지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 발행연도
- 2020
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 비트코인 트랜잭션을 시간, 어드레스, 트랜잭션 피처의 세 가지 차원으로 고려하여 분석하는 방법을 제시한다. 비트코인은 1세대 암호화폐로 대표성을 지니며, 비트코인의 트랜잭션 내역이 블록 상에 기록되어 공개되는 것이 특징이다. 고차원으로 이루어지는 트랜잭션 데이터는 텐서(Tensor)를 통해 효율적으로 표현 가능하며 이는 HOSVD(High Order SVD)를 통해 분석 가능하다. HOSVD를 통해 얻은 압축된 축을 바탕으로 K-means 클러스터링을 진행하여 의미를 도출한다. 이때 HOSVD와 K-means 클러스터링의 목적함수 사이의 관계가 제시되며, 이를 바탕으로 두 분석법의 파라미터를 동시에 결정하는 알고리즘을 제안한다. 제안된 근사식과 방법론은 실험을 통해 그 타당성이 확인되었다. 200일 간 거래된 상위 382개 어드레스 간 비트코인 트랜잭션 데이터를 사용하여 실험이 진행되었다. 실험을 통해 제시된 HOSVD와 K-means 클러스터링의 목적함수 사이의 추정된 관계가 타당함이 확인된다. 또한 제시된 알고리즘이 적용되어 트랜잭션에 대한 의미있는 해석을 얻을 수 있었다. 어드레스와 시간은 각각 10개, 7개의 군집으로 구성되었고 HOSVD 분해식과 실제 데이터를 통해 이 군집들이 트랜잭션 행태를 기준으로 유의하게 구별됨이 확인되었다. 더 나아가 시간, 어드레스, 트랜잭션 피처 세 가지 차원을 모두 고려하여 해석이 가능하였으며 복합적인 관계가 존재함을 확인할 수 있었다. 제시된 분석 방식을 통해 비트코인 트랜잭션 이외의 고차원 데이터에 적용 가능할 것이라 기대된다.
목차
제 1 장 서론 1제 2 장 선행연구 42.1 비트코인 42.2 텐서 분해 62.2.1 정의 및 연산 62.2.2 HOSVD 82.2.3 응용 112.3 K-means 클러스터링 132.3.1 정의 132.3.2 SVD와의 관계 14제 3 장 해법 173.1 트랜잭션 데이터의 텐서화 173.2 모드 별 분석 203.3 K-means 클러스터링 기반 HOSVD 정도 결정 223.4 휴리스틱 알고리즘 27제 4 장 실험 결과 284.1 데이터 284.2 결과 314.2.1 트랜잭션 피처 314.2.2 어드레스 324.2.3 시간 35제 5 장 결론 38참고문헌 41부록 45A 압축된 축 45B 클러스터링 중심점 49Abstract 52
최근 본 자료
댓글(0)
0