Déanonymisation de clients dans le réseau Bitcoin à l’aide de l’apprentissage automatique.

Abstract

L’évolution technologique a conduit à la création et l’émergence d’une nouvelle forme de monnaie : la monnaie virtuelle ou digitale, baptisée aussi crypto-monnaie. Ce travail concerne la dé-anonymisation des transactions bitcoin, l’une des crypto-monnaies les plus utilisées actuellement, en exploitant les algorithmes d’apprentissage automatique, plus précisément, les réseaux de neurones artificiels. Etant donné que le bitcoin permet des transactions rapides et sécurisées, néanmoins, son niveau d’anonymat devient de plus en plus faible avec l’évolution potentielle des autres différentes technologies. Notre contribution consiste à formuler un modèle d’apprentissage automatique puissant et fiable pour établir la classe de chaque trasactin Bitcoin, en utilisant des données étiquetés qui décrivent ces transitions. Avant ce faire, nous avons effectués, en premier lieu, une étude globale concernant l’apprentissage automatique et la blockchain, en jetant un oeil sur les différents types, caractéristiques et algorithmes utilisés pour mieux comprendre le fonctionnement de chaque technologie. Pour dé-anonymiser le client Bitcoin, nous proposons trois modèles de réseaux de neurones profond supervisé, qui prennent en entrée les caractéristiques des transactions collectées par la société Elliptic dans la plateforme kaggle. Ces transactions sont classées selon deux classes (licite/illicite) par les modèles réalisés. Entre autres, nous avons implémenté et évalué ces modèles pour effectuer, par la suite, une comparaison des résultats obtenus afin de tirer le mieux adapté en termes de temps et de puissance.