利用图神经网络优化基于启发式的比特币地址聚类

# 利用图神经网络改进基于启发式的比特币地址聚类  
来源：https://arxiv.org/html/2609.01942  
Roman Bresson  
隶属机构：穆罕默德·本·扎耶德人工智能大学，阿联酋阿布扎比  
\*通讯作者：hugo\.schnoering@ip\-paris\.fr  

Michalis Vazirgiannis  
隶属机构：法国巴黎综合理工学院，巴黎理工学院  
隶属机构：穆罕默德·本·扎耶德人工智能大学，阿联酋阿布扎比  
\*通讯作者：hugo\.schnoering@ip\-paris\.fr  

###### 摘要  
比特币的假名性质使得分析用户级别的活动具有挑战性，因为单个用户可能控制多个标识符（地址）。现有的基于启发式的方法试图识别属于同一用户的地址，但它们通常产生模块性有限的扁平聚类分配，并且容易出现将不同用户合并等错误。在本研究中，我们提出了一种利用图神经网络产生的对比嵌入作为基础来改进启发式聚类的方法。我们的贡献有三点：(i) 我们发布了一个公开可用的比特币交易图数据集，包含大量聚类；(ii) 我们提出了一种学习与启发式方法一致的地址嵌入的方法，并辅以理论指导直觉；(iii) 通过层次聚类，我们能够对启发式聚类进行更精细的分析，并提供了一个用于标记可疑合并的定量标准。  

## 1 引言  
比特币（Nakamoto, 2009 (https://arxiv.org/html/2609.01942#bib.bib6)）是第一个也是应用最广泛的加密货币，被设计为一个去中心化的支付系统，不依赖中央权威。其运作由一个对等网络支持，该网络共同维护一个共享的、不可变的交易记录（Antonopoulos, 2017a (https://arxiv.org/html/2609.01942#bib.bib28)）。这个记录被称为区块链，在为其用户提供一定程度的假名性的同时，提供了透明度和可审计性；它按时间顺序组织成一系列区块，每个区块包含了在特定时间间隔内发生的交易。  

##### 比特币地址聚类。  
比特币交易本质上是假名的，用户由称为地址的随机假名标识（Antonopoulos, 2017b (https://arxiv.org/html/2609.01942#bib.bib27)）。单个用户可以重复使用一个地址或随时生成新地址；因此，一个用户控制许多不同的地址是很常见的。由于地址是随机生成的，没有直接的方法将多个地址关联到同一个用户。虽然在地址级别分析交易可以提供信息，但用户级别的分析能提供更深入的见解。地址聚类任务是将属于同一用户的地址分组在一起（无需识别该用户）。  

##### 从交易构建图。  
基于图的表示特别适合于可视化和分析区块链数据。通常使用两种主要类型的图：一种是节点代表交易、边代表转移的比特币金额的图（Weber et al., 2019 (https://arxiv.org/html/2609.01942#bib.bib24)），另一种是节点代表用户、边代表交易的图（Bellei et al., 2024 (https://arxiv.org/html/2609.01942#bib.bib25); Schnoering and Vazirgiannis, 2025 (https://arxiv.org/html/2609.01942#bib.bib15)）。在本文中，我们专注于后者，因为它提供了更直观的表示。从一组交易T\\mathcal\{T\}构建用户级别的图通常涉及以下步骤（Schnoering and Vazirgiannis, 2025 (https://arxiv.org/html/2609.01942#bib.bib15); Bellei et al., 2024 (https://arxiv.org/html/2609.01942#bib.bib25); Meiklejohn et al., 2013 (https://arxiv.org/html/2609.01942#bib.bib19); Harrigan and Fretter, 2016 (https://arxiv.org/html/2609.01942#bib.bib26)）：  
1. 1\. 提取交易T\\mathcal\{T\}中涉及的地址；  
2. 2\. 使用启发式H\\mathcal\{H\}（或其组合）应用于T\\mathcal\{T\}（可能辅以外部信息）将地址聚类为用户；  
3. 3\. 在用户之间创建带有相关特征的有向边，这些边源自T\\mathcal\{T\}；  
4. 4\. 通过聚合边上的信息生成节点特征；  
5. 5\. 将外部信息（链下）融入节点和边特征中。  

