Kurz erklärt: Address-Clustering bündelt Blockchain-Adressen, die mit hoher Wahrscheinlichkeit derselben Partei gehören, zu einer Einheit. Es ist der erste analytische Schritt jeder forensischen Untersuchung, weil eine einzelne Adresse für sich genommen kaum Aussagekraft hat. Grundlage sind Heuristiken — Regeln, die aus beobachtetem Transaktionsverhalten Rückschlüsse ziehen und deshalb Wahrscheinlichkeitsaussagen liefern, keine Gewissheiten.
Warum Clustering nötig ist
Wallet-Software erzeugt für nahezu jede Transaktion neue Adressen. Ein Nutzer kann über hunderte oder tausende Adressen verfügen, ohne dass dies nach außen erkennbar wäre. Diese Praxis ist ausdrücklich empfohlen — bereits das Bitcoin-Whitepaper rät dazu, für jede Transaktion ein neues Schlüsselpaar zu verwenden, um die Verknüpfbarkeit zu begrenzen.
Für die Analyse hat das zur Folge, dass die Betrachtung einzelner Adressen ins Leere läuft. Eine Adresse zeigt einen Zufluss und einen Abfluss; über den dahinterstehenden Akteur, seine Größenordnung oder sein Verhalten sagt sie nichts.
Clustering stellt diese Sichtbarkeit wieder her. Aus tausenden Einzeladressen entsteht eine Entität, deren Gesamtbestand, Transaktionsvolumen und Aktivitätsmuster erkennbar werden. Erst auf dieser Ebene lassen sich sinnvolle Aussagen treffen — und erst hier setzt die Attribution zu einem realen Akteur an.
Common-Input-Heuristik
Die tragende Regel beruht auf einer technischen Notwendigkeit. Werden in einer Transaktion mehrere Eingänge gemeinsam ausgegeben, muss der Ausführende über die privaten Schlüssel zu allen diesen Eingängen verfügt haben — anders lässt sich die Transaktion nicht signieren.
Daraus folgt: Die zugehörigen Adressen unterliegen derselben Kontrolle und gehören in ein Cluster. Die Regel ist deshalb stärker als rein statistische Verfahren; sie beruht auf einer Eigenschaft des Signaturverfahrens, nicht auf einem beobachteten Muster.
Ihre Reichweite ist erheblich. Weil Wallets bei größeren Zahlungen regelmäßig mehrere kleinere Eingänge zusammenfassen müssen, wachsen Cluster über die Zeit stark an. Ein Nutzer, der über Jahre eine Wallet verwendet, verknüpft seine Adressen dabei fortlaufend selbst.
Die Regel hat allerdings eine bekannte Ausnahme, die weiter unten behandelt wird: Verfahren, die Eingänge verschiedener Parteien in einer Transaktion zusammenführen, verletzen die Annahme gezielt.
Change-Address-Heuristik
Im UTXO-Modell werden Eingänge vollständig verbraucht. Wer 1 BTC besitzt und 0,3 BTC überweist, erzeugt zwei Ausgänge: 0,3 BTC an den Empfänger und den Rest als Wechselgeld zurück an eine eigene, meist neue Adresse.
Gelingt es, den Wechselgeldausgang zu identifizieren, lässt er sich dem Absender zurechnen und erweitert dessen Cluster. Indizien dafür sind:
- Der Ausgang geht an eine Adresse, die zuvor nie verwendet wurde, während der andere an eine bekannte Adresse geht.
- Das Adressformat entspricht dem der Eingänge, während der andere Ausgang ein anderes Format hat.
- Der Betrag ist ein ungerader Restwert, während der andere eine runde Summe darstellt.
- Der Betrag ist kleiner als jeder einzelne Eingang.
