BlockScan：区块链交易异常检测
密码学与安全
2025-10-22 v5 人工智能
摘要
我们提出 BlockScan，一个针对区块链交易异常检测的定制化 Transformer。不同于依赖规则系统或直接应用通用大型语言模型（LLM）的现有方法，BlockScan 引入一系列定制化设计，以有效建模区块链交易的独特数据结构。首先，区块链交易具有多模态特征，包含区块链特定 token、文本和数字。我们设计一种新型模块化分词器来处理这些多模态输入，在不同模态之间实现信息平衡。其次，我们设计一种针对 Transformer 架构的定制化掩码语言模型机制，用于预训练，集成 RoPE 嵌入和 FlashAttention 以处理更长序列。最后，我们设计一种基于模型输出的新型异常检测方法。我们进一步对检测方法进行理论分析。广泛的评估表明，BlockScan 在异常检测方面拥有卓越的能力，同时保持低假阳性率。值得注意的是，BlockScan 是唯一成功在 Solana 上以高准确率检测异常交易的方法，而其他所有方法的检测召回分数均非常低或为零。本工作为 Transformer 方法在区块链数据分析中应用树立了新基准。
关键词
引用
@article{arxiv.2410.04039,
title = {BlockScan: Detecting Anomalies in Blockchain Transactions},
author = {Jiahao Yu and Xian Wu and Hao Liu and Wenbo Guo and Xinyu Xing},
journal= {arXiv preprint arXiv:2410.04039},
year = {2025}
}