比特币交易行为分类数据集-合法与非法实体映射-2021-pablodejuanfidalgo
数据来源：互联网公开数据
标签：比特币交易,非法行为检测,数据集,分类,机器学习,金融安全,区块链
数据概述：
本数据集将比特币交易映射到实际实体，分为合法类别（如交易所、钱包提供商、矿工、合法服务等）和非法类别（如诈骗、恶意软件、恐怖组织、勒索软件、庞氏骗局等）。原始数据集中非法与合法交易的比例为9.8:90.2。我们通过增加真实标记的非法交易记录，将这一比例调整为41.2:58.8，从而缓解了数据不平衡的问题。
新增的非法交易记录在数据集中具有负数的交易ID，并且时间戳设置为"-1"。这些新记录的标签被标记为“可疑”，但也可以重新标记为“1”以保持与原始Elliptic数据集的一致性。更多关于新增非法交易记录的信息可在GitHub仓库IllicitBitcoinTransactions中找到。
数据用途概述：
该数据集适用于金融安全研究、非法行为检测、比特币交易分类、机器学习模型训练等多种应用场景。研究人员可以利用此数据集进行非法行为的识别与分类研究；金融机构可以使用该数据集提升风险监控能力；教育机构也可以用作教学和研究资源。此外，该数据集还适合用于评估和优化现有检测系统的性能。使用本数据集进行研究时，请参考以下文献进行引用：
de Juan Fidalgo, P., Cámara, C., Peris-Lopez, P. (2023). Generation and Classification of Illicit Bitcoin Transactions. In: Bravo, J., Ochoa, S., Favela, J. (eds) Proceedings of the International Conference on Ubiquitous Computing & Ambient Intelligence (UCAmI 2022). UCAmI 2022. Lecture Notes in Networks and Systems, vol 594. Springer, Cham. https://doi.org/10.1007/978-3-031-21333-5_108
