加密货币网络数据中的张量时间序列变点检测

金融欺诈近年来呈指数级增长。与此同时，加密货币作为投资资产的崛起也推动了加密货币诈骗的同步增长。为检测可能的加密货币欺诈，特别是市场操纵，之前的研究聚焦于检测贸易网络中的变化；然而，市场操纵者如今跨越多个加密货币平台进行交易，使得检测更加困难。因此，有必要考虑跨多个交易网络或“网络的网络”随时间变化的变点识别。为此，本文提出了一种针对张量型数据网络结构变点检测的新方法，称为TenSeg。该方法首先采用张量分解，其次检测分解后数据在第二阶(交叉协方差或网络)结构中的多个变点。该方法能够在可能具有小幅度频繁变化的情况下进行变点检测，且计算效率高。我们将方法应用于多个模拟数据集和加密货币数据集，后者由以太坊区块链上的网络张量型数据组成。我们展示了该方法在其他最先进变点检测技术方面显著优于其他技术，检测到的以太坊数据集中的变点与随时间在多个交易网络或“网络的网络”中的变化相吻合。最后，所有相关R代码实现该方法均可在https://github.com/Anastasiou-Andreas/TenSeg上获取。