论文阅读：Visualizing Dynamic Bitcoin Transaction Patterns

目录

1. 摘要

McGinn, Dan & Birch, David & Akroyd, David & Molina-Solana, Miguel & Guo, Yike & Knottenbelt, William. (2016). Visualizing Dynamic Bitcoin Transaction Patterns. Big Data. 4. 109-119. 10.1089/big.2015.0056.

论文全文

摘要

这项工作提出了一个系统的自上而下的比特币交易活动可视化，以探索动态生成的算法行为模式。比特币主宰了加密货币市场，为研究人员提供了丰富的实时交易数据来源。数据的匿名性和公开性为发现许多相关方（如金融监管机构、协议设计者和安全分析师）感兴趣的人类和算法行为模式提供了机会。然而，保持对底层数据的视觉逼真度以保持对网络内活动的全面理解仍然是一项挑战，尤其是在实时性方面。我们展示了一个有效的力导向图可视化应用于我们的大规模数据观测设施，以加速这一数据探索，并从领域专家和公众中获得有用的见解。本文展示的高保真可视化允许协作发现意外的高频交易模式，包括自动洗钱操作，以及比特币网络上多种不同算法拒绝服务攻击的演变。

https://imperialcollegelondon.app.box.com/v/bitcoinVis

这篇文章给出了一系列自顶向下的方法，提供了一种着眼全局，观察比特币系统数据的方法。主要使用了力导向图。（还有一小部分使用了谷歌的 WebGL-Globe 的 3D 地球图。）

力导向图的特色是，把交易、input、output、地址全都体现在同一幅图上，而且数据量很大，然后通过不同颜色，节点大小展示更多信息。这样可以在宏观上得出有用的信息。具体的做法：

1. 黄色的点表示输入，黑色的点表示交易，蓝色的点表示输出。
2. 使用红色的点表示 coinbase 交易。
3. 同一视野中如果有 input 和 output 引用同一地址，就把这个地址使用灰色的边表示出来。

A 是一个区块的整体的图，B 是图中的简单交易，C 是已知的地址，D 是一个对外支付的钱包。 E 是 coin-tumbling 服务（混币服务）。