Ταξινόμηση διευθύνσεων Bitcoin χρησιμοποιώντας μη εποπτευόμενη μηχανική εκμάθηση
| dc.contributor.advisor | Πατσάκης, Κωνσταντίνος | |
| dc.contributor.advisor | Patsakis, Constantinos | |
| dc.contributor.author | Σταματίου, Άγγελος | |
| dc.contributor.author | Stamatiou, Angelos | |
| dc.date.accessioned | 2021-09-08T06:45:16Z | |
| dc.date.available | 2021-09-08T06:45:16Z | |
| dc.date.issued | 2021-07 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13651 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/1074 | |
| dc.description.abstract | Το Bitcoin είναι ένα ψηφιακό κρυπτονόμισμα, που παρουσιάστηκε το 2008 από τον Satoshi Nakamoto, παρέχοντας ψευδοανωνυμία στης χρήστες του. Εφόσον τα δεδομένα του Bitcoin Blockchain είναι διαθέσιμα δημοσίως, οι συναλλαγές του μπορούν να πάρουν τη μορφή ενός κατευθυνόμενου γράφου, για εις βάθος ανάλυση. Η παρούσα διατριβή παρουσιάζει μια νέα προσέγγιση για τη μείωση της ανωνυμίας που παρέχεται, χρησιμοποιώντας μη-επιβλεπόμενη μάθηση στον γράφο των συναλλαγών. Μέσω της εκμάθησης αναπαράστασης κόμβου, τα χαρακτηριστικά του κόμβου μπορούν να εξαχθούν και να χρησιμοποιηθούν από έναν Logistic Regression Classifier, για να προβλέψει την ετικέτα κάθε κόμβου του γράφου. Για να απλοποιηθεί η πρόσβαση στα δεδομένα, τα δεδομένα του blockchain εισήχθησαν σε μια βάση δεδομένων MySQL. Η απόδοση της πλήρους προτεινόμενης λύσης αξιολογήθηκε, εκτελώντας τον ταξινομητή σε ένα υποσύνολο των δεδομένων του blockchain, επιτυγχάνοντας μέγιστη ακρίβεια 76.39%. | el |
| dc.format.extent | 42 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Ταξινόμηση διευθύνσεων Bitcoin χρησιμοποιώντας μη εποπτευόμενη μηχανική εκμάθηση | el |
| dc.title.alternative | Bitcoin address classification using unsupervised machine learning | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | Bitcoin is a decentralized digital cryptocurrency, introduced in 2008 by Satoshi Nakamoto, providing pseudonymity to its users. Since Bitcoin blockchain data is publicly available, transactions can be modeled to a directed graph, for further analysis. This dissertation presents a novel approach to reduce the anonymity provided, by using Unsupervised Machine Learning on the transactions graph. By using node representation learning, node features can be extracted and used by a Logistic Regression Classifier to predict the label of each graph node. To simplify data access, blockchain data was imported to a MySQL Database. Performance of the complete proposed solution was evaluated, by executing the classifier on a sub-set of the blockchain data, achieving a maximum accuracy of 76.39%. | el |
| dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής | el |
| dc.subject.keyword | Bitcoin | el |
| dc.subject.keyword | Unsupervised machine learning | el |
| dc.subject.keyword | Logistic regression classifier | el |
| dc.subject.keyword | StellarGraph | el |
| dc.subject.keyword | Blockchain | el |
| dc.subject.keyword | Graph classification | el |
| dc.date.defense | 2021-07 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Πληροφορικής
Department of Informatics
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα