基于时空图神经网络的加密货币市场欺诈检测

加密货币市场的技术进步增加了投资者的可及性，但同时也使其暴露在市场操纵的风险中。现有的欺诈检测机制通常依赖于将每种金融资产（即代币）及其相关交易独立处理的机器学习方法。然而，市场操纵策略很少是孤立事件，而是以相关资产之间的协调、重复和频繁转移为特征。这表明关系结构构成了信号的一个组成部分，可以通过图形式有效表示。在本文中，我们提出了三种基于每小时聚合市场数据的图构建方法。所提出的图由一个统一的时空图神经网络架构处理，该架构结合了基于注意力的空间聚合和时间 Transformer 编码。我们在一个包含加密货币市场中拉高出货方案的真实数据集上评估了我们的方法，该数据集跨越三年多的时间。我们的比较结果表明，与标准机器学习基线相比，我们基于图的模型在检测异常事件方面取得了显著改进。我们的工作强调，学习到的市场连接性为检测协调的市场操纵方案提供了实质性的收益。