Модель выявления аномальных транзакций биткоинов на основе машинного обучения

Данная статья посвящена разработке надёжной модели выявления аномальных транзакций биткоинов, которые могут участвовать в схемах «отмывания» денег и нелегального оборота товаров и услуг. Предложена модель выявления аномальных транзакций биткоинов на основе машинного обучения. Для обучения и оценки модели используется набор данных Elliptic, состоящий из 46 564 транзакций биткоинов: 4 545 имеют класс «незаконные», 42 019 имеют класс «законные». В предлагаемой модели использованы различные алгоритмы машинного обучения с подбором гиперпараметров. Для оценки предложенной модели использовалась метрика «доля верных ответов», точность, полнота, F1-метрика и индекс сбалансированной точности. С помощью алгоритма ресемплинга в условиях несбалансированности классов удалось повысить надёжность классификации аномальных транзакций биткоинов по сравнению с лучшим известным результатом на наборе данных Elliptic.