区块链技术中基于图神经网络、图卷积网络和卷积神经网络的综述
机器学习
2024-10-02 v1
摘要
本文综述了图神经网络（GNNs）、图卷积网络（GCNs）和卷积神经网络（CNNs）在区块链技术中的应用。随着区块链网络的复杂性和采用程度不断增加，传统分析方法已不足以捕捉去中心化系统中复杂关系和动态行为。为克服这些限制，深度学习模型如 GNNs、GCNs 和 CNNs 提供了稳健的解决方案，通过利用区块链架构中固有的图结构和时序结构。GNNs 和 GCNs 在建模区块链节点和交易的关系数据方面尤为出色，特别适用于欺诈检测、交易验证和智能合约分析等应用。而 CNN 则可被改编为分析作为结构矩阵表示的区块链数据，从而揭示交易流中的隐藏时空模式。本文探讨了这些模型如何增强线性区块链和有向无环图（DAG）基础系统的效率、安全性和可扩展性，提供了这些方法优势及未来研究方向的全面概述。通过整合先进的神经网络技术，我们旨在展示这些模型在革命化区块链分析方面的潜力，为更精细的去中心化应用和改进网络性能之路。
引用
@article{arxiv.2410.00875,
title = {Review of blockchain application with Graph Neural Networks, Graph Convolutional Networks and Convolutional Neural Networks},
author = {Amy Ancelotti and Claudia Liason},
journal= {arXiv preprint arXiv:2410.00875},
year = {2024}
}