Une étude des utilisateurs, des flux réels et de l'activité temporelle dans l'écosystème bitcoin
A Study of Users, Real Cash Flows And Temporal Activity In The Bitcoin Ecosystem
Résumé
Bitcoin is the oldest cryptocurrency, and among the most active ones. All its transaction data is stored in a decentralized ledger - the Bitcoin blockchain - freely accessible to anyone willing to analyze it. Analyzing the content of this data is the purpose of this thesis. The manuscript focuses on two main research questions: the identification of Bitcoin users, and the characterisation of the activity of those users. In the first part, we propose a method for improving the construction of aggregates of Bitcoin addresses belonging to the same user, by identifying the change output of a transaction using supervised machine learning. The quality of the result is evaluated using a ground truth based on on-chain and off-chain data. We show that the results outperform previous work, but also that identifying the change output of a single user might be a better strategy than the usual objective of considering the whole blockchain as a single problem. The second part of the work focus on interpreting the users' activity in the Bitcoin blockchain. It particularly focuses on defining the real economic activity present in the Bitcoin blockchain, as opposed to artificial transactions driven by the protocol or by users moving money from address to address for technical reasons. Heuristics are proposed aiming to classify users in three categories: Frequent Receivers (FR), Neighbors of FR, and Others. The work shows that FR (being a proxy for commercial entities) represent a small fraction of entities, but concentrate most of the payments, showing a centralization in the bitcoin ecosystem. A temporal study is also conducted, allowing us to estimate the geographical location of users. We notably use this information to quantify the bias of a dataset commonly used in the literature for entity tagging.
Le bitcoin est la plus ancienne crypto-monnaie et l'une des plus actives. Toutes ses données de transaction sont stockées dans un registre décentralisé - la blockchain Bitcoin - librement accessible à toute personne désireuse de l'analyser. L'analyse du contenu de ces données est l'objet de cette thèse. Le manuscrit se concentre sur deux questions de recherche principales : l'identification des utilisateurs de Bitcoin, et la caractérisation de l'activité de ces utilisateurs. Dans la première partie, nous proposons une méthode pour améliorer la construction d'agrégats d'adresses Bitcoin appartenant à un même utilisateur, en identifiant la sortie de changement d'une transaction à l'aide de l'apprentissage automatique supervisé. La qualité du résultat est évaluée à l'aide d'une vérité de terrain basée sur des données on-chain et off-chain. Nous montrons que les résultats sont plus performants que les travaux précédents, mais aussi que l'identification des modifications apportées par un seul utilisateur pourrait être une meilleure stratégie que l'objectif habituel consistant à considérer l'ensemble de la blockchain comme un seul problème. La deuxième partie du travail se concentre sur l'interprétation de l'activité des utilisateurs dans la blockchain Bitcoin. Nous visons définir l'activité économique réelle présente dans la blockchain Bitcoin, par opposition aux transactions artificielles induites par le protocole ou par des utilisateurs déplaçant de l'argent d'une adresse à l'autre pour des raisons techniques. Une heuristique est proposée pour classer les utilisateurs en trois catégories : Les récepteurs fréquents (FR), les voisins des FR et les autres. Les travaux montrent que les FR (qui sont une approximation des entités commerciales) représentent une petite fraction des entités, mais concentrent la plupart des paiements, ce qui témoigne d'une centralisation dans l'écosystème du bitcoin. Une étude temporelle est également menée, nous permettant d'estimer la localisation géographique des utilisateurs. Nous utilisons notamment ces informations pour quantifier le biais d'un ensemble de données couramment utilisé dans la littérature pour le marquage des entités.
| Origine | Version validée par le jury (STAR) |
|---|