动态特征融合：用于区块链欺诈检测的全局图结构与局部语义结合

区块链技术的出现促进了智能合约在金融领域的广泛采用。然而，当前的欺诈检测方法在捕捉交易网络中的全局结构模式和交易数据中嵌入的局部语义关系方面存在局限。大多数现有模型仅单独关注结构信息或语义特征，导致难以有效检测复杂欺诈模式。本文提出了一种动态特征融合模型，结合图基表示学习和语义特征提取用于区块链欺诈检测。具体而言，我们构建全局图表示以建模账户间关系，从交易数据中提取局部上下文特征。引入动态多模态融合机制，以适应性方式集成这些特征，使模型能够有效捕捉结构和语义欺诈模式。我们进一步开发了完整的数据处理流程，包括图构建、时序特征增强和文本预处理。在大规模真实区块链数据集上的实验结果表明，我们的方法在准确率、F1 分数和召回率等指标上均优于现有基准。这一工作凸显了在稳健的欺诈检测中集成结构关系和语义相似性的重要性，并提供了一个可扩展的区块链系统安全解决方案。