基于机器学习技术检测以太坊区块链上的敏感与非法内容
密码学与安全
2025-12-22 v1 人工智能
摘要
区块链技术因其透明和不可篡改特性而赞誉不已，但其去中心化结构引发了潜在包含恶意或非法内容的顾虑。本研究聚焦以太坊，提出一种数据识别与恢复算法。成功恢复 175 种常见文件、296 张图片和 91,206 条文本，我们采用 FastText 算法进行情感分析，参数调优后达到 0.9 的准确率。分类结果显示 70,189 条中性文本、5,208 条积极文本和 15,810 条消极文本，有助于识别敏感或非法信息。利用 NSFWJS 库检测到七张色情图片，准确率达 100%。我们的发现揭示了以太坊区块链上良性与有害内容的共存，包括个人数据、色情图片、煽动性语言和种族歧视。值得注意的是，针对中国政府官员的敏感信息亦被发现。我们提出了预防措施，为公众了解区块链技术及监管机构提供了宝贵参考。所用算法为解决区块链数据隐私与安全问题提供了创新解决方案。
引用
@article{arxiv.2512.17411,
title = {Detection and Analysis of Sensitive and Illegal Content on the Ethereum Blockchain Using Machine Learning Techniques},
author = {Xingyu Feng},
journal= {arXiv preprint arXiv:2512.17411},
year = {2025}
}