简单扰动颠覆以太坊钓鱼交易检测：一项实证分析

本文探讨了机器学习模型——具体为随机森林、决策树和K近邻——在以太坊欺诈交易检测背景下对极简单的单特征对抗攻击的脆弱性。通过全面的实验研究，我们调查了各种对抗攻击策略对模型性能指标（如准确率、精确率、召回率和F1分数）的影响。我们的发现揭示了这些技术对简单攻击的易受攻击性令人警觉，且攻击对不同算法的影响不一致，这为攻击缓解提供了途径。我们检验了不同缓解策略的有效性，包括对抗训练和增强特征选择，以提升模型鲁棒性。