面向大规模加密货币多重图的有效违规账户检测

加密货币正在快速扩张，并在数字金融市场中变得至关重要。然而，与加密货币相关的非法活动的增加给用户带来了重大损失。为了保护这些平台的安全，有效识别违规账户至关重要。当前的检测方法主要依赖特征工程，或不足以利用加密货币交易网络内的复杂信息，导致性能欠佳。在本文中，我们提出 DIAM，一种在由带属性边的有向多重图建模的加密货币交易网络中检测违规账户的有效方法。DIAM 首先具有一个 Edge2Seq 模块，该模块通过考虑边属性及其有向序列，从平行边中捕获内在交易模式，以生成有效的节点表示。然后在 DIAM 中，我们设计了一个多重图差异（MGD）模块，借助注意力机制，通过定制的消息传递机制在多重图拓扑上捕获正常节点与违规节点之间的差异特征。DIAM 集成这些技术进行端到端训练，以从合法账户中检测违规账户。在比特币和以太坊的 4 个大型加密货币数据集上与 15 种现有方案进行的广泛实验表明，DIAM 在准确识别违规账户方面始终优于其他方法。例如，在一个具有 2000 万节点和 2.03 亿边的比特币数据集上，DIAM 达到了 96.55% 的 F1 分数，显著超过亚军 83.92% 的分数。代码可在 https://github.com/TommyDzh/DIAM 获取。