GraphSense – Realtime Anomaly Detection in Virtual and Non-Virtual Currency Networks
Kurzbeschreibung
An der Entstehung virtueller Währungen wie Bitcoin lässt sich erkennen, dass neue digitale Technologien das Finanzwesen weiter transformieren werden. Damit werden Währungseinheiten dezentral generiert und können innerhalb weniger Minuten zu geringen Transaktionskosten global überwiesen werden.
Im Gegensatz zu bereits existierenden Währungssystemen operieren virtuelle Währungen ohne zentrale Kontrolle (z.B. Notenbanken) und unabhängig von klassischen Zahlungsverkehrsanbietern (z.B. Banken). Alle jemals in Bitcoin durchgeführten Transaktionen sind in der öffentlich einsehbaren Blockchain in anonymisierter Form abgebildet und können für Analysezwecke herangezogen werden.
Das Projekt GraphSense entwickelt algorithmische Lösungen,die zur Echtzeitanalyse virtueller Währungstransaktionen herangezogen werden und Einblick in die Funktionsweise und Transaktionsabläufe liefern können. Ein besonderer Fokus liegt dabei auf der Erkennung von Anomalien – darunter versteht man die Identifikation von Transaktionen und Transaktionsmustern, die von üblichen Strukturen abweichen. So können zum Beispiel mögliche betrügerische Aktivitäten frühzeitig erkannt und nachvollzogen werden.
Die Besonderheit und somit die wissenschaftliche Herausforderung des GraphSense-Projektes liegt in der Struktur und der stetig wachsenden Menge der zu analysierenden Transaktionsdaten.
Derzeit ergeben an die 100 Millionen Einzeltransaktionen ein Transaktionsnetzwerk, in dem Bitcoin-Adressen und Transaktionen durch hunderte Millionen Knoten und Kanten repräsentiert werden. Algorithmen zur Erkennung von Anomalien in solch großen Netzwerkstrukturen müssen für horizontal skalierbare Infrastrukturen (z.B. Apache Spark) entwickelt und auf deren praktische Anwendbarkeit getestet werden.
Neben der Erkennung von Anomalien in virtuellen Währungen sollen die im Rahmen des GraphSense-Projektes entwickelten Technologien auch für weitere Anwendungsfelder einsetzbar sein (z.B. Fehlerdiagnose in Industrieanlagen, Anomalie-Erkennung in Energienetzwerken). Alle entwickelten Komponenten werden deshalb als Open Source Software veröffentlicht.
Projektbeteiligte
- AIT – Austrian Institut of Technology GmbH
- Braintribe IT Technologies GmbH
- Wirtschaftsuniversität Wien
Kontaktadresse
Dr. Bernhard Haslhofer
E-Mail: bernhard.haslhofer@ait.ac.at