##### 层次聚类。  
层次聚类在具有相异性函数d d的集合V V上构建一个嵌套聚类的层次结构（Heller and Ghahramani, 2005 (https://arxiv.org/html/2609.01942#bib.bib2)）。在凝聚变体中，每个节点最初形成自己的聚类。在每一步中，两个聚类A,B⊂V A,B\\subset V根据基于d d的链接规则合并。在最后一步之后，所有节点合并成一个聚类。这个层次结构自然地由一个根二叉树或*树状图*表示，其中叶子对应单个节点，内部节点代表连续的合并，节点高度表示合并距离。树状图的一个示例如图1 (https://arxiv.org/html/2609.01942#S3.F1.fig1)所示。  

##### 图神经网络（GNNs）。  
GNNs通过沿着边传播和变换节点特征，将神经网络架构扩展到图结构数据。在每一层，节点通过聚合来自其邻居的信息来更新其表示，使模型能够同时捕获局部连接性和节点属性。通过堆叠多层，GNNs学习能够编码多跳结构上下文的嵌入，并可用于节点分类、链接预测和图级别推理等任务（Kipf, 2016 (https://arxiv.org/html/2609.01942#bib.bib43); Hamilton et al., 2017 (https://arxiv.org/html/2609.01942#bib.bib14); Veličković et al., 2017 (https://arxiv.org/html/2609.01942#bib.bib18)）。  

##### 贡献。  
本文的主要贡献有三点：  
1. 1\. 我们公开发布了一个包含大量聚类的大规模比特币交易图数据集，支持大规模聚类算法的训练和评估（Schnoering and Vazirgiannis, 2026 (https://arxiv.org/html/2609.01942#bib.bib1)）。  
2. 2\. 我们提出了一种学习与传统区块链启发式方法一致的地址嵌入的方法，该方法有理论指导直觉和经验分析的支持。  
3. 3\. 我们展示了如何利用这些学习到的表示通过标记潜在的聚类合并、提出候选分割以及提供提高可理解性和可视化的层次聚类来改进基于启发式的聚类。  

## 2 相关工作  
##### 基于启发式的聚类。  
为了实现地址聚类，已经提出了多种人工设计的、基于规则的启发式方法（Schnoering et al., 2024 (https://arxiv.org/html/2609.01942#bib.bib16)），通常基于行为模式和人类偏见。最突出的是*共同输入启发式*，它假设为同一交易提供输入的所有地址由单个实体控制。聚类启发式在比特币分析中起着至关重要的作用，它们从假名交易数据中近似用户级别的结构。它们使研究人员和调查人员能够降低复杂性，揭示地址所有权的模式，并理解大规模交易图。除了方法论上的价值之外，这类启发式方法已成为多个领域不可或缺的工具：在取证领域（Meiklejohn et al., 2013 (https://arxiv.org/html/2609.01942#bib.bib19); Foley et al., 2019 (https://arxiv.org/html/2609.01942#bib.bib20)）；在合规和反洗钱工作中（Möser et al., 2013 (https://arxiv.org/html/2609.01942#bib.bib21); Yang et al., 2023 (https://arxiv.org/html/2609.01942#bib.bib22)）；以及在隐私研究中（Androulaki et al., 2013 (https://arxiv.org/html/2609.01942#bib.bib23)）。  

