比特币通过不具名的地址给用户提供了一定的匿名性,但同时被很多不法分子应用于黑市交易等非法活动中,给社会治安带来了很大威胁,因此当前追踪比特币地址以打击与之相关的非法交易显得十分必要。目前在比特币地址追踪领域已有一定的研究,但这些工作所分析的数据较少且分析效果不佳,很难获取有价值的信息以支撑实际的追踪监管。为了应对这一挑战,论文主要基于图分析进行比特币地址追踪的研究,将链上交易信息和链下实体信息进行可视化的关联分析从而实现追踪可疑比特币地址的交易所流向的整体目标,以获取有价值的情报并能为实际的区块链数字货币监管提供参考。本文的主要工作和创新点包括以下四个部分:1.针对比特币地址实体信息缺乏且地址和实体信息关系不强的问题,本文研究了基于图关系的比特币地址提取方法,提出了比特币用户的地址模型和比特币地址相似度计算方法,获取了明网、暗网中大量带有实体信息的比特币地址,提升了可疑比特币地址获取的效率以及增强了比特币地址和实体信息的关联程度。2.针对目前缺乏一种融合比特币的链上链下数据进行可视化分析的手段的问题,本文研究了比特币地址信息图谱的构建,提出了比特币地址的用户画像和基于信息图谱的攻击模型,基于比特币全交易数据和大规模实体信息构建了比特币地址的信息图谱,实现了特定比特币地址的链上链下信息的融合分析。3.针对现有比特币地址关联分析效率低下和效果不佳的问题,本文研究了基于图的比特币地址关联分析,使用了启发式聚类、地址权重计算和非法地址资金流量化等方法,进一步获取了和非法地址关联的比特币账户及实体信息并分析了非法资金的流向,提升了关联分析的效率和效果。4.设计并实现了基于图分析的比特币地址追踪模型,通过和其他模型的对比实验和案例分析表明,本文提出的基于图分析的比特币地址追踪模型能够有效地对特定比特币地址进行追踪关联,能满足当前比特币追踪监管的数据和应用需求,实现追踪到比特币地址所属的交易所地址池的目标。此外,本文提出的追踪模型还验证了应用机器学习算法识别比特币非法地址的可行性。本文提出的基于图分析的比特币地址追踪模型能够应用于比特币等数字货币的非法交易追踪和取证分析之中,这有利于打击当前明网、暗网中数字货币相关的非法交易活动,可以帮助有关部门加强对区块链数字货币监管,对未来建立我国的主权数字货币监管机制也有一定的参考意义。