本研究は、モネロのトランザクションに関連する違法活動を調査するための新たなグラフベースの手法を提案しています。モネロはプライバシー保護と非追跡性が特徴で、従来のブロックチェーン分析が無効化されるため、犯罪者による資金移動を隠蔽する目的で利用されることが増えています。そのため、モネロ内での犯罪者の行動パターンを理解することが必要です。本研究では、フラグが付けられたトランザクションからアドレス-リング-トランザクショングラフを構築し、時間的および構造的特徴を抽出します。この情報を基に、機械学習モデルを訓練し、類似した行動パターンを検出する能力を持たせることを目指します。これは、プライバシーを保護するブロックチェーンエコシステム内の調査活動を支援するための初めてのステップであり、今後の調査戦略の強化に繋がることが期待されます。