http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
클러스터링 기반 비트코인 랜섬웨어 주소의 Ground-Truth 생성 방법
김보선(Boseon Kim),백의준(Ui-Jun Baek),지세현(Se-Hyun Ji),강민규(Mingyu Gang),신희종(Huijong Sin),김명섭(Myung-Sup Kim) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
추적이 불가능한 거래인 비트코인이 등장하며, 익명성과 낮은 거래비용과 같은 비트코인의 특징을 악용하는 사례가 증가 하고 있다. 대표적으로 랜섬웨어는 다양한 양상으로 진화하고 있다. 본 논문은 비트코인 트랜잭션을 수집하여 K-means 클러스터링을 통해 정상적인 주소와 알려진 랜섬웨어 주소를 구분하고자 한다. 이를 통해 랜섬웨어 주소가 포함되지 않은 클러스터와 랜섬웨어 주소 포함 비율이 높은 클러스터를 알 수 있었다.
합성 곱 신경망 기반 비트코인 블록 단위 트랜잭션 수 증감 예측
지세현(Se-Hyun Ji),백의준(Ui-Jun Baek),김보선(Boseon Kim),강민규(Mingyu Gang),김명섭(Myung-Sup Kim) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
2009년 비트코인이 발행된 이후 비트코인은 모두의 관심을 끌고 있다. 비트코인이 활발하게 채굴되고 거래에 쓰이면서 비트코인 네트워크는 발전하고 있다. 하지만 비트코인 네트워크가 발전함에 따라 부작용도 발생하고 있다. 비트코인 트랜잭션 수를 예측하는 것은 비트코인 네트워크가 안전하게 유지하고, 성장하는 데 있어 필수적이다. 본 논문은 기계학습 알고리즘 중 하나인 합성 곱 신경망을 이용한 비트코인 블록 단위 트랜잭션 수의 증감을 예측하는 방법을 제안한다. 합성 곱 신경망 알고리즘을 사용하면 비트코인 데이터 특징 중 하나인 시계열 특징을 고려하지 않지만, 비트코인 블록 및 트랜잭션 데이터의 특징을 합성 곱 신경망의 관점에서 분류를 통한 예측 가능성을 검토하고, 예측정확도라는 객관적인 지표를 보여준다. 제안하는 방법은 데이터 분석, 데이터 전처리, 합성 곱 신경망 모델 구성, 학습 및 검증 실험을 통해 적합성을 검증한다.