[étude universitaire] recherche d'anomalies dans un graphe temporel

recherche
graph

#21

Les nœuds sont-ils pris en compte par l’algo en tout instant ou seulement pendant qu’ils sont membres selon la toile de confiance ? Beaucoup de comptes appartiennent à des non-membres et beaucoup de personnes ont plusieurs comptes, ce qui empêche de faire correspondre un nœud à une personne.

Par exemple pour tester mon logiciel qui gère des transactions je dois créer plein de comptes de test et leur envoyer plein de petites transactions, mais ensuite ces comptes n’auront pas un comportement normal (il ne seront plus utilisés du tout). Ça fait beaucoup d’anomalies.


#22

Ça va du 8 mars 2017 au 13 février 2018, et j’ai vu une transaction d’au moins 3000 junes :wink: (attention, l’unité c’est le centième de junes ! Le premier DU est de 1000 :slight_smile: )


#23

Dans ces données, il s’agit des transactions de tous les comptes [edit]membres[/edit]. Et même si plusieurs comptes peuvent exister pour une seule personne, c’est une nette amélioration par rapport aux tentatives précédentes pour le bitcoin où la majorité des comptes ne sont utilisés qu’une fois.


#24

Pourquoi ne le fais-tu pas sur Ğtest plutôt ?


#25

@HugoTrentesaux, si tu en as toujours besoin je peux t’envoyer le script que j’ai utilisé pour parser la blockchain (en Python).
Je peux aussi te passer directement le fichier JSON qui en résulte si tu préfères.
A+


#26

@tuxmain, je restreins volontairement (pour le moment) les transactions aux membres du réseau de confiance. C’est en effet beaucoup plus simple d’analyser les résultats dans ce cadre.
On a également travaillé un peu sur BitCoin où, comme l’a dit @HugoTrentesaux, la situation est bien plus compliquée vu que la plupart des adresses ne sont utilisées qu’une seule fois. Il existe néanmoins quelques heuristiques pour agréger ces adresses et obtenir un dataset plus intéressant. Il y en a quelques une dans ce papier il me semble: https://cseweb.ucsd.edu/~smeiklejohn/files/imc13.pdf

Par ailleurs, on ne prend pas en compte le montant des transactions pour le moment (autrement dit, le stream graph est non valué). Bien entendu, on espère étendre notre étude à l’ensemble des transactions et prendre en compte les montants dans une seconde phase.


#27

Je m’étais posé la question, mais silkaj que j’utilise ne permet pas (ou alors j’ai pas trouvé le moyen) de changer l’adresse du serveur BMA quand il est importé comme module Python, je dois donc utiliser le serveur par défaut, qui est sur la Ğ1.

Si on ne liste pas les transactions impliquant un compte non-membre, le ĞMixer ne fausse rien, il efface juste des transactions du graphe, les statistiques publiques reflètent alors l’économie publique, ça reste logique.


#28

Si tu as besoin n’hésite pas. J’ai pas bien compris comment tu communiques interagis avec Silkaj. Via import ou via module python3 -m silkaj ? Et, je suppose que tu utilises la version 0.6.