面向以太坊庞氏骗局检测的异质特征增强方法

区块链技术引发新一轮产业与技术革命的同时，也带来了新的挑战。近来，大量披着“区块链”外衣的新型骗局不断涌现，如庞氏骗局、洗钱等，严重威胁金融安全。现有区块链中的欺诈检测方法主要集中于人工特征与图分析，其先利用部分区块链数据构建同质交易图，再使用图分析检测异常，导致模式信息的丢失。本文聚焦于庞氏骗局检测，提出 HFAug，一种通用的异质特征增强模块，能够捕获与账户行为模式相关的异质信息，并可与现有庞氏检测方法结合。HFAug 在辅助异质交互图中学习基于元路径的行为特征，并将异质特征聚合到执行庞氏检测方法的同质图中相应账户节点上。充分的实验结果表明，我们的 HFAug 可帮助现有庞氏检测方法在以太坊数据集上取得显著的性能提升，证明了异质信息对庞氏骗局检测的有效性。