计算机应用研究

作者：卢加荣,廖彬,刘怡,陈海龙,

单位：1.新疆财经大学统计与数据科学学院,乌鲁木齐830012；2.贵州财经大学大数据统计学院,贵阳550025；3.新疆医科大学公共卫生学院,乌鲁木齐830017；

关键词：首次代币发行（ICO）,欺诈预测,GBDT模型,SHAP框架,可解释性,

基金：新疆社会经济统计与大数据应用研究中心项目(XJEDU2024J100)；；

为了解决首次代币发行（ICO）欺诈检测研究中存在的特征建模单一、模型缺乏可解释性等问题，提出一种融合多源异构数据的ICO欺诈预测和可解释分析模型IICOFP。首先，融合ICO项目基本信息、评级分数、社交媒体等多源异构数据，通过Lasso特征选择和Tomek-Link欠采样更有效地实现对ICO的特征建模；其次，基于GBDT算法训练ICO欺诈预测模型，并引入SHAP框架从多个角度分析欺诈型ICO的影响因素，有力增强模型的可解释性。实验结果表明，该模型的准确率、精确率、召回率、F1分数和AUC值分别达到87.76%、85.37%、90.52%、87.87%和87.82%，各项性能比已有的最佳模型提高了约2%~10%，验证了融合多源异构数据进行特征建模在ICO欺诈预测中的关键作用（实验数据及代码：https：//github.com/Lujiarong1203/IICOFP）。

来源：2025年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第2期