以太坊智能合约诈骗检测：利用图表示学习保障区块链安全
机器学习
2025-03-20 v5 人工智能
密码学与安全
分布式、并行与集群计算
社会与信息网络
摘要
随着在以太坊智能合约上检测到越来越多的攻击，金融和信誉受到了严重影响。当前的防欺诈检测技术，包括代码解析或人工特征提取，尽管能获得一定的泛化性或适应性，但仍存在一些不足。面对这种情况，本文提出使用图表示学习技术来发现交易模式并区分恶意交易合约，即将以太坊交易数据表示为图，然后使用先进的 ML 技术获得可靠且准确的结果。考虑到样本不平衡，我们使用 SMOTE-ENN 进行了处理并测试了多个模型，其中 MLP 的表现优于 GCN，但确切效果取决于其实际现场试验。我们的研究为以太坊生态系统中的信任与安全开辟了更多可能性。
引用
@article{arxiv.2412.12370,
title = {Scam Detection for Ethereum Smart Contracts: Leveraging Graph Representation Learning for Secure Blockchain},
author = {Yihong Jin and Ze Yang and Xinhe Xu},
journal= {arXiv preprint arXiv:2412.12370},
year = {2025}
}
备注
Accepted to ISCAIT 2025