La criptomoneda Bitcoin es una moneda digital virtualizada de amplia prevalencia en todo el mundo, concebida en 2008 como un sistema de transacciones distribuido. Las transacciones de Bitcoin utilizan nodos de red peer-to-peer sin intermediarios de terceros, y las transacciones pueden ser verificadas por el nodo. Aunque las redes de Bitcoin han demostrado una alta eficiencia en los sistemas de transacciones financieras, sus transacciones de pago son vulnerables a varios ataques de ransomware. Por esa razón, los investigadores han estado trabajando en el desarrollo de técnicas de identificación de pagos de ransomware para las redes de transacciones de Bitcoin para prevenir tales ciberataques dañinos. En este documento, proponemos un sistema predictivo de transacciones de Bitcoin de alto rendimiento que investiga las transacciones de pago de Bitcoin para aprender patrones de datos que puedan reconocer y clasificar pagos de ransomware para redes de Bitcoin heterogéneas. Específicamente, nuestro sistema utiliza dos métodos de aprendizaje automático supervisado para aprender los patrones distintivos en las transacciones de pago de Bitcoin, a saber, redes neuronales poco profundas (SNN) y árboles de decisión optimizables (ODT). Para validar la efectividad de nuestro enfoque de solución, evaluamos nuestros modelos predictivos basados en aprendizaje automático en un conjunto de datos reciente de transacciones de Bitcoin en términos de precisión de clasificación como un indicador clave de rendimiento y otros métricos de evaluación clave como la matriz de confusión, el valor predictivo positivo, la tasa de verdaderos positivos y los errores de predicción correspondientes. Como resultado, nuestro resultado experimental superlativo se registró en los árboles de decisión basados en modelos con una puntuación de detección de clasificación del 99.9% y 99.4% de precisión (clasificador de dos clases) y precisión (clasificador multiclase), respectivamente. Por lo tanto, los resultados de precisión del modelo obtenidos son superiores ya que superaron a muchos modelos de vanguardia desarrollados para identificar pagos de ransomware en transacciones de Bitcoin.