计算机应用研究

作者：周健,张杰,闫石,

单位：1.安徽财经大学管理科学与工程学院,安徽蚌埠233000；2.北京邮电大学计算机学院,北京100876；

关键词：链上数据,机器学习,区块链,欺诈账户,SHAP值,

基金：国家自然科学基金资助项目(61402001)；安徽省高等学校自然基金资助项目(KJ2020A0013,KJ2019A0657,KJ2018A0441)；安徽财经大学研究生科研创新基金资助项目(ACYC2020349)；；

针对区块链上存在的欺诈账户给交易带来的安全问题，提出了基于机器学习的欺诈账户的检测及特征分析模型，将以太坊上真实的链上数据进行特征提取后作为模型的数据来源，通过对不同的机器学习方法进行比较得到最优模型并进行迭代训练以获得最佳的预测模型，同时引入 SHAP值对数据特征进行分析。实验结果表明，基于XGBoost的欺诈账户检测模型在RMSE、MAE和R2三组指标上达到了0.205、0.084和0.833，优于其余的对比模型，并结合SHAP值识别出预测欺诈账户的关键因素，为区块链的交易安全提供决策参考。

来源：2022年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第4期