##### 其他地址聚类方法。  
除了启发式聚类之外，其他方法也被用于比特币交易网络上的类似任务。基于机器学习的方法往往更关注地址分类这一正交任务（Toyoda et al., 2018 (https://arxiv.org/html/2609.01942#bib.bib53); Lin et al., 2019 (https://arxiv.org/html/2609.01942#bib.bib54); Garin and Gisin, 2023 (https://arxiv.org/html/2609.01942#bib.bib51); Sie et al., 2025 (https://arxiv.org/html/2609.01942#bib.bib57); Jia et al., 2018 (https://arxiv.org/html/2609.01942#bib.bib30); Lee et al., 2020 (https://arxiv.org/html/2609.01942#bib.bib44)），即识别地址的用途（例如，诈骗、市场）。其中一些方法（Kang et al., 2020 (https://arxiv.org/html/2609.01942#bib.bib55)）将启发式聚类作为训练分类器之前的第一步。最近，有几种方法利用GNNs获取交易图的有力表示，用于下游任务（Zhao et al., 2025 (https://arxiv.org/html/2609.01942#bib.bib56); Zhang et al., 2025 (https://arxiv.org/html/2609.01942#bib.bib58); Huang et al., 2022b (https://arxiv.org/html/2609.01942#bib.bib31)）。  

##### 用GNNs增强聚类启发式。  
尽管有用，但启发式方法有明显的局限性。它们仅产生*扁平的*聚类分配——单层级分组，地址要么被关联，要么没有——这使得大型聚类难以解释。一些启发式方法还基于单个交易合并地址，这可能会错误地合并不相关的用户并导致聚类合并（Androulaki et al., 2013 (https://arxiv.org/html/2609.01942#bib.bib23); Harrigan and Fretter, 2016 (https://arxiv.org/html/2609.01942#bib.bib26)）。只有少数研究尝试改进或纠正传统启发式方法。Möser 和 Narayanan (2022) (https://arxiv.org/html/2609.01942#bib.bib29)使用随机森林来估计基于启发式的合并是否有效的可能性，并阻止低置信度的合并，从而缓解聚类合并。类似地，Ermilov 等人 (2017) (https://arxiv.org/html/2609.01942#bib.bib52)使用链下信息作为分离聚类的投票。我们的方法在关键方面有所不同。我们不是为单个合并分配置信分数，而是学习能够捕获全局交易结构同时保持与启发式聚类一致的地址嵌入。对这些嵌入进行凝聚层次聚类会产生一个树状图，该树状图揭示了嵌套的子结构，并为检测可疑合并提供了有原则的标准，从而产生了一个改进的扁平聚类和地址图的多分辨率视图。  

## 3 方法论  
### 3.1 方法论概述  
我们提出了一种学习与标准启发式方法一致的地址嵌入的方法，将来自同一簇的节点映射得彼此接近，并将来自不同簇的节点推开。然后使用这些嵌入构建树状图，其层次结构揭示了启发式划分中的差异——最显著的是聚类合并的情况——并提出候选的改进方案。在本文中，令G=\(V,E\)G=\(V,E\)表示图，其中V V是节点（比特币地址）的集合，E E是边（价值转移）的集合。我们用C=\{C1,...,Ck\}\\mathcal\{C\}=\\\{C\_\{1\},\\dots,C\_\{k\}\\\}表示V V的一个划分（例如，通过启发式获得），其中k k是聚类的数量。  

##### 两阶段方法论的理由。  
我们的方法与大量先前工作一致，并提供了一个关键的实际优势：它自然地适应具有持续到达地址和交易的动态图，密切反映了现实世界的区块链条件。相比之下，大多数端到端的GNN池化方法（Ying et al., 2018 (https://arxiv.org/html/2609.01942#bib.bib38); Bianchi et al., 2020 (https://arxiv.org/html/2609.01942#bib.bib39)）构建了一个固定的合并节点层次结构，其深度和聚类大小由网络架构预先确定。此类约束阻碍了对持续增长的交易图的适应，并降低了所得合并的可解释性。其他池化方法（Lee et al., 2019 (https://arxiv.org/html/2609.01942#bib.bib42)）仅仅评分并保留重要节点，而不产生真正的层次聚类，提供的是显著性而非可解释的连续合并树状图。  

