基于分层图注意力的以太坊钓鱼诈骗识别方法OA北大核心
针对传统以太坊钓鱼诈骗识别分类未考虑子图间重要性、计算显存开销大的问题,使用图注意力技术来挖掘账户地址的行为模式信息,提出了分层图注意力框架来处理子图分类任务.构造分层图注意力池化编码器,利用节点级编码器提取子图内部节点重要性,子图级编码器提取子图间的重要性,挖掘了子图内、子图间的潜在关联.结合图对比学习技术进行联合训练,将对比学习损失作为正则项以缓解标签稀疏,以改善子图分类的效果.在以太坊真实数据集上进行对比试验和消融试验,以F_1分数作为评价指标,并进行参数分析.结果表明:新方法在真实数据集上的F_1分数最高提升了1.7百分点,优于GCN、GraphSage、GAT等经典方法,显存开销小于其他节点分类方法.
陈乔松;张星宇;尹忠钰;邓欣;王进
重庆邮电大学数据工程与可视计算重点实验室,重庆400065重庆邮电大学数据工程与可视计算重点实验室,重庆400065重庆邮电大学数据工程与可视计算重点实验室,重庆400065重庆邮电大学数据工程与可视计算重点实验室,重庆400065重庆邮电大学数据工程与可视计算重点实验室,重庆400065
计算机与自动化
以太坊钓鱼诈骗账户身份推断图神经网络对比学习子图分类图数据增强
《江苏大学学报(自然科学版)》 2025 (6)
P.685-691,7
国家重点研发计划项目(2022YFE0101000)。
评论