Ethereum blokzincir üzerı̇nden keşfedı̇lmemı̇ş anonimsizleştirme rı̇sklerı̇nı̇n ortaya çıkarılması

Blokzincir teknolojisi, özellikle Ethereum, DeFi, dijital kimlik ve yönetişim gibi alanlarda önemli ilerlemeleri mümkün kılmıştır; zira sunduğu sözde anonimlik gizliliği artırırken aynı zamanda atıf yapılabilirliği ve hesap verebilirliği zorlaştırmaktadır. Tornado Cash'in yasa dışı fonların aklanmasındaki rolü nedeniyle yaptırıma uğraması gibi yüksek profilli vakalar, blokzinciri ortamında kötü amaçlı fon hareketlerinin izlenebilmesi için etkili mekanizmalara duyulan acil ihtiyacı gözler önüne sermektedir. Bu tezde, Ethereum üzerindeki kötü amaçlı fon hareketlerinin izlenebilirliğini artırmak ve hesap sahibi ilişkilendirmesini gerçekleştirmek amacıyla tasarlanmış, davranış farkına dayalı bir çerçeve olan EDL adlı yeni bir çözüm öneriyoruz. Önerilen yaklaşım, geleneksel uzaklık metriklerinin kısıtlamalarını aşarak model tabanlı bir ilişkilendirme stratejisi sunmaktadır. Bu çerçevede, açıklanabilir makine öğrenimi tekniklerinin entegrasyonu ile karar süreçlerinin şeffaflığı ve yorumlanabilirliği garanti altına alınmıştır. Özellikle, önce hesapları davranışsal karakteristikler üzerinden profilleyerek, önemli davranışsal farklılıklar bulunsa bile aynı kişi tarafından kontrol edilen hesapların belirlenmesini mümkün kılıyoruz. Karar alma sürecinde şeffaflığı sağlamak için doğası gereği açıklanabilir bir yapay zekâ (AYZ) modeli kullanarak blokzinciri araştırmacılarına anonimsizleştirme mekanizmalarına ilişkin sağlam ve yorumlanabilir içgörüler sunuyoruz. Gerçek dünya veriseti üzerinde gerçekleştirdiğimiz kapsamlı deneyler, EDL'nin çeşitli ampirik koşullarda güncel yöntemlerin ötesinde bir performans sergilediğini ve Ethereum blokzincirindeki kötü amaçlı hesapların deanonymizasyonuna ilişkin temel zorlukları etkili biçimde ele aldığını göstermektedir.