有符号加密货币信任网络中用于欺诈检测的基序感知时序GCN
机器学习
2023-03-30 v2 人工智能
密码学与安全
交易与市场微观结构
摘要
图卷积网络（GCNs）是一类用于处理可表示为图的数据的人工神经网络。由于金融交易可自然地构建为图，GCNs被广泛应用于金融业，尤其是金融欺诈检测。本文关注加密货币信任网络上的欺诈检测。文献中多数工作聚焦于静态网络，而本研究考虑了加密货币网络的演化特性，并利用局部结构以及平衡理论来指导训练过程。具体而言，我们计算基序矩阵以捕获局部拓扑信息，并将其用于GCN的聚合过程。每个时间快照生成的嵌入是时间窗口内嵌入的加权平均，其中权重为可学习参数。由于信任网络每条边均带符号，故采用平衡理论指导训练过程。在bitcoin-alpha与bitcoin-otc数据集上的实验结果表明，所提模型优于文献中的模型。
引用
@article{arxiv.2211.13123,
title = {Motif-aware temporal GCN for fraud detection in signed cryptocurrency trust networks},
author = {Song Li and Jiandong Zhou and Chong MO and Jin LI and Geoffrey K. F. Tso and Yuxing Tian},
journal= {arXiv preprint arXiv:2211.13123},
year = {2023}
}