基于GAT与SVM的区块链异常交易检测

作者：谭朋柳; 周叶

来源：计算机应用研究, 2024, 41(01): 21-25+31.

DOI：10.19734/j.issn.1001-3695.2023.05.0207

• 区块链
• 图注意力神经网络
• 异常交易检测
• 支持向量机

公有链因为透明公开而面临着众多恶意交易和非法加密活动的问题，这造成了区块链出现异常交易，对用户的资产和信息安全造成严重损害。针对区块链异常交易问题，提出一种关注区块链事务图局部结构邻节点特征与联系，基于图注意神经网络(graph attention network, GAT)与支持向量机(support vector machine, SVM)相融合的区块链异常交易检测方法——GAS(graph attention network and support vector machine)。采用随机森林对节点交易数据特征进行重要性评估，并选取降序排列后前140个重要特征，再结合邻节点特征，利用GAT对当前节点进行特征更新，更新后的特征作为SVM的输入，从而实现异常检测。实验结果表明，相比非融合方法，GAS检测结果性能更优，准确率可达98.11%,精度可达94.01%以及召回率可达85.48%。

• 单位
  南昌航空大学