-
题名基于链上数据的区块链欺诈账户检测研究
被引量：6
- 1
-
-
作者
周健
张杰
闫石
-
机构
安徽财经大学管理科学与工程学院
北京邮电大学计算机学院
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第4期992-997,共6页
-
基金
国家自然科学基金资助项目(61402001)
安徽省高等学校自然基金资助项目(KJ2020A0013,KJ2019A0657,KJ2018A0441)
安徽财经大学研究生科研创新基金资助项目(ACYC2020349)。
-
文摘
针对区块链上存在的欺诈账户给交易带来的安全问题,提出了基于机器学习的欺诈账户的检测及特征分析模型,将以太坊上真实的链上数据进行特征提取后作为模型的数据来源,通过对不同的机器学习方法进行比较得到最优模型并进行迭代训练以获得最佳的预测模型,同时引入SHAP值对数据特征进行分析。实验结果表明,基于XGBoost的欺诈账户检测模型在RMSE、MAE和R^(2)三组指标上达到了0.205、0.084和0.833,优于其余的对比模型,并结合SHAP值识别出预测欺诈账户的关键因素,为区块链的交易安全提供决策参考。
-
关键词
链上数据
机器学习
区块链
欺诈账户
SHAP值
-
Keywords
on-chain data
machine learning
blockchain
fraudulent account
SHAP value
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名价值驱动的以太坊交易追踪排名方法
- 2
-
-
作者
雷鸣
林怡静
高志鹏
-
机构
北京邮电大学网络与交换技术国家重点实验室
-
出处
《应用科学学报》
CAS
CSCD
北大核心
2024年第4期629-641,共13页
-
基金
北京市自然科学基金面上项目(No.4232029)资助。
-
文摘
区块链技术的匿名性与价值传递特性可能被恶意攻击者利用以实施网络钓鱼或其他欺诈行为。虽然链上数据公开、透明、可追溯,但是攻击者仍可通过设计复杂的交易链路,使资产在众多账户之间进行流转。最终,这些资产可能会被集中至某交易所账户并被提取,从而实现非法的利益获取。针对上述问题,面向以太坊提出一种价值驱动的交易追踪排名方法。首先收集12起诈骗金额超过百万美元的以太坊攻击案例,获取大小为27 GB的交易数据,构建地址图;然后从链上抽取代币的流动池数据,计算代币历史价格,确定地址图中各交易的权重系数;最后提出基于价值占比的动态残差放缩机制,优化地址图结构,更加偏向主要的价值流通路径。实验结果表明,召回率可达89.24%,相较于交易追踪排名(transaction tracing rank,TTR)、APPR和Haircut算法分别提高了7%、20%和37%,验证了本文方法在检测欺诈账户上的高效性和准确性。
-
关键词
区块链
交易追踪
PAGERANK
代币价值
欺诈账户
-
Keywords
blockchain
transaction tracing
PageRank
token value
fraudulent accounts
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名面向非平衡数据集的金融欺诈账户检测研究
被引量：2
- 3
-
-
作者
吕芳
汤丰赫
黄俊恒
王佰玲
-
机构
哈尔滨工业大学(威海)计算机科学与技术学院
哈尔滨工业大学(威海)网络空间安全研究院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第6期312-320,共9页
-
基金
国家重点研发计划“网络空间安全”重点专项(2017YFB0801804)。
-
文摘
针对非平衡金融数据集,提出一种银行欺诈账户检测框架iForest-SMOTE。基于账户的动态交易特点,从统计、时序、监督信息维度抽取账户交易行为特征。针对过采样技术ADASYN在金融账户数据集中存在的跨区域样本合成问题,提出一种基于iForest算法的数据集均衡预处理策略,通过iForest算法对数据进行混合采样,在去除多数类噪声数据的同时降低分类器对少数类的学习难度。在此基础上,设计随机森林分类器实现金融欺诈账户检测。在真实金融账户交易数据集上进行实验,结果表明,与ADASYN、SMOTE等采样技术相比,iForest-SMOTE在召回率和准确率方面具有明显优势,F-value值至少能够提升2.13个百分点。
-
关键词
隔离森林
非平衡分类
欺诈账户检测
随机森林
特征挖掘
-
Keywords
isolation forest
imbalanced classification
fraud account detection
random forest
feature mining
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于AGNN-GBDT的链上欺诈账户检测模型
- 4
-
-
作者
冮君泽
李海明
-
机构
上海电力大学计算机科学与技术学院
-
出处
《国外电子测量技术》
北大核心
2023年第8期102-110,共9页
-
文摘
针对虚拟数字货币的市场逐渐升温,大量非法交易和行为难以追踪溯源的问题,提出了基于BGNN的链上欺诈账户检测模型——AGNN-GBDT。通过分析真实账户交易数据和以太坊官方提供的欺诈账户数据的特点,使用GReaT进行数据增强,并在GNN网络中设计了基于节点通道和语义通道的双通道注意力机制来学习节点自身和图网络结构的特征信息,同时保留GBDT处理异质特征数据优势,引入SHAP值来判断特征的重要性。实验结果表明,该模型在准确率上达到84.2%,F1-score为84.2%,其实验效率和结果相较于以前学者提出的模型方法都有一定程度的提升,能够较为准确地识别链上的欺诈账户,对于改善区块链的交易环境有积极作用。
-
关键词
欺诈账户检测
以太坊
GREAT
双通道注意力机制
-
Keywords
fraudulent accounts detection
Ethereum
GReaT
dual channel attention mechanism
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
