基于AGNN-GBDT的链上欺诈账户检测模型

针对虚拟数字货币的市场逐渐升温,大量非法交易和行为难以追踪溯源的问题,提出了基于BGNN的链上欺诈账户检测模型——AGNN-GBDT。通过分析真实账户交易数据和以太坊官方提供的欺诈账户数据的特点,使用GReaT进行数据增强,并在GNN网络中设计了基于节点通道和语义通道的双通道注意力机制来学习节点自身和图网络结构的特征信息,同时保留GBDT处理异质特征数据优势,引入SHAP值来判断特征的重要性。实验结果表明,该模型在准确率上达到84.2%,F1-score为84.2%,其实验效率和结果相较于以前学者提出的模型方法都有一定程度的提升,能够较为准确地识别链上的欺诈账户,对于改善区块链的交易环境有积极作用。