Anders als die Common-Input-Regel ist dies eine reine Wahrscheinlichkeitsaussage. Wallet-Implementierungen unterscheiden sich in ihrer Wechselgeldlogik, und einige erzeugen bewusst Ausgänge, die die Unterscheidung erschweren. Fehlzuordnungen sind hier deutlich häufiger.
Verhaltensbasierte Verfahren
Ergänzend werden Muster ausgewertet, die nicht auf der Transaktionsstruktur, sondern auf dem Nutzungsverhalten beruhen.
Zeitliche Muster. Aktivität konzentriert sich häufig auf bestimmte Tageszeiten und lässt Rückschlüsse auf Zeitzonen zu. Über längere Zeiträume entsteht ein charakteristisches Profil.
Transaktionsstruktur. Die Zahl der Ein- und Ausgänge, die Reihenfolge, in der Ausgänge angeordnet werden, und die Art der Betragsrundung unterscheiden sich zwischen Wallet-Implementierungen.
Technische Signaturen. Gebührenwahl, verwendete Sperrfristen, Signaturformate und Versionsangaben bilden einen Fingerabdruck der eingesetzten Software. Er ordnet zwar keine Person zu, grenzt aber die Menge möglicher Akteure ein.
Diese Verfahren allein tragen kein Cluster. Sie dienen der Bestätigung oder Widerlegung einer Zuordnung, die aus den strukturellen Heuristiken hervorgegangen ist.
Fehlerquellen
CoinJoin. Bei CoinJoin führen mehrere Parteien ihre Eingänge in einer gemeinsamen Transaktion zusammen. Die Common-Input-Annahme ist damit gezielt verletzt. Wird der Charakter der Transaktion nicht erkannt, verschmelzen die Cluster verschiedener, völlig unbeteiligter Nutzer zu einer scheinbaren Einheit. Eine CoinJoin-Erkennung ist deshalb zwingende Voraussetzung sauberer Analyse.
Verwahrte Bestände. Eine Handelsplattform verwaltet die Mittel tausender Kunden über gemeinsame Adressen. Das entstehende Cluster ist technisch korrekt — es gehört tatsächlich einer Partei —, sagt über einzelne Kunden aber nichts aus. Wird ein solches Cluster wie das eines Einzelnutzers behandelt, entstehen grob falsche Schlüsse.
Gemeinsam genutzte Wallets. Mehrere Personen mit Zugriff auf dieselbe Wallet erzeugen ein Cluster, das keiner einzelnen Person zuzuordnen ist.
Wechselgeld-Fehlzuordnung. Wird ein Empfängerausgang für Wechselgeld gehalten, wird das Cluster des Absenders um Adressen erweitert, die einem Dritten gehören. Dieser Fehler ist besonders tückisch, weil er sich in Folgeschritten fortpflanzt.
Folgen fehlerhafter Cluster
Clustering steht am Anfang jeder Untersuchung. Ein Fehler auf dieser Ebene wirkt sich auf alles Nachfolgende aus.
Ist ein Cluster falsch gebildet, sind die daraus abgeleiteten Aussagen über Gesamtbestand, Volumen und Verbindungen falsch. Eine darauf aufbauende Attribution ordnet die Adressen dann dem falschen Akteur zu. Eine Taint-Analyse rechnet mit falschen Ausgangswerten.
Besonders problematisch ist, dass Clusterbildung automatisiert erfolgt und das Ergebnis plausibel aussieht. Der Fehler ist im fertigen Bericht nicht sichtbar — er zeigt sich nur, wenn die zugrunde liegenden Transaktionen einzeln geprüft werden.
Für die Praxis folgen daraus zwei Anforderungen. Erstens gehört in ein Gutachten, welche Heuristiken verwendet wurden und wie mit erkannten CoinJoin-Transaktionen umgegangen wurde. Zweitens sollten zentrale Zuordnungen stichprobenartig auf Transaktionsebene nachvollzogen werden, statt sich auf das Werkzeug zu verlassen.
