迈向量子就绪的区块链欺诈检测：基于集成图神经网络
机器学习
2026-01-09 v1 人工智能
密码学与安全
分布式、并行与集群计算
摘要
区块链商业应用和加密货币实现了安全、去中心化的价值转移，但其假名性质为非法活动创造了机会，给监管机构和交易所在反洗钱（AML）执法方面带来挑战。检测区块链网络中的欺诈交易需要能够捕捉结构和时间依赖性，同时对噪声、不平衡和对抗行为保持鲁棒性的模型。在这项工作中，我们提出一个集成框架，将图卷积网络（GCN）、图注意力网络（GAT）和图同构网络（GIN）整合起来，以增强区块链欺诈检测。使用真实的 Elliptic 数据集，我们调优的软投票集成在保持低于 1% 的假阳性率的同时，实现了对非法交易的高召回率，优于单个 GNN 模型和基线方法。该模块化架构包含量子就绪的设计钩子，允许未来无缝集成量子特征映射和混合量子-经典图神经网络。这确保了随着量子计算技术的成熟，系统具备可扩展性、鲁棒性和长期适应性。我们的发现突显了集成 GNN 作为实时加密货币监控的实用且具有前瞻性的解决方案，既提供了即时的反洗钱效用，又指明了通往量子增强型金融安全分析的道路。
引用
@article{arxiv.2509.23101,
title = {Towards Quantum-Ready Blockchain Fraud Detection via Ensemble Graph Neural Networks},
author = {M. Z. Haider and Tayyaba Noreen and M. Salman},
journal= {arXiv preprint arXiv:2509.23101},
year = {2026}
}