比特币上的用户是高度匿名化的,这也滋生出许多经由比特币的违法行为,例如暗网,洗钱等等。考虑到这些违法行为在比特币交易行为上会体现某一些特征,所以本文考虑从交易行为的角度对比特币上的数据进行分析,从而实现一定程度上的去匿名化,这可以为监管机构和执法部门在对比特币上的违法交易做检测和取证时提供帮助。传统方法对比特币上的交易行为分析主要是通过启发式方法合并实体,借由实体来分析其共性,或者通过特征工程,再使用随机森林等机器学习模型进行预测,然而这些方式都忽略了比特币数据之间的连接特征,比特币数据可以被构成有向无环图,这种图结构上的特征在传统机器学习中是很难描述的,本文通过图神经网络处理比特币数据,有效地利用了图结构特征,从而提高了模型在比特币数据上的表现。本文提出了两种方法来分析比特币上的交易行为:（1）基于时序信息的比特币交易行为分析方法,比特币上的交易是具有先后顺序的,可以通过将比特币数据按时序区间拆分来刻画,进而在时序区间内部通过GAT（Graph Attention Networks）获取图嵌入,在时序区间之间通过GRU（Gated Recurrent Unit）获取时序信息。（2）MLP（Multi-Layer Perceptron）结合图神经网络的比特币交易行为分析方法,由于比特币上的数据具有较为复杂的特征,图神经网络在训练过程中会将邻居节点的特征聚合到目标节点,这可能淹没目标节点本身的特征信息,由此,本文通过MLP保留节点本身特征,通过GeniePath聚合邻居节点信息,这种方法在数据本身特征较复杂的情况下可以取得非常好的效果。本文还设计并实现了一个比特币交易行为分析系统,能够结合传统方法和图神经网络的方法对比特币上的交易行为进行分析,对其资金来源和去向进行一定程度上的去匿名化,为监管机构和执法部门检测违法行为和取证提供参考。