### 3.2 数据获取与图构建  
我们使用 Schnoering 和 Vazirgiannis (2025) (https://arxiv.org/html/2609.01942#bib.bib15)的流程构建我们的图111https://github.com/hugoschnoering2/BTCGraphConstruction。该过程遵循引言中概述的步骤——解析区块链、提取交易并形成实体到实体的链接——但与原始工作不同，我们不预先把地址聚类为用户实体。结果网络是一个有向图，其节点是地址。作为监督学习启发式训练标签的用户聚类是使用与 Schnoering 等人 (2024) (https://arxiv.org/html/2609.01942#bib.bib16)相同的地址聚类启发式方法获得的，该方法也在上述GitHub仓库中实现。从整个历史构建图将产生数十亿的节点和边，使大多数算法变得难以处理。因此，我们从连续的区块区间中采样一个交易子集来构建图；采样策略在附录A.1.1 (https://arxiv.org/html/2609.01942#A1.SS1.SSS1)中描述。有关完整的实施细节，请读者参阅原始论文和随附的代码。用于图构建和聚类的原始区块链数据是通过运行比特币核心222https://bitcoin.org/en/bitcoin-core获得的。  

### 3.3 使用GNN和对比损失学习节点嵌入  
我们训练一个GNN g g来生成与聚类C\\mathcal\{C\}一致的节点嵌入：同一聚类（用户）内的节点应具有相似的嵌入，而来自不同聚类的节点的嵌入应不相似。为了强制这一点，我们采用了对比InfoNCE损失（Oord et al., 2018 (https://arxiv.org/html/2609.01942#bib.bib32); Chen et al., 2020 (https://arxiv.org/html/2609.01942#bib.bib33)）  
L=EPα\[−log⁡exp⁡\(g⁡\(X\)⋅g⁡\(X\+\)/τ\)exp⁡\(g⁡\(X\)⋅g⁡\(X\+\)/τ\)\+∑i=1pexp⁡\(g⁡\(X\)⋅g⁡\(Xi−\)/τ\)\],\\mathcal\{L\}=\\mathbb\{E\}\_\{\\mathbb\{P\}\_\{\\alpha\}\}\\\!\\left\[\-\\log\\frac\{\\exp\\bigl\(g\(X\)\\\!\\cdot\\\!g\(X^\{\+\}\)/\\tau\\bigr\)\}\{\\exp\\bigl\(g\(X\)\\\!\\cdot\\\!g\(X^\{\+\}\)/\\tau\\bigr\)\+\\sum\_\{i=1\}^\{p\}\\\!\\exp\\bigl\(g\(X\)\\\!\\cdot\\\!g\(X^\{\-\}\_\{i\}\)/\\tau\\bigr\)\}\\right\], (1)  
其中Pα\\mathbb\{P\}\_\{\\alpha\}是锚点、正样本和负样本节点元组上的采样分布，τ\\ta u是一个温度超参数，p p是负样本的数量。对于每个锚点X∈VX\\in V，正样本X\+X^\{\+\}从同一聚类中抽取，而负样本\\{Xi−\\}i=1p\\\{X^\{\-\}\_\{i\}\\\}\_\{i=1\}^\{p\\}来自不同的聚类。聚类从由α\\alpha控制的均匀采样和按比例大小采样的混合中抽取，然后在每个选定的聚类内均匀抽取节点。我们使用对比目标与先前的工作（HaoChen et al., 2021 (https://arxiv.org/html/2609.01942#bib.bib50); Tan et al., 2024 (https://arxiv.org/html/2609.01942#bib.bib49)）在理论上一致，这些工作证明对比损失能够恢复底层数据图的类特征向量表示，在温和的连通性假设下产生可分离聚类的嵌入。该采样方案的完整细节见附录B.1 (https://arxiv.org/html/2609.01942#A2.SS1)。虽然公式