WWWApr, 2022

TTAGN: 经时交易聚合图网络用于以太坊钓鱼诈骗检测

PDF
TL;DR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。
发现论文，激发创造
  • 基于时间和交易数量的多图快照技术，用于以太坊交易追踪

    使用以太坊交易数据作为研究对象，通过构建一个基于复杂网络的预测框架来跟踪交易记录，提高监管效率并保障区块链的安全性。

    Feb, 2021

  • 金融网络中的图异常检测的时态图网络

    本文探讨了利用时间图网络（TGN）进行金融异常检测的技术，通过实验证明 TGN 在捕捉金融网络中边的动态变化方面具有显著优势，表明 TGN 在适应现代金融系统动态复杂性方面具有潜力，从而成为检测金融欺诈的有效工具。

    Mar, 2024

  • 基于异构图神经网络的以太坊欺诈检测

    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

  • 概率采样增强时空 GCN：以太坊网络中交易异常检测的可扩展框架

    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

  • 以网络嵌入技术检测以太坊网络中的网络钓鱼及骗局探测

    通过交易记录的信息提取和网络嵌入技术，本文针对以太坊网络上的网络钓鱼现象提出了一种检测方法，并证明其在以太坊上的有效性和交易网络特征提取算法的优越性。

    Nov, 2019

  • T-EDGE: 面向以太坊交易网络分析的时间加权多重有向图嵌入

    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

  • 基于时空感知图变换器的交易欺诈检测

    本文提出了一种名为 STA-GT 的异构图神经网络，通过引入一种时间编码和转换器模块，来捕获时间依赖性、识别欺诈性交易和促进时空信息建模，具有改进的表现能力。在两个金融数据集上进行的实验证明了该方法在交易欺诈检测任务上的有效性。

    Jul, 2023

  • 利用自适应图神经网络进行交易欺诈检测

    本文提出了一种基于自适应采样和聚合的图神经网络 (ASA-GNN)，通过邻居采样策略和邻居多样性度量，在交易数据中学习判别表示以提高欺诈检测的性能，实验结果表明该方法优于现有的其他方法。

    Jul, 2023

  • 利用复杂网络方法对以太坊交易记录进行建模和理解

    本研究利用时间和金额特征，将以太坊交易记录建模成复杂网络，通过设计多种灵活的基于随机游走的图表征策略，证明了边的时间和多样性特征对于准确建模和理解以太坊交易网络是不可或缺的

    Dec, 2020

  • 亿级交易中无拓扑关联的时间性洗钱流的检测

    该研究提出了一个适用于领域特定约束条件的框架（称为 FaSTMAN），以有效地构建顺序交易的时间图。该框架使用二阶图表示的加权方法来量化边的重要性，使我们能够在更小而密集的网络流中分配复杂查询。最后，基于这些查询，我们可以有效地识别可疑流动的网络。在对来自多个大型欧洲银行的超过 10 亿个交易数据集进行了广泛评估后，结果表明我们的框架在效率和实用性上具有明显的优势。

    Sep, 2023