计算机应用研究

作者：谭朋柳,周叶,

单位：南昌航空大学软件学院,南昌330063；

关键词：区块链,图注意力神经网络,异常交易检测,支持向量机,

基金：国家自然科学基金资助项目(61961029)；江西省科技厅重点研发计划项目(20171ACE50025)；；

公有链因为透明公开而面临着众多恶意交易和非法加密活动的问题，这造成了区块链出现异常交易，对用户的资产和信息安全造成严重损害。针对区块链异常交易问题，提出一种关注区块链事务图局部结构邻节点特征与联系，基于图注意神经网络（graph attention network，GAT）与支持向量机（support vector machine，SVM）相融合的区块链异常交易检测方法——GAS（graph attention network and support vector machine）。采用随机森林对节点交易数据特征进行重要性评估，并选取降序排列后前140个重要特征，再结合邻节点特征，利用GAT对当前节点进行特征更新，更新后的特征作为SVM的输入，从而实现异常检测。实验结果表明，相比非融合方法，GAS检测结果性能更优，准确率可达98.11%，精度可达94.01%以及召回率可达85.48%。

来源：2024年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第1期