基于图神经网络的账户余额模型区块链地址分类方法OACSTPCD
Graph neural network-based address classification method for account balance model blockchain
为了监管账户余额模型公链上的交易,有必要对该类区块链上的交易进行地址分类研究.基于此,提出了一种基于图神经网络的账户余额模型区块链地址分类方法(简称 AJKGS-ABCM)以实现区块链地址的分类,为区块链交易追踪提供有效的支持.该方法将区块链交易数据建模为图结构,以地址为节点,交易为边,提出AJK-GraphSAGE 算法学习图的嵌入表示,模型的输入只需要节点及其采样的邻居节点集合.同时,模型引入注意力机制及跳跃知识结合策略,自适应地为不同层的表示分配权重,并在不同层间共享信息,提高了训练速度和泛化能力.最后进行了实验对比,结果表明该模型在准确度、召回率和F1分数上性能优于其他方法.
李致远;徐丙磊;周颖仪
江苏大学计算机科学与通信工程学院,江苏 镇江 212013||江苏省工业网络安全技术重点实验室,江苏 镇江 212013||江苏省泛在数据智能感知与分析应用工程研究中心,江苏 镇江 212013江苏大学计算机科学与通信工程学院,江苏 镇江 212013江苏大学计算机科学与通信工程学院,江苏 镇江 212013
计算机与自动化
账户余额模型区块链地址分类图神经网络注意力机制跳跃知识
account balance model blockchainaddress classificationgraph neural networkattention mechanismjump-ing knowledge
《通信学报》 2023 (9)
115-126,12
国家重点研发计划基金资助项目(No.2020YFB1005503)江苏省自然科学基金资助项目(No.BK20201415)The National Key Research and Development Program of China(No.2020YFB1005503),The Natural Science Foundation of Jiangsu Province(No.BK20201415)
评论