用于检测比特币诈骗的基于注意力长短期记忆的框架
密码学与安全
2022-10-27 v1 计算机与社会
机器学习
摘要
比特币是网络诈骗中最常见的加密货币。网络犯罪分子经常利用比特币交易相关的假名性和隐私保护机制，使其诈骗行为几乎无法追踪。在比特币欺诈活动中，庞氏骗局引起了尤为显著的关注。本文考虑一个多类分类问题，以确定某笔交易是否涉及庞氏骗局或其他网络诈骗，或者是否为非诈骗交易。我们设计了一个专门定制的爬虫来收集数据，并提出了一种新颖的基于注意力的长短期记忆(A-LSTM)方法来解决该分类问题。实验结果表明，所提出的模型比现有方法（包括 Random Forest、Extra Trees、Gradient Boosting 和经典 LSTM）具有更好的效率和准确率。凭借正确识别的诈骗特征，我们提出的 A-LSTM 在原始数据上的 F1 分数超过 82%，优于现有方法。
关键词
引用
@article{arxiv.2210.14408,
title = {An Attention-based Long Short-Term Memory Framework for Detection of Bitcoin Scams},
author = {Puyang Zhao and Wei Tian and Lefu Xiao and Xinhui Liu and Jingjin Wu},
journal= {arXiv preprint arXiv:2210.14408},
year = {2022}
}