基于交易特征对以太网多类型非法账户的分析与预测

作者：周健; 闫石^*; 张杰; 黄世华

来源：计算机应用研究, 2022, 39(10): 2923-2928.

DOI：10.19734/j.issn.1001-3695.2022.03.0113

• 区块链
• 机器学习
• 以太坊
• 非法账户
• 交易特征

日益频繁的非法交易行为妨害以太坊安全交易，针对电子货币的匿名性使得非法交易行为难于跟踪分析问题。将以太坊平台交易数据作为数据源，以被标记的非法账户和未标记的正常账户数据集作为训练集，利用交易数据的特征属性为构造基础，通过CatBoost算法对其中包含多种类型的非法账户进行整体预测。其过程通过T-SNE算法实现交易特征的降维可视化，采用多倍交叉验证，引入SHAP value因子判断特征影响的正负属性，所建立模型的预测效果准确率达到了94.29%,感受者曲线下面积(AUC)数值的评估度量达到了0.984 6。该方案能较为准确地预测以太坊交易平台上存在的非法行为，有效改善基于区块链的交易环境。

• 单位
  北京邮电大学; 安徽财经大学