(jīng)網(wǎng)絡。選擇譜圖卷積的一階近似作為圖卷積層結構,構建兩層圖卷積神經(jīng)網(wǎng)絡模型。在已有的圖卷積神經(jīng)網(wǎng)絡的輸出層嵌入交易實體特征矩陣,得到改進模型。本文將每種方法訓練所得模型應用于測試集數(shù)據(jù),利用非法類的F1分數(shù)（分類精確率和召回率的調(diào)和平均數(shù)）評估模型效果。結果顯示隨機森林模型效果最好,甚至優(yōu)于基于網(wǎng)絡結構數(shù)據(jù)建模的圖卷積神經(jīng)... 

【文章來源】：華中師范大學湖北省211工程院校教育部直屬院校

【文章頁數(shù)】：48 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究現(xiàn)狀
        1.2.1 反洗錢研究
        1.2.2 比特幣反洗錢研究
    1.3 本文主要研究內(nèi)容
    1.4 本文創(chuàng)新點
    1.5 文章結構安排
第二章 相關理論基礎
    2.1 機器學習相關理論
        2.1.1 機器學習中的任務類型
        2.1.2 機器學習中的調(diào)參方法
        2.1.3 分類模型中樣本不平衡問題的處理
        2.1.4 分類模型中的損失函數(shù)
    2.2 模型相關理論
        2.2.1 邏輯回歸模型
        2.2.2 多層感知機模型
        2.2.3 隨機森林模型
        2.2.4 圖卷積神經(jīng)網(wǎng)絡模型
第三章 數(shù)據(jù)來源與探索性數(shù)據(jù)分析
    3.1 數(shù)據(jù)來源
    3.2 探索性數(shù)據(jù)分析
第四章 比特幣反洗錢有監(jiān)督分類模型實證
    4.1 數(shù)據(jù)準備
    4.2 邏輯回歸模型實證
    4.3 多層感知機模型實證
    4.4 隨機森林模型實證
第五章 比特幣反洗錢半監(jiān)督分類模型實證
    5.1 數(shù)據(jù)準備
    5.2 圖卷積神經(jīng)網(wǎng)絡模型實證
    5.3 改進的圖卷積神經(jīng)網(wǎng)絡模型實證
第六章 結論與展望
    6.1 結論
    6.2 展望
參考文獻
致謝



本文編號：3641761