Formulierungen sollten die Unsicherheit abbilden: nicht „die Adresse gehört zum Cluster X“, sondern „nach der Common-Input-Heuristik ist die Adresse dem Cluster X zuzuordnen“.
Häufige Fragen
Was ist ein Cluster in der Blockchain-Analyse?
Eine Menge von Adressen, die mit hoher Wahrscheinlichkeit derselben Partei gehören. Da Wallet-Software für nahezu jede Transaktion neue Adressen erzeugt, ist die Betrachtung einzelner Adressen wenig aussagekräftig — erst auf Clusterebene werden Bestand, Volumen und Verhalten erkennbar.
Wie funktioniert die Common-Input-Heuristik?
Werden in einer Transaktion mehrere Eingänge gemeinsam ausgegeben, muss der Ausführende über alle zugehörigen privaten Schlüssel verfügt haben — anders lässt sich die Transaktion nicht signieren. Die Adressen unterliegen daher derselben Kontrolle.
Ist ein Cluster ein Beweis?
Nein. Clustering beruht auf Heuristiken mit bekannten Fehlerquellen. Ein Cluster ist eine begründete Vermutung, keine Tatsache. Im Gutachten sollte das an der Formulierung erkennbar bleiben.
Warum ist CoinJoin ein Problem für das Clustering?
Weil dabei Eingänge verschiedener Parteien in einer Transaktion zusammengeführt werden. Die Common-Input-Annahme ist damit gezielt verletzt. Wird das nicht erkannt, verschmelzen die Cluster völlig unbeteiligter Nutzer zu einer scheinbaren Einheit.
Was ist eine Change-Address?
Die Adresse, an die das Wechselgeld einer Transaktion zurückfließt. Da Eingänge im UTXO-Modell vollständig verbraucht werden, entsteht bei fast jeder Zahlung ein solcher Restbetrag. Wird er erkannt, lässt er sich dem Absender zurechnen.
Kann ein Cluster mehreren Personen gehören?
Ja. Handelsplattformen verwalten die Mittel tausender Kunden über gemeinsame Adressen — das Cluster ist technisch korrekt, sagt über einzelne Kunden aber nichts. Auch gemeinsam genutzte Wallets erzeugen Cluster ohne eindeutige Zuordnung.
Wie wirkt sich ein Clustering-Fehler aus?
Er pflanzt sich fort. Attribution, Bestandsberechnung und Taint-Analyse bauen darauf auf. Da Clustering automatisiert erfolgt und das Ergebnis plausibel aussieht, ist der Fehler im fertigen Bericht nicht sichtbar — nur eine Prüfung auf Transaktionsebene deckt ihn auf.
Zusammenfassung
Address-Clustering bündelt Adressen derselben Partei und schafft damit die Einheit, auf der forensische Aussagen überhaupt möglich werden. Tragende Regel ist die Common-Input-Heuristik, die auf einer Eigenschaft des Signaturverfahrens beruht; ergänzt wird sie durch die schwächere Change-Address-Heuristik und verhaltensbasierte Verfahren. Fehlerquellen sind CoinJoin, verwahrte Sammelbestände, gemeinsam genutzte Wallets und Wechselgeld-Fehlzuordnungen. Weil Clustering am Anfang jeder Untersuchung steht, pflanzen sich Fehler in alle Folgeschritte fort — und sind im fertigen Bericht nicht mehr erkennbar.
Weiterführende Quellen
- Satoshi Nakamoto — Bitcoin: A Peer-to-Peer Electronic Cash System (PDF): bitcoin.org
- BSI — Blockchain sicher gestalten: www.bsi.bund.de
- NIST — Computer Security Resource Center Glossary: csrc.nist.gov
- Ethereum — Entwicklerdokumentation: ethereum.org
- Europol — Internet Organised Crime Threat Assessment (IOCTA): www.europol.europa.eu
- BKA — Bundeslagebild Cybercrime: www.bka.de