{rfName}
Fr

Indexado en

Licencia y uso

Citaciones

Altmetrics

Grant support

This research has been partially supported by the Center for Research in Forensic and Security Sciences of the Universidad Autonoma de Madrid (ICFS-UAM) (in Spanish Centro de Investigacion en Ciencias Forenses y de la Seguridad de la Universidad Autonoma de Madrid, ICFS-UAM).

Análisis de autorías institucional

Jurado, FranciscoAutor (correspondencia)
Compartir
Publicaciones
>
Artículo

Fraud Detection in Cryptocurrency Networks-An Exploration Using Anomaly Detection and Heterogeneous Graph Transformers

Publicado en:Future Internet. 17 (1): 44- - 2025-01-01 17(1), DOI: 10.3390/fi17010044

Autores: Perez-Cano, Victor; Jurado, Francisco

Afiliaciones

Univ Autonoma Madrid, Dept Comp Engn, Madrid 28049, Spain - Autor o Coautor

Resumen

Blockchains are the backbone behind cryptocurrency networks, which have developed rapidly in the last two decades. However, this growth has brought several challenges due to the features of these networks, specifically anonymity and decentralization. One of these challenges is the fight against fraudulent activities performed in these networks, which, among other things, involve financial schemes, phishing attacks or money laundering. This article will address the problem of identifying fraud cases among a large set of transactions extracted from the Bitcoin network. More specifically, our study's goal was to find reliable techniques to label Bitcoin transactions, taking into account their features. The approach followed involved two kinds of Machine Learning methods. On the one hand, anomaly detection algorithms were applied to determine whether fraudulent activities tend to show anomalous behaviour without resorting to manually obtained labels. On the other hand, Heterogeneous Graph Transformers were used to leverage the heterogeneous relational nature of the cryptocurrency information. As a result, the article will provide reasonable conclusions to acknowledge that unsupervised approaches can be useful for fraud detection on blockchain networks. Furthermore, the effectiveness of supervised graph methods was revalidated, emphasizing the importance of data heterogeneity.

Palabras clave

Indicios de calidad

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-04-30:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 5.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 4 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 1.85.
  • El número de menciones en la red social X (antes Twitter): 2 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (Perez-Cano, Victor) y Último Autor (JURADO MONROY, FRANCISCO).

el autor responsable de establecer las labores de correspondencia ha sido JURADO MONROY, FRANCISCO.