进化路径追踪器：加密货币中恶意地址的早期检测
摘要：加密货币的不断增长使得检测欺诈行为和相关恶意地址引起了重要的研究努力。然而，大多数现有的研究仍然依赖于完整的历史特征或完整的地址交易网络，因此无法满足早期恶意地址检测的要求，这是现有研究中鲜有讨论的。为了在早期阶段检测恶意地址的欺诈行为，我们提出了Evolve Path Tracer，它由Evolve Path Encoder LSTM、Evolve Path Graph GCN和Hierarchical Survival Predictor组成。特别地，除了一般的地址特征之外，我们提出了资产转移路径和相应的路径图来描绘早期交易模式。此外，由于早期阶段交易模式变化迅速，我们提出了Evolve Path Encoder LSTM和Evolve Path Graph GCN以在不断演化的结构设置下对资产转移路径和路径图进行编码。Hierarchical Survival Predictor然后以良好的可扩展性和更快的预测速度预测地址的标签。我们在三个真实的非法比特币数据集上调查了Evolve Path Tracer的有效性和多功能性。我们的实验结果表明，Evolve Path Tracer优于最先进的方法。广泛的可扩展性实验显示了该模型在动态预测环境下的适应性。
作者：Ling Cheng, Feida Zhu, Yong Wang, Ruicheng Liang, Huiwen Liu
论文ID：2301.05412
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-06