基于图神经网络的以太坊钓鱼欺诈检测
社会与信息网络
2022-04-19 v1
摘要
区块链在金融领域有广泛应用，但也吸引了越来越多的网络犯罪。近年来，钓鱼欺诈已成为区块链安全的重大威胁，亟需发展有效的监管策略。如今，网络科学已被广泛用于建模以太坊交易数据，并进一步引入网络表示学习技术来分析交易模式。在本文中，我们将钓鱼检测视为图分类任务，并提出一种端到端的钓鱼检测图神经网络框架（PDGNN）。具体而言，我们首先构建轻量级以太坊交易网络，并提取所收集钓鱼账户的交易子图。然后，我们提出一种基于 Chebyshev-GCN 的端到端检测模型，以精确区分正常账户与钓鱼账户。在五个以太坊数据集上的大量实验表明，我们的 PDGNN 显著优于通用钓鱼检测方法，并在大型交易网络中具有良好的可扩展性。
引用
@article{arxiv.2204.08194,
title = {Phishing Fraud Detection on Ethereum using Graph Neural Network},
author = {Panpan Li and Yunyi Xie and Xinyao Xu and Jiajun Zhou and Qi Xuan},
journal= {arXiv preprint arXiv:2204.08194},
year = {2022}
}
备注
14 pages, 5 figures