典型文献
基于链上数据的区块链欺诈账户检测研究
文献摘要：
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.
文献关键词：
链上数据;机器学习;区块链;欺诈账户;SHAP值
中图分类号：
作者姓名：
周健;张杰;闫石
作者机构：
安徽财经大学 管理科学与工程学院,安徽 蚌埠233000;北京邮电大学 计算机学院,北京 100876
文献出处：
引用格式：
[1]周健;张杰;闫石-.基于链上数据的区块链欺诈账户检测研究)[J].计算机应用研究,2022(04):992-997
A类：
欺诈账户
B类：
链上数据,基于机器学习,以太坊,数据来源,机器学习方法,最优模型,迭代训练,获得最佳,SHAP,数据特征,XGBoost,检测模型,RMSE,MAE,上达,对比模型,交易安全,决策参考
AB值：
0.263992
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
