Attention to Lightning Change: Utilizing BERTs to Detect Bitcoin Change Address with Lightning Network Information
Notice bibliographique
Résumé
As the popularity of Bitcoin has increased over the years, the limited capacity of its blocks has led to competitive transaction fee bidding among users. This structural limitation undermines Bitcoin’s suitability for microtransactions due to increasing transaction fees. In response, Poon and Dryja introduced the Lightning Network (LN), a second-layer solution that provides almost instant transactions with minimal fees. Over the past few years, LN has attracted more and more users, currently securing over $336 million in Bitcoin within its channels to date. However, the expansion of the Lightning Network brings potential challenges. Among them is the risk to compromise user anonymity by creating public LN channels. While existing studies primarily explore privacy within the LN or Bitcoin network independently, cross-layer privacy remains underexplored. In this paper, we present concrete evidence to showcase the potential effect of using the Lightning Network on the anonymity of Bitcoin users. Our proposed solution demonstrates how data collected from the Layer 2 Lightning Network can be used to detect change addresses residing in the Layer 1 Bitcoin network. First, we analyze the distribution of transaction inputs and outputs and compare transactions in a range of Bitcoin blocks, with those linked to LN channel creation. We then implement a machine learning model utilizing an encoder-only transformer to identify change outputs in Bitcoin transactions. Lastly, we compared the results to show the potential of cross-chain data. Our model successfully achieved its goal by flagging the correct change output with 94% accuracy with the cross-chain data, compared to 87% baseline which is a significant improvement. Our result provides valuable insights into the impact of the Lightning Network on Bitcoin user privacy and sets the groundwork for further investigation into cross-layer deanonymization.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».