arXiv cs.CY· Seongchan Park, Hyunho Jeon, Byungsoo Kang, Gaeun Kim, Minseob So, Seongyong Kim·· 10 小时前AI 评分31
基于储备证明的以太坊中心化交易所地址链上行为特征分类框架
On-Chain Behavioral Signatures for Classifying Centralized Exchange Addresses on Ethereum Using Proof-of-Reserves
AI 导读
研究利用储备证明（PoR）披露信息构建分类框架，从15家中心化交易所（CEX）和五类非CEX来源的3,033,857个以太坊地址中提取58个链上行为特征，在留一交易所交叉验证下LightGBM的macro PR-AUC达0.9594，优于逻辑回归的0.7697。SHAP分析显示gas行为、ERC-20 token活动和内部交易是关键预测信号，该框架支持可解释的CEX地址筛查并已公开特征数据集。
正文 · AI 翻译
摘要：中心化交易所（CEX）是传统金融与数字资产市场之间的关键门户，但识别其区块链地址仍然具有挑战性。现有方法往往依赖不透明的归属标签，或将交易所视为次要分类目标，对未见交易所的泛化能力研究不足。本研究利用储备证明（PoR）披露信息构建了一个分类框架，包含来自 15 家 CEX 和五个非 CEX 类别的 3,033,857 个以太坊地址。我们提取了 58 个链上行为特征，并在留一交易所协议下评估 LightGBM 与逻辑回归（LR）的表现。在五个回溯窗口（30-730 天）中，LightGBM 始终优于 LR，使用选定的 17 个特征时宏 PR-AUC 从 0.6611 提升至 0.9594，而 LR 在 730 天时为 0.7697。稳健性检查显示，在不同划分和留出交易所上重复特征选择和超参数优化时性能相当，而交易所平衡重加权提高了宏 PR-AUC。SHAP 分析和特征组消融表明，气体行为、ERC-20 代币活动和内部交易是构建数据集中关键的预测信号。这些发现支持用于区块链监控的可解释 CEX 地址筛查，同时发布的数据集使可复现的后续研究成为可能。
| 评论： | 已被第 7 届 ACM 金融人工智能国际会议（ICAIF '26）接收 |
| 主题： | 计算机与社会（cs.CY）；密码学与安全（cs.CR）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.41888 [cs.CY] |
| （或此版本的 arXiv:2610.41888v1 [cs.CY]） | |
| https://doi.org/10.48550/arXiv.2610.41888 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 相关 DOI： | https://doi.org/10.1145/3858063.3858815
链接到相关资源的 DOI |
提交历史
来自：Seongchan Park [查看电子邮件]
[v1]
2026 年 10 月 30 日星期五 15:32:04 UTC（487 KB）
来源：arXiv cs.CY · arxiv.org