Revisiting Elliptic++ for Bitcoin Forensics: Feature Reconstruction and Leakage-Resistant Evaluation↗ (원문, 새 창)

비트코인 포렌식의 대표적 벤치마크 데이터셋인 Elliptic과 주소 단위 확장판 Elliptic++는 구글 스콜라 기준 1,300편 이상의 학술 연구에 인용돼 왔지만, 이 논문은 해당 데이터셋에 '미래 정보 누출' 문제가 있음을 지적한다. 포지션 데이터 분할이 시간 순서를 지키지 않고 주소 단위 특징(55개)의 정확한 정의도 공개되지 않은 상태였는데, 연구팀은 비트코인 거래를 공개 원장 데이터와 연결해 특징의 정확한 정의를 복원하고 각 주소의 첫 등장 시점을 기준으로 시간순 분할을 적용하는 누출 방지 파이프라인을 제시했다. 시간 순서를 지킨 평가에서는 랜덤 포레스트의 불법 거래 탐지 F1 점수가 기존 누출된 평가에서의 0.846에서 0.291로 급락했으며, 랜덤 포레스트가 더 이상 단순 로지스틱 회귀 베이스라인보다 우수하지 않았다. 연구팀은 정확한 특징 정의와 재현 가능한 코드를 공개해 향후 모델이 진짜 예측 능력으로 평가받을 수 있도록 했다.

• 1,300편 이상 인용된 Elliptic++ 데이터셋에 시간 순서를 어기는 미래 정보 누출 문제가 있음을 지적했다.
• 거래를 공개 원장과 연결해 55개 주소 단위 특징의 정확한 정의를 복원했다.
• 시간순 분할 적용 후 랜덤 포레스트의 불법 거래 F1 점수가 0.846에서 0.291로 급락했다.
• 누출 제거 후에는 랜덤 포레스트가 단순 로지스틱 회귀보다 더 우수하지 않았다.
• 정확한 특징 정의와 실행 가능한 코드를 공개해 향후 모델의 진짜 예측력 평가를 지원한다.