基于网络表示学习的区块链异常交易检测

作者：张晓琦; 白雪; 李光松^*; 王永娟

来源：网络安全与数据治理, 2022, 41(10): 11-20.

DOI：10.19358/j.issn.2097-1788.2022.04.002

• 区块链
• 异常检测
• 网络表示学习
• 随机游走
• 机器学习

由于具有巨大的流通市值、庞大的用户量和账户匿名性的特点，区块链交易频繁受到盗窃、庞氏骗局、欺诈等异常行为的威胁。针对区块链异常交易，提出一种网络表示学习模型DeepWalk-Ba用于特征提取，以比特币为例，对区块链交易的网络结构和属性进行学习，从交易的邻域结构中挖掘隐含信息作为节点特征，再使用5种有监督和1种无监督的机器学习算法进行异常检测。实验表明，有监督模型随机森林表现最好，达到了99.3%的精确率和86.4%的召回率，比使用传统的特征提取方法的异常检测模型具有更好的检测效果。

• 单位
  信息工程大学; 中国船舶工业综合技术经济研究院