利用复杂网络方法对以太坊交易记录进行建模和理解
本研究通过考虑交易网络的现实规则和特性，首先将以太坊交易网络建模为一个时态加权多重有向图，然后定义时间加权多重有向图嵌入问题，在节点分类实验中证明了该方法的有效性。
May, 2019
本文通过引入基于拓扑数据分析和功能数据深度的新工具，展示了以太坊网络可以提供重要见解，以评估加密货币价格动态与交易图形属性之间的关系，这是传统数据源和分析方法无法获取的。
Dec, 2019
ETGraph 是一个将 Ethereum 的交易记录和 Twitter 的关注数据进行链接的数据集，通过对其进行统计分析和一系列实验，发现 Twitter 数据在增强 Ethereum 分析方面起到了重要作用。
Oct, 2023
本文提出了一种基于时间交易聚合图网络（TTAGN）的以太坊欺诈检测技术，通过模拟节点之间历史交易记录来构建以太坊交易网络的边表示，将边上的表示聚合到节点表示中，然后结合统计和结构特征进行识别，该方法在真实的以太坊欺诈数据集上优于同类方法。
Apr, 2022
本研究通过将图卷积网络（GCNs）与时间随机游走（TRW）相结合，并借助概率抽样，来识别以太坊交易的复杂时间序列，从而提供更精细的交易异常检测机制。初步评估表明，我们的 TRW-GCN 框架在检测异常和交易突发事件方面显著提高了性能指标。此研究通过利用空间关系和基于时间的交易序列作为节点特征引入了更高层次的细粒度，使检测过程更健壮且不易产生误报，为未来优化和提高区块链技术透明度的研究奠定了基础。
Sep, 2023
本文分析了以太坊的账户模型的隐私问题，并使用类标识符将用户进行了匿名剖析，以此评估了 Tornado Cash 混币的隐私保障，并描述了一种可用于在以太坊上的机密交易层上的恶意价值指纹攻击。
May, 2020
该研究提出了一种创新方法，利用图卷积网络（GCNs）分析以太坊网络中的信息传播模式，通过开发结合图注意力网络（GAT）和强化学习（RL）的模型以优化网络效率和可扩展性，从而实现信息在网络中的有效传播，优化区块处理的燃气限制并提高网络效率。
Nov, 2023
该研究比较了不同类型图神经网络模型在以太坊交易网络数据和钓鱼标签数据上的性能表现，结果表明异构模型的表现优于同构模型，尤其是 RGCN 模型在整体指标上表现最好。
Mar, 2022