基于网络流量的挖矿币种识别方法研究

来源：计算机工程与应用杂志2025年第13期北京时间：

作者：彭晏飞, 郭家隆, 黄瑾, 郑宏威, 王庚哲

单位：1.辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105；2.北京微芯区块链与边缘计算研究院，北京 100086

摘要：针对当前挖矿币种识别数据集匮乏以及币种识别方法单一问题，基于挖矿网络流量构建了一套挖矿币种识别数据集MCID，包含5种虚拟货币挖矿币种的14 348条样本。同时将币种识别定义为文本分类任务，结合文本特征向量与机器学习方法进行币种分类的基线模型实验。在此基础上，以决策树为基学习器，构建多层次Bagging分类模型。实验结果显示，结合文本特征向量与机器学习的基线模型在MCID上取得了显著效果，尤其是N-Gram+多层感知器模型，准确率和F1值分别达到97.14%和96.95%。多层次Bagging分类模型的表现优于所有基线模型，其准确率和F1值分别达到了97.49%和97.32%。不仅填补了币种识别数据集的研究空白，还提供了币种分类的基线模型，并在其基础上构建了多层次Bagging分类模型，为虚拟货币挖矿币种识别方法的选择提供了指导。此外，该研究的结论也可为未来虚拟货币挖矿场景模拟、金融安全和节能减排等业务的结合提供参考依据。MCID已在GitHub上公开发布，详细地址如下：https：//github.com/jialongguo/MCID。

关键词：虚拟货币,挖矿,网络流量,币种识别,机器学习