L’ALGORITHMIQUE* CONTRE BITCOIN ET BLOCKCHAIN.


IL  N’EXISTE  PAS  DE  SÉCURITÉ  EN  INFORMATIQUE.




Où très fugace et mieux quand les ordinateurs sont démantelès.


*Algorithmique

adjectif

                  Qui utilise des algorithmes (ensemble des règles opératoires propres à un calcul).



Lu ici


http://research.cbs.dk/da/publications/breaking-bad(13551f74-ae5f-4565-9a8f-db55852ee01f).html


entity’s real-world identity is hidden behind a pseudonym, a so-called address. Therefore, Bitcoin is widely assumed to provide a high degree of anonymity, which is a driver for its frequent use for illicit activities. This paper presents a novel approach for reducing the anonymity of the Bitcoin Blockchain by using Supervised Machine Learning to predict the type of yet-unidentified entities. We utilised a sample of 434 entities with ≈ 200 million transactions), whose identity and type had been revealed, as training set data and built classifiers differentiating among 10 categories. Our main finding is that we can indeed predict the type of a yet-identified entity. Using the Gradient Boosting algorithm, we achieve an accuracy of 77% and F1-score of ≈ 0.75. We discuss our novel approach of Supervised Machine Learning for uncovering Blockchain anonymity and its potential applications to forensics and financial compliance and its societal implications, outline study limitations and propose future research directions.




______________  Tremblez Bitcoin et Blockchain ______________


l’identité réelle de l’entité est cachée derrière un pseudonyme, une soi-disant adresse. Par conséquent, on assume que largement Bitcoin fournit un niveau élevé d’anonymat, qui est un conducteur pour son usage fréquent pour des activités illicites. Ce document présente une approche nouvelle pour réduire l’anonymat du Bitcoin Blockchain à l’aide de l’apprentissage automatique dirigé pour prévoir le type d’entités encore-non identifiées. Nous avons utilisé un échantillon de 434 entités avec le ˆ de ‰ d’â 200 millions de transactions), dont identité et le type avait été indiqué, comme des données réglées s’exerçantes et des classificateurs établis différenciant parmi 10 catégories. Notre conclusion de canalisation est que nous pouvons en effet prévoir le type d’une entité encore-identifiée. Utilisant l’algorithme de amplification de gradient, nous réalisons une exactitude de 77% et de F1-score du ˆ 0,75 de ‰ d’â. Nous discutons notre approche nouvelle d’apprentissage automatique dirigé pour découvrir l’anonymat de Blockchain et ses applications potentielles aux médecines légales et la conformité financière et ses implications sociales, décrivez les limitations d’étude et proposez les futures directions de recherches.



Cela veut juste dire la fin de l’invisibilité de bitcoin et de blockchain.


Et donc fin du rêve d’un monde sans argent.




LOGIQUE !


UN AUTOMATE POSSÈDE DES ÉTATS D’ENTRÉE FINIS ET CONNUS, QUI CORRESPONDENT Á DES ÉTATS DE SORTIE FINIS ET CONNUS.


Rien de nouveau n’est créé dans un automate logique.


 

Niklaus   WIRTH

et

CNAM Automatisme Industriel

et

Université de Provence M.A.S.T.I.C.

et +++


S. CARVAJAL

Publicités
Cet article a été publié dans Non classé. Ajoutez ce permalien à vos favoris.